Fluxo completo de um pedido multiagente
Nesta página
Do pedido à resposta
Entre o momento em que envia o seu pedido e o instante em que a resposta surge, ocorre muito mais do que numa chamada LLM padrão. Seguir este caminho passo a passo ajudá-lo-á quando precisar de interpretar uma latência invulgar, uma resposta demasiado genérica ou uma fatura de tokens surpreendente.
Passo 1: receção e análise do pedido
Quando o seu pedido chega ao modelo grok-4.20-multi-agent-0309, o agente líder começa por analisá-lo. Determina a natureza da tarefa — pesquisa factual, análise comparativa, síntese —, avalia quantas vertentes explorar, identifica as ferramentas de que poderá necessitar e define a sua estratégia para delegar tarefas nos subagentes.
Não vê esta análise inicial: faz parte do raciocínio faturado do agente líder e nunca aparece na resposta. É também neste ponto que uma redação ambígua causa mais danos, pois tudo o que se segue se baseia nessa primeira leitura.
Passo 2: ativação dos subagentes
O agente líder delega então as subtarefas. Cada subagente recebe uma diretriz específica e começa a trabalhar em paralelo com os restantes. Para o pedido sobre estratégias de cloud europeias mencionado anteriormente, a divisão seria a seguinte: um agente pesquisa anúncios recentes de fornecedores, um segundo analisa aspetos regulamentares (RGPD, Lei da IA), um terceiro compara escalões de preços e um quarto examina documentação técnica.
Com 16 agentes, a divisão torna-se mais fina e abrange mais ângulos: cada fornecedor pode ter o seu próprio investigador e os aspetos regulamentares podem ser divididos por várias jurisdições.
Passo 3: pesquisa e discussão
Os subagentes não trabalham isoladamente. Utilizam as ferramentas integradas — web_search, x_search, code_execution e outras —, trocam informações entre si para evitar duplicados e refinar as suas pistas, e sinalizam ao agente líder descobertas inesperadas que merecem maior exploração. Esta conversa interna é o que distingue o sistema multiagente de uma simples chamada paralela: um agente que encontre informações que contradigam as de um colega pode reorientar a pesquisa.
É também a fase mais longa e, de longe, a mais dispendiosa, porque cada agente gera os seus próprios tokens de entrada, saída e raciocínio. Quando um pedido decorre durante um minuto sem que apareça texto, é aqui que esse tempo é gasto.
Passo 4: síntese pelo agente líder
Assim que os subagentes terminam, ou quando o orçamento de raciocínio é atingido, o agente líder assume o controlo e executa sempre a mesma sequência. Primeiro, recolhe todos os resultados e remove os duplicados — para o pedido sobre cloud, é provável que três agentes tenham identificado o mesmo anúncio de disponibilidade regional, que deve aparecer apenas uma vez. Em seguida, estrutura as informações no formato que solicitou, cita as fontes quando relevante e, finalmente, produz a resposta final.
É aqui que se decide a qualidade percecionada do resultado: com a mesma pesquisa, obterá quer um parágrafo genérico quer uma tabela comparativa legível, dependendo da precisão com que descreveu o entregável que esperava.
O que recebe
A resposta contém o texto escrito pelo agente líder — a sua síntese —, as chamadas de ferramentas efetuadas por todos os agentes, incluindo o agente líder e, se tiver ativado use_encrypted_content=True, um bloco de conteúdo encriptado. Estas chamadas de ferramentas são a sua única janela para o trabalho realmente realizado nos bastidores.
O resto nunca chega até si: nem o raciocínio interno dos subagentes em texto simples, nem as trocas que tiveram entre si, nem os detalhes da estratégia de delegação escolhida pelo agente líder. Portanto, não vale a pena criar uma ferramenta de monitorização em torno destes elementos — eles nunca saem do modelo.
Streaming
No modo de streaming, vê a resposta do agente líder a construir-se progressivamente. O parâmetro verbose_streaming vai mais longe e envia-lhe também as chamadas de ferramentas à medida que ocorrem, o que lhe oferece uma visão direta da atividade dos agentes.
A vantagem é real em pedidos longos: pode observar as pesquisas na web a serem disparadas uma após a outra enquanto os agentes trabalham e mostrar ao seu utilizador algo diferente de um indicador de carregamento estático.
Implicações de latência
O sistema multiagente é inerentemente mais lento do que uma chamada padrão, por três razões cumulativas: os subagentes trabalham em paralelo, mas a coordenação tem um custo; o agente líder deve aguardar todos os resultados antes de sintetizar; e a latência aumenta com o número de agentes envolvidos.
Isto oferece-lhe uma regra de design simples. Para uso interativo — um chatbot, uma barra de pesquisa — mantenha-se nos 4 agentes. Reserve os 16 agentes para tarefas assíncronas: um relatório gerado em segundo plano, uma tarefa de monitorização noturna, uma análise cujo resultado o utilizador consultará mais tarde.
Pontos-chave
- O fluxo segue 4 passos: análise → delegação → pesquisa → síntese
- Os subagentes trabalham em paralelo e trocam informações entre si
- Recebe apenas a resposta do agente líder e as chamadas de ferramentas
- O streaming com
verbose_streamingpermite acompanhar a atividade em tempo real - A latência é superior à de uma chamada padrão, especialmente com 16 agentes