Apa itu Sistem Multi-Agen? Panduan Lapangan untuk Tim Ops

Apa itu sistem multi-agen? Ini adalah sekumpulan agen AI yang membagi satu pekerjaan di antara mereka, masing-masing dengan peran, alat, dan jendela konteks tersendiri, dikoordinasikan oleh agen utama atau urutan serah-terima tetap. Jika Anda sudah menjalankan satu agen dan terus mengalami keterbatasannya, ini adalah arsitektur berikutnya yang perlu dipahami. Di bawah ini: cara kerjanya dalam tumpukan ops, dan kapan biayanya lebih tinggi dari hasil yang diberikan.

Briefing 30 detik: satu agen melakukan segalanya dalam satu konteks panjang. Sistem multi-agen memberikan setiap langkah kepada spesialis dan menambahkan koordinator. Anda mendapatkan pekerjaan paralel dan output yang lebih bersih. Anda membayar dalam token, latensi, dan waktu debugging.

Apa itu sistem multi-agen, dalam istilah ops yang jelas?

Pikirkan tentang bagaimana tim Anda menjalankan ulasan penawaran. Satu orang menarik data akun. Orang lain memeriksa kesesuaian terhadap profil pelanggan ideal Anda (ICP). Yang ketiga menulis tindak lanjutan. Seorang pemimpin membaca ketiga output tersebut dan memutuskan apa yang diluncurkan.

Sistem multi-agen menyalin bentuk itu dalam perangkat lunak. Setiap agen adalah panggilan model dengan instruksi sempit, alat tersendiri, dan memori kerjanya sendiri. Koordinator membagi tugas, mengirim bagian-bagian itu dan menggabungkan hasilnya.

Pertimbangkan kasus konkret. Seorang pemimpin kesuksesan pelanggan (CS) menginginkan ringkasan kesehatan mingguan untuk 40 akun. Satu agen yang membaca 40 riwayat dukungan, 40 ekspor penggunaan, dan 40 catatan pembaruan akan kehilangan benang merah pada akun ke-15. Empat puluh pekerja kecil, masing-masing membaca satu akun, kemudian satu pemimpin menentukan peringkat hasilnya, tidak akan. Itulah ide inti: pecahkan pekerjaan luas menjadi pekerjaan sempit, kemudian susun kembali.

Dua sifat penting. Pertama, setiap agen hanya menyimpan apa yang dibutuhkannya, sehingga konteksnya tetap kecil dan terfokus. Kedua, agen menukar output terstruktur, bukan obrolan bentuk bebas. Lewatkan salah satu dan Anda memiliki utas grup yang bising, bukan sistem.

Bagaimana perbedaannya dengan satu agen atau chatbot?

Chatbot menjawab satu prompt. Satu agen mengejar tujuan di beberapa langkah, memanggil alat dalam perjalanannya. Kami mencakup kesenjangan itu dalam perincian agen vs chatbot kami.

Sistem multi-agen menambahkan lapisan ketiga: beberapa agen, masing-masing memiliki sepotong tujuan. Perbedaannya muncul di tiga tempat.

• Konteks. Satu agen menyeret setiap hasil alat melalui satu jendela. Spesialis masing-masing hanya melihat potongan mereka.

• Paralelisme. Satu agen bekerja secara berurutan. Seorang pemimpin dapat meluncurkan lima pekerja sekaligus.

• Mode kegagalan. Satu agen gagal secara keseluruhan. Dalam sistem, satu pekerja gagal dan pemimpin dapat mencoba ulang hanya bagian itu.

Ada juga keuntungan tata kelola yang cenderung diremehkan tim ops. Karena setiap pekerja memiliki peran yang sempit, Anda dapat memberikannya izin yang sempit. Pekerja penelitian membaca CRM. Hanya langkah terakhir yang menulisnya. Ketika sesuatu salah, radius ledakan adalah satu peran, bukan seluruh pipeline Anda.

Biaya fleksibilitas itu adalah koordinasi. Setiap serah-terima adalah tempat di mana informasi hilang atau rusak.

Bagaimana sistem multi-agen benar-benar bekerja?

Sebagian besar pengaturan produksi menggunakan salah satu dari tiga pola. Pilih berdasarkan bentuk tugas Anda, bukan berdasarkan apa yang terdengar canggih.

Orkestrator dan pekerja. Agen utama membaca permintaan, merencanakan, memanggil pekerja, dan menggabungkan output mereka. Pemimpin menentukan subtask saat runtime, berdasarkan apa yang ditemukannya. Ini cocok untuk penelitian dan persiapan terbuka.

Pipeline. Agen berjalan dalam urutan tetap: output agen A adalah input agen B. Tidak ada koordinator yang diperlukan. Ini cocok untuk pekerjaan yang sudah bisa Anda tulis sebagai standar operasi (SOP), seperti memperkaya, menilai, dan menulis draf.

Lingkaran ulasan. Satu agen menghasilkan, yang lain mengkritik terhadap daftar periksa, dan yang pertama merevisi. Ini cocok untuk apa pun di mana gerbang kualitas lebih penting daripada kecepatan, seperti salinan keluar atau ringkasan kontrak.

Anthropic menerbitkan penjelasan publik paling terperinci dari pola pertama. Dalam posting sistem penelitian multi-agen-nya, pemimpin Claude Opus 4 dengan subagen Claude Sonnet 4 mengungguli satu agen Claude Opus 4 tunggal sebesar 90,2% dalam evaluasi penelitian internal Anthropic. Baca angka itu sebagai hasil untuk penelitian terbuka, bukan janji untuk pembersihan CRM Anda.

Langkah 1: Tulis singkat delegasi sebelum apa pun

Kegagalan paling umum adalah serah-terima yang tidak jelas. "Teliti akun ini" yang dikirim ke tiga pekerja menghasilkan tiga jawaban yang tumpang tindih dan satu penjalankan yang terbuang.

Berikan setiap pekerja empat hal. Tujuan, format output, alat dan sumber yang dapat digunakan, dan aturan berhenti. Itu seluruh kontrak.

Berikut ini adalah singkat untuk pekerja penelitian prospek:

• Tujuan: daftar tiga sinyal pendanaan atau perekrutan paling baru untuk satu akun.

• Format: tabel dengan sinyal, tanggal, URL sumber.

• Alat: penelusuran web dan catatan CRM saja.

• Berhenti: setelah lima sumber atau sepuluh menit, mana pun yang terjadi lebih dulu.

Tulis singkat sekali, simpan sebagai perintah, dan gunakan kembali. Di CommanderGPT itu berarti perintah slash /research dengan singkat yang dipanggang, jadi tidak ada yang mengetiknya ulang. Aturan markas: satu perintah per peran pekerja, tidak ada prompt ad hoc.

Seperti apa alur kerja multi-agen untuk tim GTM?

Ambil persiapan pra-panggilan untuk manajer akun eksekutif. Satu agen melakukannya dalam satu lintasan panjang dan biasanya salah sepertiga akhir, karena output alat awal membanjiri konteks.

Versi terpisah berjalan seperti ini:

1. /research menarik pendanaan, perekrutan, dan sinyal berita.

2. /score-icp membandingkan akun dengan kriteria ICP Anda dan mengembalikan skor kesesuaian dengan alasan.

3. /draft-email menulis pesan sentuhan pertama dari dua output terstruktur.

4. Agen ulasan memeriksa draft terhadap daftar frasa terlarang Anda dan aturan nada.

Perhatikan apa yang dibeli oleh split. Jika email terdengar mati, Anda membuka input langkah 3 dan melihat dengan tepat sinyal mana yang diumpankan. Dengan satu agen panjang, Anda membaca ulang seluruh transkrip dan menebak.

Langkah 1 dan 2 dapat berjalan secara paralel ketika skor tidak bergantung pada penelitian. Langkah 3 menunggu keduanya. Itu adalah sistem multi-agen kecil: tiga pekerja, satu pengulas, satu aturan serah-terima.

Jika Anda menjalankan ini dalam alur kerja berantai, harapkan lebih lama dari prompt tunggal. Ukurnya dalam tumpukan Anda sendiri sebelum Anda menjanjikan angka kepada siapa pun. Kemenangan bukan kecepatan mentah. Ini bahwa output setiap langkah dapat diperiksa.

Di mana ia mengalahkan satu agen, dan di mana ia kalah?

Multi-agen menginginkan upahnya untuk pekerjaan yang terbagi dengan bersih. Penelitian di berbagai sumber, persiapan di banyak akun, dan audit di banyak dokumen semua memenuhi syarat. Pekerja berjalan beriringan dan pemimpin menjahit hasilnya.

Ia kalah untuk pekerjaan yang terikat erat. Ketika langkah 4 bergantung pada setiap detail langkah 1 hingga 3, membaginya memaksa Anda untuk memeras semua detail itu melalui ringkasan. Anthropic membuat poin yang sama tentang sistem mereka sendiri: sebagian besar tugas pengkodean memiliki lebih sedikit potongan yang benar-benar dapat diparalelkan daripada penelitian, dan agen belum bagus dalam mengkoordinasikan dan mendelegasikan satu sama lain secara real-time.

Lewati multi-agen jika salah satu dari ini benar:

• Tugas ini cocok nyaman dalam satu jendela konteks.

• Setiap langkah membutuhkan detail penuh dari yang sebelumnya.

• Anda tidak dapat menggambarkan peran pekerja dalam satu kalimat masing-masing.

• Pekerjaan berjalan beberapa kali sebulan. Waktu pengaturan tidak pernah membayar kembali.

Layak dibangun jika tugas paralel, peran berbeda dan Anda menjalankannya setiap hari.

Berapa biaya sistem multi-agen?

Token, sebagian besar. Anthropic melaporkan bahwa agen menggunakan tentang 4 kali lebih banyak token daripada obrolan, dan sistem multi-agen tentang 15 kali lebih banyak. Angka-angka itu berasal dari beban kerja penelitian mereka, jadi perlakukan mereka sebagai urutan besarnya, bukan penawaran untuk tagihan Anda.

Aturan praktis: jalankan angka pada satu tugas nyata sebelum Anda menskalakan. Hitung token per run, kalikan dengan run per minggu, bandingkan dengan menit disimpan. Jika alur kerja persiapan menghemat 20 menit dan mengeluarkan beberapa dolar penggunaan model, itu biasanya perdagangan yang baik. Jika itu menghemat 2 menit dan biayanya sama, tidak.

Latensi adalah biaya kedua. Setiap keputusan koordinator menambah perjalanan bolak-balik. Batas jumlah pekerja, batas percobaan dan tetapkan timeout keras.

Alat mana yang memungkinkan Anda membangunnya tanpa menulis kode?

Anda memiliki tiga rute realistis pada tahun 2026.

Pembangun agen. Alat bebas kode memungkinkan Anda menentukan agen dan serah-terima secara visual. Mereka cocok untuk alur kerja bisnis berulang dan tim kecil.

Pengrantaian berbasis perintah. Perintah slash dan rantai alur kerja cocok untuk tim yang menginginkan langkah yang dapat digunakan kembali dan dapat diperiksa di dalam Slack atau palet perintah. Raycast mencakup sisi peluncur, dan CommanderGPT menambahkan pengrantaian dan Playbook Tim Bersama di atas itu.

Kerangka kerja kode. Jika tim Anda memiliki insinyur, kerangka kerja memberikan kontrol penuh atas orkestrasi, dengan harga pemeliharaan. Tim ops tanpa kapasitas itu harus mulai dengan dua rute pertama.

Rute mana pun yang Anda pilih, catat setiap serah-terima. Ketika output akhir salah, Anda perlu melihat agen mana yang menghasilkan input yang buruk.

Apa yang rusak terlebih dahulu dalam sistem multi-agen?

Tiga hal, dalam urutan ini.

Output parsial senyap. Pekerja habis waktu dan tidak mengembalikan apa pun, dan pemimpin menulis jawaban akhir pula. Perbaiki dengan memerlukan setiap pekerja untuk mengembalikan status eksplisit: selesai, sebagian, atau gagal.

Pekerjaan duplikat. Dua pekerja mendapat singkat yang tumpang tindih dan membakar token di sumber yang sama. Perbaiki dengan batas tugas yang lebih ketat dalam singkat.

Drift pada rantai panjang. Setiap serah-terima kehilangan sedikit detail. Pada langkah lima tujuan asli kabur. Perbaiki dengan melewatkan permintaan asli kepada setiap pekerja, bukan hanya output sebelumnya.

Uji kasus kegagalan dengan sengaja selama pengaturan. Bunuh alat, kembalikan hasil kosong dan lihat apa yang pemimpin lakukan. Lebih baik untuk mengetahuinya pada Selasa sore daripada di depan pelanggan.

Perintah Anda berikutnya: mulai dengan dua agen, bukan tujuh

Pilih satu alur kerja yang sudah Anda jalankan dengan tangan setiap minggu. Pisahkan menjadi dua peran paling banyak: produsen dan pemeriksa. Tulis singkat empat baris untuk masing-masing. Jalankan sepuluh kali dan catat apa yang rusak.

Hanya tambahkan agen ketiga ketika versi dua-agen menunjukkan bottleneck yang jelas. Sebagian besar alur kerja ops berhenti membayar kembali di antara dua dan empat agen.

Misi berakhir ketika dua-agen run mengalahkan versi manual Anda pada menit disimpan dan tingkat kesalahan. Sampai saat itu, tidak ada yang lain dalam panduan ini penting.