Salt la conținutul principal
Română— Alege o limbă
Meniu

Înlănțuirea avansată a agenților (Deep Agent Chaining)

Lecția 15 din 18 Actualizată 28 iulie 2026 Dezvoltator
Pe această pagină
  1. Lanțuri de agenți fără limită de adâncime
  2. Trei topologii și implicațiile lor
  3. Două pipeline-uri de producție
  4. Menținerea unei adâncimi rezonabile
  5. Puncte cheie

Lanțuri de agenți fără limită de adâncime

API-ul Mistral Agents nu impune nicio limită de adâncime pentru înlănțuirea agenților. Un agent poate transfera sarcina către un al doilea, care la rândul său o transferă către un al treilea și tot așa. Această libertate permite fluxuri de lucru complexe și modulare, dar pune și responsabilitatea topologiei pe umerii dumneavoastră: dumneavoastră decideți cine poate apela pe cine. Această hartă determină comportamentul sistemului la fel de mult ca instrucțiunile pentru fiecare agent individual.

Trei topologii și implicațiile lor

Lanțul liniar este cel mai simplu model: fiecare agent transmite sarcina următorului fără ramificații.

Agent A → Agent B → Agent C → Răspuns

Acest model se potrivește proceselor în care ordinea este cunoscută dinainte și nu se schimbă niciodată. Un exemplu tipic este căutarea, apoi analiza, apoi redactarea: nu redactați înainte de a analiza și nu analizați înainte de a căuta.

# Agent de cercetare
research = client.beta.agents.create(
    model="mistral-large-latest",
    name="research",
    description="Search for factual information.",
    tools=[{"type": "web_search"}]
)

# Agent de analiză
analyst = client.beta.agents.create(
    model="mistral-large-latest",
    name="analyst",
    description="Analyze data and extract insights.",
    tools=[{"type": "code_interpreter"}]
)

# Agent de redactare
writer = client.beta.agents.create(
    model="mistral-large-latest",
    name="writer",
    description="Draft professional reports.",
    instructions="Write a structured report based on the analyzed data."
)

# Lanț: research → analyst → writer
research = client.beta.agents.update(
    agent_id=research.id,
    handoffs=[analyst.id]
)

analyst = client.beta.agents.update(
    agent_id=analyst.id,
    handoffs=[writer.id]
)

Fiecare agent cunoaște doar succesorul său imediat: research nu știe că writer există măcar. Lanțul există doar în apelurile update, nicăieri altundeva.

Lanțul de tip stea răspunde nevoii opuse: un router central distribuie sarcinile către specialiști care nu comunică între ei.

          ┌→ Agent Căutare Web
Router ──┼→ Agent Calculator
          └→ Agent Redactare
router = client.beta.agents.create(
    model="mistral-large-latest",
    name="router",
    description="Orchestrate requests.",
    handoffs=[research.id, analyst.id, writer.id]
)

Aici, ordinea nu este predeterminată; cererea în sine decide destinația. Această formă se potrivește asistenților versatili, unde fiecare cerere intră sub incidența unei singure competențe specifice.

Topologia hibridă le combină pe ambele: routerul distribuie, iar specialiștii se pot transfera sarcina unii altora.

          ┌→ Agent Cercetare ──→ Agent Analiză
Router ──┤                          │
          └→ Agent Redactare ←───────────┘
# Research poate transfera către Analyst
research = client.beta.agents.update(
    agent_id=research.id,
    handoffs=[analyst.id]
)

# Analyst poate transfera către Writer
analyst = client.beta.agents.update(
    agent_id=analyst.id,
    handoffs=[writer.id]
)

# Router poate accesa totul
router = client.beta.agents.update(
    agent_id=router.id,
    handoffs=[research.id, analyst.id, writer.id]
)

Aceasta este cea mai puternică formă, dar și cea mai greu de depanat. Aceeași cerere poate urma căi diferite de la o execuție la alta, ceea ce face ca jurnalizarea transferurilor (handoff logging) să fie esențială imediat ce ieșiți din mediul sandbox.

Două pipeline-uri de producție

Procesarea datelor ilustrează lanțul liniar în cazul său de utilizare cel mai natural: colectare, curățare, vizualizare. Cei doi pași finali utilizează același instrument, dar separarea lor menține fiecare set de instrucțiuni curat – curățarea și reprezentarea sunt sarcini distincte.

# Pasul 1: Colectare
collector = client.beta.agents.create(
    model="mistral-large-latest",
    name="data-collector",
    description="Collect data from the internet.",
    tools=[{"type": "web_search"}]
)

# Pasul 2: Curățare și transformare
transformer = client.beta.agents.create(
    model="mistral-large-latest",
    name="data-transformer",
    description="Clean and transform raw data.",
    tools=[{"type": "code_interpreter"}]
)

# Pasul 3: Analiză și vizualizare
visualizer = client.beta.agents.create(
    model="mistral-large-latest",
    name="data-visualizer",
    description="Create visualizations and charts.",
    tools=[{"type": "code_interpreter"}]
)

# Lanț
collector = client.beta.agents.update(agent_id=collector.id, handoffs=[transformer.id])
transformer = client.beta.agents.update(agent_id=transformer.id, handoffs=[visualizer.id])

Un asistent de cercetare academică urmează aceeași structură, dar cu un tip diferit de verigă intermediară. Sintetizatorul nu are instrumente: valoarea sa rezidă în întregime în instrucțiunile sale, care îi cer să confrunte sursele – puncte comune, divergențe, lacune – în loc să le înșiruie pur și simplu.

# Căutător
searcher = client.beta.agents.create(
    model="mistral-large-latest",
    name="academic-searcher",
    description="Search for academic articles and publications.",
    tools=[{"type": "web_search"}]
)

# Sintetizator
synthesizer = client.beta.agents.create(
    model="mistral-large-latest",
    name="synthesizer",
    description="Synthesize and compare multiple sources.",
    instructions="Identify common points, divergences, and gaps."
)

# Redactor academic
academic_writer = client.beta.agents.create(
    model="mistral-large-latest",
    name="academic-writer",
    description="Structured academic writing with citations.",
    instructions="Write in academic format with introduction, methodology, results, discussion."
)

# Pipeline: searcher → synthesizer → writer
searcher = client.beta.agents.update(agent_id=searcher.id, handoffs=[synthesizer.id])
synthesizer = client.beta.agents.update(agent_id=synthesizer.id, handoffs=[academic_writer.id])

Menținerea unei adâncimi rezonabile

Absența unei limite tehnice nu este o invitație la exces. În practică, înlănțuirea a doi până la patru agenți acoperă vasta majoritate a nevoilor. Dincolo de cinci, atât latența, cât și costurile cresc brusc. Motivul este mecanic: fiecare agent adaugă propriii tokeni de context, inclusiv instrucțiunile, peste un istoric de conversație care nu a făcut decât să crească de la primul transfer. Un al cincilea agent nu lucrează asupra cererii inițiale, ci asupra a tot ceea ce au produs cei patru anteriori.

Înainte de a lungi un lanț, întrebați-vă dacă pasul suplimentar merită un agent dedicat sau dacă se potrivește în instrucțiunile unui agent existent. O directivă de formatare, de exemplu, nu justifică aproape niciodată o verigă extra.

Rețineți, de asemenea, că un agent nu este restricționat la o singură țintă. Poate declara mai multe ținte și poate alege în funcție de context.

analyst = client.beta.agents.update(
    agent_id=analyst.id,
    handoffs=[writer.id, visualizer.id, calculator.id]
)

Acest analist va direcționa către redactor dacă rezultatul este gata de prezentare, către vizualizator dacă datele necesită un grafic sau către calculator dacă lipsește încă o cifră. Alegerea se bazează, ca întotdeauna, pe descrierile celor trei ținte – singurele informații disponibile pentru a lua decizia.

Puncte cheie

  • Nicio limită de adâncime pentru înlănțuirea agenților
  • Trei modele: liniar (A→B→C), stea (router→specialiști), hibrid (graf)
  • Fiecare agent poate avea mai multe ținte de transfer
  • În producție, limitați lanțurile la 2–4 agenți pentru a controla latența și costurile
  • Descrierile agenților sunt cruciale pentru o rutare eficientă