Salt la conținutul principal
Română— Alege o limbă
Meniu

Fluxul complet al unei cereri multi-agent

Lecția 4 din 14 Actualizată 29 iulie 2026 Dezvoltator
Pe această pagină
  1. De la cerere la răspuns
  2. Pasul 1: primirea și analiza cererii
  3. Pasul 2: lansarea sub-agenților
  4. Pasul 3: cercetare și discuții
  5. Pasul 4: sinteza de către agentul principal
  6. Ce primiți
  7. Streaming
  8. Implicații asupra latenței
  9. Puncte cheie

De la cerere la răspuns

Între momentul în care trimiteți cererea și cel în care apare răspunsul, se întâmplă mult mai multe lucruri decât într-un apel LLM standard. Parcurgerea pas cu pas a acestui flux vă va ajuta să interpretați o latență neobișnuită, un răspuns prea general sau o facturare surprinzătoare a tokenilor.

Pasul 1: primirea și analiza cererii

Când cererea dumneavoastră ajunge la modelul grok-4.20-multi-agent-0309, agentul principal începe prin a o analiza. Acesta determină natura sarcinii – cercetare factuală, analiză comparativă, sinteză – evaluează câte fațete trebuie explorate, identifică instrumentele de care ar putea avea nevoie și stabilește strategia de delegare către sub-agenți.

Nu vedeți această analiză inițială: face parte din raționamentul facturat al agentului principal și nu apare niciodată în răspuns. Este, de asemenea, punctul în care formulările ambigue fac cele mai multe pagube, deoarece tot ceea ce urmează se bazează pe această primă lectură.

Pasul 2: lansarea sub-agenților

Agentul principal deleagă apoi sub-sarcinile. Fiecare sub-agent primește o directivă specifică și începe să lucreze în paralel cu ceilalți. Pentru cererea despre strategiile cloud europene menționată anterior, divizarea ar arăta astfel: un agent cercetează anunțurile recente ale furnizorilor, un al doilea analizează aspectele de reglementare (GDPR, AI Act), un al treilea compară nivelurile de prețuri, iar un al patrulea examinează documentația tehnică.

Cu 16 agenți, descompunerea devine mai fină și acoperă mai multe unghiuri: fiecare furnizor poate avea propriul cercetător, iar aspectele de reglementare pot fi împărțite între mai multe jurisdicții.

Pasul 3: cercetare și discuții

Sub-agenții nu lucrează izolat. Aceștia utilizează instrumentele integrate – web_search, x_search, code_execution și altele – schimbă informații între ei pentru a evita duplicatele și a-și rafina pistele de cercetare, și semnalează agentului principal descoperirile neașteptate care merită o explorare ulterioară. Această conversație internă este ceea ce diferențiază sistemul multi-agent de un simplu apel paralel: un agent care găsește informații care contrazic pe cele ale unui coleg poate redirecționa cercetarea.

Este, de asemenea, faza cea mai lungă și, de departe, cea mai costisitoare, deoarece fiecare agent generează propriii tokeni de intrare, ieșire și raționament. Când o cerere rulează un minut fără ca niciun text să apară, aici se consumă acel timp.

Pasul 4: sinteza de către agentul principal

Odată ce sub-agenții au terminat sau s-a atins bugetul de raționament, agentul principal preia controlul și execută întotdeauna aceeași secvență. Mai întâi colectează toate rezultatele, apoi elimină duplicatele – pentru cererea cloud, trei agenți vor fi probabil semnalat același anunț privind disponibilitatea regională, iar acesta trebuie să apară o singură dată. Apoi structurează informațiile în formatul solicitat de dumneavoastră, citează sursele acolo unde este relevant și, în final, produce răspunsul final.

Aici se decide calitatea percepută a rezultatului: cu aceeași cercetare, veți obține fie un paragraf generalist, fie un tabel comparativ lizibil, în funcție de cât de precis ați descris livrabilul așteptat.

Ce primiți

Răspunsul conține textul scris de agentul principal – sinteza sa – apelurile de instrumente efectuate de toți agenții, inclusiv de cel principal și, dacă ați activat use_encrypted_content=True, un bloc de conținut criptat. Aceste apeluri de instrumente sunt singura dumneavoastră fereastră către munca efectiv desfășurată în culise.

Restul nu ajunge niciodată la dumneavoastră: nici raționamentul intern al sub-agenților în text clar, nici schimburile pe care le-au avut între ei, nici detaliile strategiei de delegare alese de agentul principal. Prin urmare, nu are rost să construiți un instrument de monitorizare în jurul acestor elemente – ele nu părăsesc niciodată modelul.

Streaming

În modul streaming, vedeți răspunsul agentului principal construindu-se progresiv. Parametrul verbose_streaming merge mai departe și vă trimite și apelurile de instrumente pe măsură ce acestea au loc, oferindu-vă o vizualizare directă a activității agenților.

Beneficiul este real pentru cererile lungi: puteți urmări căutările web declanșându-se una după alta în timp ce agenții lucrează și puteți afișa utilizatorului dumneavoastră altceva decât un indicator de încărcare static.

Implicații asupra latenței

Sistemul multi-agent este inerent mai lent decât un apel standard, din trei motive cumulative: sub-agenții lucrează în paralel, dar coordonarea are un cost; agentul principal trebuie să aștepte toate rezultatele înainte de a face sinteza; iar latența crește odată cu numărul de agenți implicați.

Aceasta vă oferă o regulă simplă de design. Pentru utilizarea interactivă – un chatbot, o bară de căutare – rămâneți la 4 agenți. Rezervați cei 16 agenți pentru sarcini asincrone: un raport generat în fundal, o job de monitorizare peste noapte, o analiză al cărei rezultat va fi revizuit de utilizator mai târziu.

Puncte cheie

  • Fluxul urmează 4 pași: analiză → delegare → cercetare → sinteză
  • Sub-agenții lucrează în paralel și schimbă informații între ei
  • Primiți doar răspunsul agentului principal și apelurile de instrumente
  • Streaming-ul cu verbose_streaming vă permite să urmăriți activitatea în timp real
  • Latența este mai mare decât la un apel standard, în special cu 16 agenți