AIRu

Anthropic предлагает пересмотреть архитектуру корпоративного AI Компании строят целые команды AI-агентов: один анализирует запрос, другой ищет информацию, третий принимает решение, четвёртый проверяет результат. Над всеми ними работает агент-координатор. Выглядит технологично. Но возникает вопрос: а зачем столько посредников, если с задачей может справиться один агент? Anthropic опубликовала статью Building agents: When to fold subagents into your main agent loop. Автор рассказывает о выводах команды Applied AI, полученных при работе с корпоративными AI-системами. Оказалось, что в ряде внедрений один универсальный агент с грамотно организованными инструментами превосходит целую команду специализированных агентов. Причём сразу по нескольким параметрам: качество ответов, скорость работы и стоимость выполнения задач. В одном из клиентских сравнений переход к единому агентному циклу позволил примерно вдвое ускорить выполнение задач. Откуда берётся проблема? В крупных компаниях AI-архитектура нередко повторяет организационную структуру бизнеса. Отдел продаж разрабатывает своего агента, служба поддержки своего, аналитики своего. Затем всех объединяют через отдельного координатора. Постепенно система обрастает сложностью: 🔹 Агенты передают друг другу сокращённые версии информации, теряя важные детали. 🔹 Каждый дополнительный вызов модели увеличивает время ответа и расходы. 🔹 Подразделения оптимизируют своих агентов, но за качество всего процесса зачастую никто не отвечает. Что предлагает Anthropic? Там, где это оправданно, заменить цепочку специализированных агентов одним основным агентом, который самостоятельно планирует работу и подключает необходимые возможности. Вместо отдельных AI-исполнителей используются: • Skills – инструкции и правила выполнения конкретных задач. • Tools – инструменты для получения данных и выполнения действий во внешних системах. • Единый контекст – информация, которую агент сохраняет в ходе работы, не теряя её при передаче между исполнителями. Причём необходимые инструкции и инструменты загружаются по мере потребности, а не все одновременно. Но Anthropic не призывает отказаться от мультиагентных систем. Независимые агенты сохраняют преимущества, когда задачи можно выполнять параллельно, требуется изоляция контекста или единый агент уже не справляется с нагрузкой. Главная рекомендация разработчиков: менять архитектуру постепенно и сравнивать результаты на реальных задачах, а не руководствоваться представлениями о том, какая схема технологически совершеннее. 📌 Вывод AIRu: Если в компании уже работает несколько AI-агентов, стоит провести аудит их взаимодействия. Возможно, часть функций можно объединить, сократив расходы и время ответа без потери качества. Начать лучше с одного процесса и измерить результат до и после изменений. AIRu в VK AIRu в MAX AIRu в Tg