Anthropic объяснила, когда один ИИ-агент с навыками эффективнее команды субагентов
В опубликованном разборе архитектуры ИИ-систем Anthropic предложила проверять необходимость каждого отдельного субагента. В корпоративных сценариях единый рабочий цикл с подключаемыми навыками нередко уменьшал число передач контекста и упрощал контроль качества, но параллельные исполнители остаются полезными для некоторых задач.
Главное
Сложную систему часто строят по схеме классификатор запросов — планировщик — специализированные исполнители — управляющий модуль. Каждый участник получает собственные инструкции, историю и инструменты. Такой подход удобен для разделения ответственности, однако порождает промежуточные сводки и повторные запросы к модели. Если соседние исполнители постоянно обмениваются одним и тем же контекстом, стоимость взаимодействия может превысить выгоду от специализации.
В материале Anthropic рассматривается альтернативная схема: основная модель сохраняет единый контекст и сама решает, какие инструменты вызвать и когда запросить дополнительные инструкции. Профессиональные процедуры при этом не исчезают. Их можно оформить как навыки, которые подгружаются по необходимости, а обращения к сервисам вынести в компактные инструменты с явными условиями и проверяемым результатом.
Подробности
Авторы исходного руководства сообщают о сравнении подходов на корпоративных внедрениях. В ряде случаев единый агент с навыками работал качественнее конфигураций с множеством субагентов, одновременно снижая задержку и стоимость обработки задачи. Это наблюдения из конкретных развёртываний, а не доказательство, что одна архитектура всегда побеждает другую; результат зависит от структуры задания и ограничений системы.
Есть сценарии, где разделение действительно оправданно. Независимые исследования можно выполнять параллельно с разными окнами контекста; проверяющий исполнитель способен оценивать чужой результат отдельно. Ещё один повод сохранить субагента — измеренное падение качества из-за переполненного контекста или постоянные ошибки единой модели при выборе инструмента и соблюдении несовместимых инструкций.
Что это меняет
Вместо полной перестройки Anthropic предлагает переносить роли последовательно. Сначала для существующей цепочки фиксируют контрольные задачи и критерии успешности, затем объединяют наиболее связанные шаги либо превращают отдельную роль в навык или инструмент. После каждого изменения сравнивают не только среднюю оценку, но и отдельные случаи, которые раньше проходили, а теперь стали давать неверный результат.
Для проектировщика ИИ-помощника вывод сугубо инженерный: архитектуру следует выбирать по измеряемому выполнению задач, времени, расходу ресурсов и сохранению важных ограничений. Число агентов само по себе не показатель зрелости системы. Разделение по независимому контексту может помочь, а копирование организационной структуры в виде множества общающихся моделей — добавить лишние точки отказа.
Первоисточник
Материал подготовлен STRUCTURE по открытой публикации Habr. Текст и иллюстрации первоисточника не воспроизводятся целиком.