Hela flödet för en begäran med flera agenter
På denna sida
Från begäran till svar
Mellan det ögonblick du skickar din begäran och det att svaret dyker upp sker betydligt mer än vid ett vanligt LLM-anrop. Att följa denna väg steg för steg hjälper dig när du behöver tolka ovanlig latens, ett alltför generellt svar eller en överraskande token-faktura.
Steg 1: Mottagande och analys av begäran
När din begäran når modellen grok-4.20-multi-agent-0309 börjar huvudagenten med att analysera den. Den fastställer uppgiftens karaktär – faktabaserad research, jämförande analys, syntes – bedömer hur många aspekter som ska utforskas, identifierar vilka verktyg som kan behövas och bestämmer sig för sin strategi för att delegera till underagenter.
Du ser inte denna första analys: den ingår i huvudagentens debiterade resonemang och visas aldrig i svaret. Det är också här oklar formulering gör mest skada, eftersom allt som följer bygger på denna första läsning.
Steg 2: Start av underagenter
Huvudagenten delegerar sedan deluppgifterna. Varje underagent får ett specifikt direktiv och börjar arbeta parallellt med de andra. För begäran om europeiska molnstrategier som nämndes tidigare skulle uppdelningen se ut så här: en agent researchar senaste tillkännagivanden från leverantörer, en andra analyserar regulatoriska aspekter (GDPR, AI Act), en tredje jämför prisnivåer och en fjärde granskar teknisk dokumentation.
Med 16 agenter blir uppdelningen finare och täcker fler vinklar: varje leverantör kan få sin egen forskare och regulatoriska aspekter kan delas upp över flera jurisdiktioner.
Steg 3: Research och diskussion
Underagenterna arbetar inte isolerat. De använder de inbyggda verktygen – web_search, x_search, code_execution och andra – utbyter information med varandra för att undvika dubbletter och förfina sina spår, och flaggar oväntade fynd för huvudagenten som förtjänar vidare utforskning. Denna interna konversation är vad som skiljer flera agenter från ett enkelt parallellt anrop: en agent som hittar information som motsäger en kollegas kan omdirigera researchen.
Det är också den längsta fasen och långt den dyraste, eftersom varje agent genererar sina egna inmatnings-, utmatnings- och resonemangstokens. När en begäran löper i en minut utan att någon text dyker upp är det hit tiden går.
Steg 4: Syntes av huvudagenten
När underagenterna är klara, eller när resonemangsbudgeten är nådd, tar huvudagenten över och kör alltid samma sekvens. Den samlar först in alla resultat, tar sedan bort dubbletter – för molnbegäran kommer tre agenter sannolikt ha hittat samma tillkännagivande om regional tillgänglighet, och det bör bara visas en gång. Den strukturerar sedan informationen i det format du begärde, citerar källor där det är relevant och producerar slutligen det slutgiltiga svaret.
Det är här den upplevda kvaliteten på resultatet avgörs: med samma research får du antingen ett allt-i-ett-stycke eller en läsbar jämförelsetabell, beroende på hur exakt du beskrev den leverans du förväntade dig.
Vad du får
Svaret innehåller texten skriven av huvudagenten – dess syntes – de verktygsanrop som gjorts av alla agenter, inklusive huvudagenten, och, om du aktiverade use_encrypted_content=True, ett block med krypterat innehåll. Dessa verktygsanrop är ditt enda fönster in i det arbete som faktiskt utförts bakom kulisserna.
Resten når aldrig dig: varken underagenternas interna resonemang i klartext, inte utbytet de hade med varandra, inte detaljerna kring den delegeringsstrategi huvudagenten valde. Så det finns ingen poäng med att bygga ett övervakningsverktyg runt dessa element – de lämnar aldrig modellen.
Strömning
I strömningsläge ser du huvudagentens svar byggas upp progressivt. Parametern verbose_streaming går längre och skickar också verktygsanrop till dig när de sker, vilket ger dig en direkt vy av agentaktiviteten.
Fördelen är verklig vid långa begäranden: du kan se webbsökningar avfyras en efter en medan agenterna arbetar, och visa din användare något annat än en statisk laddningssnurrare.
Konsekvenser för latens
Flera agenter är inneboende långsammare än ett standardanrop, av tre kumulativa skäl: underagenterna arbetar parallellt, men samordning har en kostnad, huvudagenten måste vänta på alla resultat innan syntesen sker, och latensen växer med antalet inblandade agenter.
Det ger dig en enkel designregel. För interaktiv användning – en chattbot, ett sökfält – stanna vid 4 agenter. Spara de 16 agenterna för asynkrona uppgifter: en rapport som genereras i bakgrunden, ett övervakningsjobb på natten, en analys vars resultat användaren granskar senare.
Viktiga punkter
- Flödet följer 4 steg: analys → delegering → research → syntes
- Underagenter arbetar parallellt och utbyter information med varandra
- Du får endast huvudagentens svar och verktygsanropen
- Strömning med
verbose_streaminglåter dig följa aktiviteten i realtid - Latensen är högre än vid ett standardanrop, särskilt med 16 agenter