Из чего состоит система: роли, оркестратор, память, протоколы
Агент с ролью. Модель плюс инструкция «ты рецензент», «ты исследователь», «ты продавец». Роль задаёт, что агент делает, чего не делает и в каком виде отдаёт результат. Чем уже роль, тем предсказуемее агент.
Оркестратор. Кто-то должен разбивать задачу, раздавать части и собирать ответы. Это либо код с жёсткой последовательностью шагов, либо отдельный агент-менеджер, который решает по ходу. Первый вариант дешевле и надёжнее, второй гибче.
Общая память. Место, где лежит то, что агенты должны знать все: техзадание, собранные факты, уже принятые решения. Без неё агенты работают из разных предположений, и это главная причина провалов, к которой мы ещё вернёмся.
Протоколы. Для связи агента с инструментами в 2026 году стандарт один, MCP. Для связи агентов между собой Google в 2025 году предложила протокол A2A и передала его в Linux Foundation. На практике внутри одной системы агенты чаще общаются просто текстом через оркестратор, а протоколы нужны, когда агенты сделаны разными компаниями.
Проверка результата. Отдельный шаг или отдельный агент, который смотрит на итог глазами заказчика. По исследованию Беркли, о котором ниже, слабая проверка результата это одна из трёх главных категорий отказов.
5 схем, которые встречаются на практике
Все реальные системы, которые я видел, укладываются в 5 схем или их комбинации.
Cognition, компания, которая делает ИИ-программиста Devin, в апреле 2026 года описала свой опыт: у них работают ровно три схемы, писатель с рецензентом, умный друг и менеджер с исполнителями. Рецензент с чистым контекстом находит у них в среднем 2 ошибки на одну порцию кода, 58% из них серьёзные. Общий принцип они назвали single writer: пишет всегда один агент, остальные добавляют ум, а не руки. Неструктурированный рой агентов, которые договариваются между собой, там прямо назван отвлечением.
Спор 2025 года: плюс 90% у Anthropic и «не стройте» у Cognition
В июне 2025 года две компании опубликовали противоположные выводы почти в один день, и этот спор до сих пор лучший способ понять тему.
Anthropic 13 июня описала свою исследовательскую систему: ведущий агент на Claude Opus 4 раздаёт подзадачи подагентам на Claude Sonnet 4, те параллельно ищут, ведущий сводит. На внутреннем тесте исследовательских задач эта конструкция обошла одиночного Opus 4 на 90,2%. Там же честные цифры о цене: агент тратит примерно в 4 раза больше токенов, чем обычный чат, мультиагентная система примерно в 15 раз. И самое важное наблюдение: 80% разницы в качестве объясняется просто количеством потраченных токенов. Мультиагентность работает как способ потратить больше вычислений на задачу, где они окупаются. Anthropic прямо пишет, где не окупаются: в программировании и в задачах, где всем агентам нужен один общий контекст.
Cognition в те же дни выпустила текст «Не стройте мультиагентов». Их пример: попросили систему сделать игру, один подагент нарисовал фон в одном стиле, второй персонажа в другом, а собрать это вместе оказалось некому. Два принципа из той статьи стоит выписать: делитесь контекстом целиком, а не выжимками, и помните, что каждое действие агента несёт скрытое решение, а два агента принимают их по-разному. Через 10 месяцев Cognition уточнила позицию статьёй про то, что всё-таки работает, и это те три схемы из таблицы выше.
Обе компании правы, потому что говорят о разных задачах. Широкий поиск с независимыми ветками выигрывает от параллельных агентов. Связная работа над одним артефактом проигрывает.
Что говорят исследования: 14 способов сломаться и иллюзия преимущества
Группа из Беркли в марте 2025 года опубликовала работу с вопросом в заголовке: «Почему мультиагентные системы на LLM ломаются?» Они разметили больше 1 600 записей работы систем на 7 популярных фреймворках и свели причины в таксономию MAST: 3 категории и 14 режимов отказа. Категории такие: ошибки проектирования системы (плохие роли, нарушение инструкций), рассогласование между агентами (потеря информации, игнор чужих ответов, зацикливание) и слабая проверка результата (задача объявлена решённой, хотя нет). Согласие между людьми-разметчиками 0,88, то есть эти отказы видны невооружённым глазом.
Мне здесь важно одно: 2 категории из 3 это ошибки конструкции, а модели тут ни при чём. Роли нарезаны плохо, контекст потерян между агентами, результат никто не проверил. Всё это чинится без смены модели.
В июне 2026 года вышла работа с названием «Иллюзия мультиагентного преимущества». Авторы сравнили автоматически собранные мультиагентные системы с одиночной моделью, которая рассуждает по шагам и сама себя перепроверяет. Вывод: автоматические системы стабильно проигрывают при цене до 10 раз выше. Раздутая архитектура не даёт пользы сама по себе.
Мой замер, задача 1: коммерческое предложение по ТЗ
Чужие замеры сделаны на исследовательских и программистских задачах. Мне нужна была задача из жизни малого бизнеса, где результат проверяется по пунктам. Взял такую: написать коммерческое предложение клининговой компании для управляющей компании по техзаданию с 10 требованиями: объём 1 500–2 200 знаков, обращение по имени-отчеству, посчитать итог за 4 подъезда со скидкой 7%, упомянуть УСН, расходники, гарантию, срок ответа, структуру из заголовка, ровно 3 выгод и призыва, запрет на 4 слова. Из требований получилось 12 проверок: 9 считает код, 3 судья, Claude Sonnet 5 с чётким вопросом.
Три схемы, три модели, по 3 повтора каждой комбинации. Замер 16 сентября 2026 года через шлюз нашей платформы.
Один агент выполнил задачу на 11–12 баллов из 12. Рецензент и отборщик прибавили ноль или отняли треть балла, при этом токенов ушло в 4–6 раз больше, времени в 2–3 раза. Единственный устойчивый провал у nano один и тот же во всех схемах: текст короче 1 500 знаков. Рецензент это замечание писал, писатель его не выполнял.
Первый вывод получился неожиданно жёстким. Для типовой бизнес-задачи с ясным техзаданием мультиагентность в 2026 году не нужна: модели уровня Haiku и DeepSeek делают её с первого раза.
Мой замер, задача 2: расчёт в 6 шагов
Я усложнил задачу там, где модели ошибаются чаще всего: в многошаговой арифметике. Письмо клиенту с расчётом: 4 подъезда по 9 этажей по 1 150 рублей за этаж, входные группы по 2 400 за подъезд, окна 18 000 раз в полгода, договор на 6 месяцев, и отдельно посчитать, сколько клиент сэкономил бы на 12 месяцах со скидкой 7%. Правильная цепочка: 41 400, 9 600, 51 000 в месяц, 306 000 за полгода, 324 000 с окнами, экономия 45 360. Плюс требования к форме. 12 проверок, 11 кодом, 1 судьёй.
Здесь рецензент уже помогает: у всех трёх моделей балл вырос, у nano до максимума. Цена та же: токенов в 5 раз больше, времени в 3 раза.
Самая частая ошибка одиночных агентов, 5 случаев из 27, это последний шаг, экономия при годовом договоре. Claude Haiku в одном из прогонов посчитал 648 000 × 0,93 = 602 040 вместо 602 640, а потом честно вычел: экономия 45 960. Ошибка в одном умножении, и все следующие шаги согласованы с ней. Так выглядит правдоподобная неправда, и человек, читающий письмо, её не заметит. Рецензент с чистым контекстом заметил, потому что считал заново, а не читал готовое.
Что из замера следует: когда второй агент окупается
Свожу свои цифры с чужими в правила, которыми теперь пользуюсь сам.
Второй агент нужен, когда есть что проверить заново. Расчёт, соответствие требованиям, факты. Рецензент с чистым контекстом видит то, что писатель уже не видит, потому что писатель верит своему тексту. В задаче 2 это дало плюс балл, в задаче 1, где проверять было нечего, ноль.
Параллельные агенты нужны, когда работа делится на независимые куски. Обзор 40 сайтов, сбор цен по 20 поставщикам, поиск по разным источникам. Каждый кусок влезает в один контекст, куски не зависят друг от друга, менеджер сводит. Это случай Anthropic с плюс 90%.
Мультиагентность не нужна для одного связного текста, одного расчёта, одной страницы кода. Один сильный агент с полным контекстом сделает лучше, дешевле и в 3 раза быстрее. Это случай Cognition и работы про иллюзию преимущества.
Бюджет считается вперёд. Три агента это в 4–6 раз больше токенов на ту же задачу по моему замеру и до 15 раз по данным Anthropic. Если задача стоит 2 рубля в одиночном режиме, в мультиагентном она стоит 10. Для письма клиенту это неважно, для 10 000 писем в месяц уже разница в цене сотрудника.
Сначала один агент, потом второй. Не наоборот. Запустите одиночного, посчитайте, где он ошибается, и добавьте рецензента ровно на эти ошибки. Собирать систему из пяти ролей до первого прогона это самый дорогой способ узнать, что хватило бы одной.
Как это выглядит в бизнесе: продавец, контролёр и человек
Из всех схем в переписке с клиентами прижилась одна, и она же самая простая. Агент-продавец отвечает клиенту по базе знаний и своей инструкции. Агент-контролёр, с чистым контекстом и своей короткой инструкцией, проверяет ответ до отправки: нет ли обещаний, которых нет в базе, не выдумана ли цена, не грубит ли. Если контролёр не согласен, ответ переписывается или уходит человеку. Человек третий участник системы, и он единственный, кто видит всё.
Это в точности схема «писатель и рецензент» из таблицы, и в точности принцип single writer: с клиентом говорит один агент. Контролёр стоит вторых токенов на каждый ответ, поэтому его включают не везде: на первом касании и там, где речь о деньгах. На типовой вопрос «во сколько вы работаете» контролёр не нужен.
Собрать такую пару без программиста можно на Ное: агент собирается из инструкции, базы знаний и действий, а передача человеку настраивается правилом. Что вообще входит в такого сотрудника, разобрано в гайде по ИИ-сотрудникам. Для тех, кто работает с кодом, тот же принцип в Claude Code: подагенты там ищут и отвечают на вопросы, а пишет код один.
Промпт: спроектировать схему агентов под свою задачу
Вставьте в любой чат и опишите свою задачу. На выходе получите схему: сколько агентов, какие роли, что между ними передаётся, и честный вердикт, нужна ли вообще вторая модель.
Ты архитектор систем из ИИ-агентов. Ты знаешь 5 схем: конвейер, писатель и рецензент,
менеджер и исполнители, умный друг, рой. Ты знаешь выводы 2025–2026 годов: параллельные
агенты выигрывают на независимых кусках работы и проигрывают на одном связном артефакте;
рецензент с чистым контекстом находит ошибки писателя; каждый дополнительный агент это
в 4–15 раз больше токенов; пишет всегда один агент.
Твоя задача: спроектировать для меня самую простую схему, которая решает задачу,
и доказать, что проще нельзя.
ШАГ 1. Спроси, что за задача, как выглядит готовый результат и как я пойму, что он верный
(список проверяемых требований). Без этого списка дальше не иди.
ШАГ 2. Спроси, делится ли задача на независимые куски, которые можно делать параллельно,
и есть ли в ней шаги, где нужна перепроверка: расчёты, факты, соответствие требованиям.
ШАГ 3. Предложи схему А: один агент с полным контекстом. Напиши для него инструкцию
на 10–15 строк и список проверок, которые я прогоню после первого запуска.
ШАГ 4. Предложи схему Б: тот же агент плюс ровно один дополнительный, с обоснованием,
какую ошибку схемы А он ловит. Напиши инструкцию второго агента и что именно он получает
на вход (только техзадание и результат, без переписки первого агента).
ШАГ 5. Сравни А и Б по цене: оцени токены на один прогон и на [ОБЪЁМ] прогонов в месяц.
Дай вердикт: с какой схемы начать и при каком результате проверок переходить на вторую.
Моя задача: [ЗАДАЧА]
Как проверяется результат: [ТРЕБОВАНИЯ]
Сколько раз в месяц задача повторяется: [ОБЪЁМ]
Правила: не предлагай больше двух агентов без доказательства на моих проверках.
Не используй слова «синергия» и «экосистема». Отвечай по-русски, коротко.
Пример выхода. Я подставил задачу «еженедельный обзор цен 20 конкурентов: снять цены на 5 услуг с их сайтов, свести в таблицу, написать 5 строк выводов» с шестью проверяемыми требованиями и объёмом 4 раза в месяц. Ответ Claude Sonnet 5 от 16 сентября 2026 года, сокращён:
Анализ. Сбор цен по 20 сайтам это независимые куски, их можно параллелить. Но таблица и выводы единый связный артефакт: сравнение с прошлой неделей требует видеть всё сразу, склейка результатов параллельных агентов даст разночтения в формате и пропуски. Где нужна перепроверка: факты (цены, даты, ссылки, НДС) и логика выводов. Вывод: параллелить сбор невыгодно, а проверка фактов оправданная точка для второго агента.
Схема А. Один агент с полным контекстом: список сайтов, 5 услуг, для каждой цены дата и адрес, «нет данных» вместо выдумки, сравнение с прошлой таблицей, выводы до 600 знаков. Проверки после первого прогона: все 20 строк заполнены, у каждой ячейки дата и ссылка, 5 случайных ячеек сверены руками, направление «подешевел / подорожал» не перепутано.
Схема Б. Тот же агент плюс рецензент с чистым контекстом, который получает только требования и готовую таблицу. Ловит систематическую ошибку писателя: путаницу с НДС, пропущенные даты, перепутанное направление тренда ближе к концу списка из 20 позиций.
Цена. Схема А около 60 000 токенов за прогон, схема Б около 64 000: рецензент читает сжатый результат, а не повторяет сбор, поэтому плюс 6–8%, а не в 4–15 раз. Вердикт: начать со схемы А, 2–3 недели проверять руками; переходить на Б при первой найденной ошибке из трёх типов.
Обратите внимание на оценку цены: модель заметила, что рецензент дешёв, когда он читает результат, а не повторяет работу. В моём замере рецензент стоил в 4–5 раз дороже одиночного агента ровно потому, что там результат и был всей работой.
Частые вопросы
Что такое мультиагентная система простыми словами?
Несколько ИИ-агентов с разными ролями, которые решают одну задачу по заданным правилам: кто что делает, кто кому передаёт результат, кто решает, что задача закончена. Минимальный пример: один агент пишет, второй проверяет.
Чем мультиагентная система отличается от одного агента с несколькими инструментами?
У одного агента один контекст и одна цепочка решений. В мультиагентной системе у каждого агента свой контекст и своя инструкция, и именно чистый контекст второго агента даёт пользу при проверке. Инструменты у одного агента могут быть любые, это не делает его системой.
Мультиагентная система всегда лучше одного агента?
Нет. В моём замере на коммерческом предложении один агент набрал 12 из 12, а рецензент и отборщик ничего не прибавили при расходе токенов в 4–6 раз. Работа июня 2026 года показала, что автоматически собранные системы проигрывают одиночной модели при цене до 10 раз выше.
Когда мультиагентность окупается?
Когда работа делится на независимые куски для параллельного выполнения (исследование, сбор данных из многих источников) или когда есть что перепроверить заново (расчёт, факты, требования). У Anthropic параллельные подагенты дали плюс 90,2% на исследовательских задачах.
Сколько стоит мультиагентная система?
По моему замеру в 4–6 раз больше токенов, чем один агент, по данным Anthropic до 15 раз больше, чем обычный чат. Время выполнения растёт в 2–3 раза.
Почему мультиагентные системы ломаются?
По таксономии MAST из Беркли 14 режимов отказа в 3 категориях: плохо спроектированные роли, потеря информации между агентами и слабая проверка результата. Две категории из трёх это ошибки конструкции, а не модели.
Какие схемы реально работают?
По опыту Cognition на апрель 2026 года три: писатель с рецензентом, умный друг (дешёвая модель спрашивает дорогую в сложных местах) и менеджер с исполнителями. Общий принцип: пишет один агент, остальные добавляют проверку и знания.
Нужен ли протокол, чтобы агенты общались?
Внутри одной системы нет: агенты обмениваются текстом через оркестратор. Протоколы нужны между агентами разных компаний: MCP для связи с инструментами, A2A для связи агентов между собой.
Можно ли собрать мультиагентную систему без программиста?
Да, простейшую: агент для клиентов плюс контролёр ответов плюс правило передачи человеку. На платформах вроде Нои это настраивается инструкциями и правилами. Системы из 5 и более ролей уже требуют кода и, по замерам, редко окупаются.
С чего начать прямо сейчас
- Возьмите задачу, которую хотите отдать агентам, и выпишите 10 проверяемых требований к результату. Без этого списка нельзя понять, помог второй агент или нет.
- Прогоните одного агента 3 раза и посчитайте баллы по списку. В моём замере это заняло 10 минут и сняло вопрос для двух задач из двух.
- Если есть провалы, добавьте рецензента с чистым контекстом: техзадание плюс результат, без переписки первого агента. Сравните баллы и токены.
- Если задача делится на независимые части, попробуйте менеджера с исполнителями на 3–5 частях и посмотрите, сколько времени сэкономили и сколько токенов потратили.
- Зафиксируйте цену одного прогона в рублях и умножьте на месячный объём. Это решает, остаётся ли вторая модель в системе.
Дальше по цепочке: как агенты подключаются к инструментам через MCP, почему контекстное окно ограничивает одного агента, и как собрать ИИ-сотрудника, который начнёт с одной роли.
