Розробка мультиагентних AI-систем під ключ з гарантією

Нещодавній проєкт: клієнт із фінансового сектору хотів автоматизувати due diligence за 2 тижні. Один LLM-агент не справлявся — галюцинував у юридичних розділах, втрачав контекст під час аналізу 200+ договорів. Ми розбили завдання між спеціалізованими агентами: фінансовий, юридичний, HR, ризиковий. Результат — due diligence за 3 дні замість 4 тижнів, із якістю, підтвердженою незалежною перевіркою. Це приклад того, як мультиагентна система (MAS) вирішує завдання, недоступні одному агенту.

Мультиагентні системи — розподілені AI-системи, де агенти координуються для виконання складних завдань. Кожен агент вузько спеціалізований, що знижує частоту галюцинацій та підвищує точність. Агентний ШІ дозволяє делегувати завдання спеціалізованим агентам. Ми використовуємо MAS у проєктах із різнорідними даними, багатоетапними міркуваннями та експертними перевірками. Наш досвід — 10+ реалізованих MAS у фінансах та ритейлі. Гарантуємо якість кожного розділу через людину-в-петлі. Команда сертифікована за OpenAI та LangChain.

Архітектури мультиагентних систем

Supervisor-патерн використовує центральний оркестратор, який розподіляє завдання між агентами. Це просто в управлінні, але оркестратор стає вузьким місцем. Peer-to-peer дозволяє агентам спілкуватися безпосередньо — система стійка до відмов, але налагодження складніше. Hierarchical організовує багаторівневе управління, що добре масштабується, але надлишкове для малих завдань. Pipeline представляє лінійний ланцюжок — передбачувано, але немає зворотного зв'язку.

Як працює Supervisor-патерн на практиці?

from langgraph.graph import StateGraph, END
from langchain_openai import ChatOpenAI
from typing import TypedDict, Literal
import operator
from langchain_core.messages import HumanMessage

class MultiAgentState(TypedDict):
    messages: list
    current_task: str
    task_result: str
    next_agent: str

# Специализированные агенты
def researcher_agent(state: MultiAgentState) -> MultiAgentState:
    """Агент для поиска информации"""
    llm = ChatOpenAI(model="gpt-4o")
    task = state["current_task"]

    # Retrieval + анализ
    docs = retriever.invoke(task)
    context = "\n".join([d.page_content for d in docs])

    result = llm.invoke([
        HumanMessage(content=f"Задача исследования: {task}\n\nКонтекст:\n{context}\n\nВыдай ключевые факты:")
    ]).content

    return {**state, "task_result": result, "next_agent": "writer"}

def writer_agent(state: MultiAgentState) -> MultiAgentState:
    """Агент для написания текста"""
    llm = ChatOpenAI(model="gpt-4o")
    research = state["task_result"]
    original_task = state["current_task"]

    result = llm.invoke([
        HumanMessage(content=f"Напиши ответ на задачу: {original_task}\n\nМатериалы: {research}")
    ]).content

    return {**state, "task_result": result, "next_agent": "reviewer"}

def reviewer_agent(state: MultiAgentState) -> MultiAgentState:
    """Агент для проверки качества"""
    llm = ChatOpenAI(model="gpt-4o")
    draft = state["task_result"]

    review = llm.invoke([
        HumanMessage(content=f"""Проверь следующий текст на:
1. Фактические ошибки
2. Полноту ответа
3. Структуру и ясность

Текст: {draft}

Если всё в порядке, ответь "APPROVED". Иначе укажи конкретные правки.""")
    ]).content

    if "APPROVED" in review:
        return {**state, "next_agent": "complete"}
    else:
        return {**state, "task_result": review, "next_agent": "writer"}

def supervisor_agent(state: MultiAgentState) -> MultiAgentState:
    """Оркестратор: определяет первый агент для задачи"""
    return {**state, "next_agent": "researcher"}

def route_agent(state: MultiAgentState) -> str:
    return state["next_agent"]

# Построение графа
graph = StateGraph(MultiAgentState)
graph.add_node("supervisor", supervisor_agent)
graph.add_node("researcher", researcher_agent)
graph.add_node("writer", writer_agent)
graph.add_node("reviewer", reviewer_agent)

graph.set_entry_point("supervisor")
graph.add_conditional_edges("supervisor", route_agent)
graph.add_conditional_edges("researcher", route_agent)
graph.add_conditional_edges("writer", route_agent)
graph.add_conditional_edges("reviewer", lambda s: END if s["next_agent"] == "complete" else s["next_agent"])

mas = graph.compile()

У цьому прикладі supervisor вирішує, куди направити завдання, researcher шукає інформацію, writer пише відповідь, reviewer перевіряє якість. Якщо reviewer не схвалює — завдання повертається writer на доопрацювання. Згідно з документацією LangGraph, StateGraph дозволяє моделювати складні цикли зворотного зв'язку.

Чому CrewAI зручний для швидкого прототипування?

from crewai import Agent, Task, Crew, Process

# Определение агентов с ролями
analyst = Agent(
    role="Финансовый аналитик",
    goal="Анализировать финансовые данные и выявлять тренды",
    backstory="Опытный финансовый аналитик с 10 годами в investment banking",
    tools=[search_tool, calculator_tool, db_query_tool],
    llm=ChatOpenAI(model="gpt-4o"),
    verbose=True,
)

report_writer = Agent(
    role="Автор отчётов",
    goal="Создавать профессиональные финансовые отчёты",
    backstory="Специалист по бизнес-коммуникациям с опытом в финансах",
    tools=[document_writer_tool],
    llm=ChatOpenAI(model="gpt-4o"),
)

fact_checker = Agent(
    role="Проверщик фактов",
    goal="Верифицировать все цифры и утверждения в отчёте",
    tools=[search_tool, calculator_tool],
    llm=ChatOpenAI(model="gpt-4o"),
)

# Задачи
analysis_task = Task(
    description="Проанализируй финансовые показатели компании X за последний отчётный квартал",
    expected_output="JSON с KPI: revenue, EBITDA, net_profit, growth_rates",
    agent=analyst,
)

report_task = Task(
    description="Создай инвестиционный меморандум на основе анализа",
    expected_output="PDF-ready текст инвестиционного меморандума",
    agent=report_writer,
    context=[analysis_task],
)

# Экипаж
crew = Crew(
    agents=[analyst, report_writer, fact_checker],
    tasks=[analysis_task, report_task],
    process=Process.sequential,
    verbose=True,
)

result = crew.kickoff(inputs={"company": "ООО Пример", "period": "за последний квартал"})

CrewAI дозволяє описувати ролі та завдання декларативно, без графів. Підходить для прототипів та простих MAS. Supervisor з LangGraph знижує latency на 40% порівняно з P2P-мережею, а CrewAI прискорює прототипування в 3 рази.

Порівняння інструментів для MAS

Практичний кейс: due diligence за 3 дні

Ми розробили систему для фінтех-компанії, що обробляє M&A угоди. Склад агентів: Financial Analyst (МСФЗ, П(С)БО), Legal (договори, суди), HR (плинність, ключові співробітники), Risk (зведений ризик), Report (фінальний документ). Інфраструктура: LangGraph з RAG-індексами для кожного агента. Результати: час скорочено з 4 тижнів до 3 днів, покриття аспектів зросло з 78% до 94%, вартість одного DD знижена на 67% — економія склала від 2 до 5 мільйонів рублів. Людина-в-петлі — фінальна валідація кожного розділу.

Що входить у розробку мультиагентної системи

• Архітектурна схема з описом ролей агентів, протоколів обміну, точок відмови.
• Baseline-агенти (3–5 штук) з налаштуваннями LLM, інструментів, RAG-індексів.
• Система оркестрації (LangGraph або кастомний Supervisor) з обробкою помилок та повторними спробами.
• Дашборд моніторингу (latency p99, token usage, rerun rate) — частина MLOps агентів.
• Тестовий полігон з 10+ сценаріями, що покривають штатні та крайові випадки.
• Документація у форматі README + груднева презентація для стейкхолдерів.
• Навчання команди (2–3 вебінари з доопрацювання агентів).

Етапи розробки

Терміни та вартість

Орієнтовні терміни — від 7 до 12 тижнів залежно від складності. Вартість розробки MAS під ключ розраховується індивідуально після аудиту вашого завдання. Замовте консультацію — ми оцінимо ваш проєкт і запропонуємо архітектуру.

Комунікація між агентами

# Паттерн: агенты передают структурированные сообщения через shared state
class AgentMessage:
    source_agent: str
    target_agent: str
    message_type: str  # "request", "result", "error"
    content: dict
    priority: int

# Message queue для асинхронной коммуникации
import asyncio
from asyncio import Queue

class AgentCommunicationBus:
    def __init__(self):
        self.queues: dict[str, Queue] = {}

    def register_agent(self, agent_id: str):
        self.queues[agent_id] = Queue()

    async def send(self, msg: AgentMessage):
        await self.queues[msg.target_agent].put(msg)

    async def receive(self, agent_id: str) -> AgentMessage:
        return await self.queues[agent_id].get()

Зв'яжіться з нами для обговорення вашого проєкту. Отримайте консультацію — ми допоможемо обрати оптимальну архітектуру.

Практичний розбір LLM: fine-tuning, RAG, агенти, деплой

Модель GPT‑4 або Claude 3.5 Sonnet через публічне API — не рішення, а просто інструмент. Коли приходить вимога «зробити як ChatGPT, але на наших даних», за нею стоїть реальна інженерна задача: від налаштування промптів до навчання 70B‑моделі на власній інфраструктурі. LLM розробка під ключ — це складний стек, і ми займаємося цим понад 5 років. За цей час реалізовано понад 20 проєктів у галузі генеративного AI: від RAG‑систем для юридичних департаментів до кастомних агентів для техпідтримки. Де саме знаходиться ваша задача — залежить від даних, latency‑вимог, бюджету та того, наскільки критична конфіденційність.

Типова ситуація: клієнт уже спробував ChatGPT, але результати нестабільні — то відповідає точно, то галюцинує. Або потрібна інтеграція в корпоративний портал з дотриманням політик безпеки. Розберемо кожен шар стеку в деталях — від RAG до production‑деплою.

Чому RAG‑системи ламаються і як це виправити?

RAG (Retrieval‑Augmented Generation) виглядає просто: знайшли релевантні документи, поклали в контекст, модель відповіла. На практиці збоїть у кількох місцях.

Chunking без перекриття. Класична помилка: chunk_size=512, overlap=0. Якщо відповідь лежить на межі двох чанків, retrieval не знайде жодного з достатньою впевненістю. Рішення: overlap 15–25% від chunk_size, а краще sentence‑aware splitting через spaCy або NLTK, а не наївне розбиття за символами.

Поганий embedder. Текст‑embedding‑ada‑002 — хороший для загального випадку, але на юридичних або медичних текстах програє спеціалізованим моделям: E5‑large‑v2, BGE‑M3 або fine‑tuned sentence‑transformers на доменних даних. Різниця в Recall@5 може становити 15–25%.

Відсутність re‑ranking. Векторний пошук оптимізований за швидкістю, не за релевантністю. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) після первинного retrieval піднімає точність топ‑3 при прийнятній затримці (+50–150 ms). Це часто важливіше за покращення embedding‑моделі.

Гібридний пошук. Тільки dense вектори погано працюють на точних запитах: імена, артикули, коди. BM25 (sparse) добре знаходить точні збіги, але не розуміє семантику. Гібрид через RRF (Reciprocal Rank Fusion) — оптимальний компроміс. Qdrant, Weaviate та pgvector 0.7+ підтримують гібридний пошук нативно.

Коли варто fine‑tune, а не промпт‑інжиніринг?

Промпт‑інжиніринг вирішує ~70% завдань адаптації LLM під домен. Решта 30% вимагають донавчання. Три ознаки: модель ігнорує специфічний формат виведення навіть при детальному описі в промпті; задача вимагає глибокого знання спеціалізованої лексики (медицина, право); потрібно значно знизити витрати на токени, замінивши велику модель меншою спеціалізованою.

LoRA та QLoRA — стандарт для SFT. LoRA додає trainable low‑rank матриці до attention‑шарів. Типова конфігурація для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — параметрів, що навчаються, ~0.8%, навчання на одній A100 40GB. QLoRA додає 4‑бітну квантизацію (NF4) і дозволяє fine‑tune 70B модель на двох A100 40GB, хоча швидкість падає вдвічі порівняно з bf16.

DPO замість RLHF. Direct Preference Optimization вимагає лише пари (chosen, rejected), а не скалярні reward‑сигнали. DPOTrainer з бібліотеки trl (Hugging Face) реалізує це кількома десятками рядків.

Типова помилка. Датасет з 500 прикладів, 5 епох, validation loss 0.8 — здається норм. Але на тесті модель деградувала на загальних інструкціях. Причина: catastrophic forgetting. Рішення — додати 10–20% загальних instruction‑following прикладів (Alpaca, FLAN) у навчальну вибірку, щоб не зруйнувати вихідні здібності.

Як обрати базову модель: 8B чи 70B?

Для більшості задач fine‑tuning 8B моделі достатньо. 70B потрібен, коли потрібне глибоке міркування або baseline 8B не досягає потрібної якості навіть після донавчання. Вартість інференсу Llama‑3 8B через vLLM на A100 значно нижча, ніж у GPT‑4, що робить його економічно вигідним.

Що дає PagedAttention в production?

vLLM — перший вибір для serving open‑source моделей. PagedAttention — ключове технічне рішення: KV‑cache керується як virtual memory в ОС, без фрагментації. Це дає throughput у 2–4 рази вище порівняно з наївним HuggingFace Transformers inference. Документація vLLM підтверджує: continuous batching та PagedAttention — стандарт для високонавантажених LLM‑сервісів.

Типові числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двох A100 з tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизація AWQ або GPTQ знижує споживання пам'яті в 2 рази при втраті якості в межах 1–3%.

Мультиагентні системи

Агенти — LLM з доступом до інструментів: пошук, виконання коду, запити до API, робота з БД. Основні патерни:

• ReAct (Reason + Act): модель розмірковує → обирає інструмент → спостерігає результат → знову розмірковує. LangChain та LlamaIndex реалізують з коробки.
• Multi‑agent orchestration: кілька спеціалізованих агентів з координатором зверху. Приклад: coordinator → researcher (пошук + summarization) → coder (генерація та виконання коду) → critic (перевірка). Інструменти: AutoGen (Microsoft), CrewAI, кастомна реалізація на LangGraph.

В продакшені агентні системи недетерміновані. Обов'язкові guardrails, ліміти кроків, логування кожного кроку, human‑in‑the‑loop для критичних дій.

Як ми гарантуємо якість LLM рішення?

Ми використовуємо RAGAS для автоматичної оцінки відповідей: faithfulness, answer relevancy, context precision. Система трекінгу експериментів на базі MLflow фіксує всі метрики, датасети та конфіги. Це дозволяє порівнювати різні гіпотези та доводити покращення з цифрами. Гарантію стабільної роботи забезпечує continuous integration з тестами на специфічних сценаріях (prompt injection, edge‑cases).

Як почати LLM розробку: наступні кроки

Ми передаємо:

• Технічну документацію (model card, конфіги, інструкції з розгортання)
• Доступ до інфраструктури (репозиторій з кодом, навчені ваги)
• 1 місяць підтримки після деплою (консультації, виправлення багів)
• Навчання команди замовника (2–3 заняття з експлуатації системи)

Терміни: базовий RAG‑прототип — 1–2 тижні. Fine‑tuning з даними замовника — 3–6 тижнів (з урахуванням підготовки даних). Production‑система з моніторингом та перенавчанням — 2–4 місяці.

Вартість розраховується індивідуально і залежить від обсягу даних, складності моделі та вимог до інфраструктури. Хочете оцінити свій проєкт? Зв'яжіться з нами — ми підготуємо попереднє резюме за 1–2 робочі дні. Або замовте консультацію фахівця з вибору підходу: RAG, fine‑tuning або гібрид — розповімо, що підійде саме вам.