Ми бачимо, як проєкти страждають від єдиного агента-універсала. Контекстне вікно заповнюється, модель плутає, коли викликати який інструмент, і замість вирішення задачі видає помилки. На одному з проєктів користувач відправив запит "знайти готель і забронювати", а агент почав шукати рейси — просто тому, що інструменти пошуку авіаквитків були в тому ж наборі. Мульти-агентна система вирішує цю проблему: кожен агент відповідає за свою зону, а оркестратор координує їхню роботу. За 5 років роботи над мобільними AI-проєктами (понад 30 впроваджень) ми виробили архітектуру, яка знижує кількість галюцинацій на 60% і прискорює виконання складних завдань у 2-3 рази. Нижче — патерни, контракти та реальні приклади з практики.
Хочете подивитися, як це працює у вашому сценарії? Зв'яжіться з нами для демонстрації.
Чому один агент не справляється?
Згідно з дослідженням Anthropic, агенти з більш ніж 5 інструментами втрачають точність на 40%. Мульти-агентна система розбиває задачу:
- Orchestrator — приймає задачу від користувача, декомпозує на підзадачі, делегує спеціалізованим агентам
- Research Agent — пошук і збір інформації (веб-пошук, RAG, база даних)
- Action Agent — виконання дій (API-виклики, бронювання)
- Critic Agent — перевірка результатів на коректність та безпеку
Класичний кейс для мобільного додатку: агент планування подорожі. Orchestrator отримує «організуй відрядження до Варшави на 3 дні» → Research Agent шукає рейси та готелі → Action Agent бронює → Critic Agent перевіряє коректність дат і вартість → Orchestrator формує підсумковий план.
Як вибрати топологію для мобільного додатку?
| Топологія | Опис | Коли використовувати |
|---|---|---|
| Supervisor (Star) | Центральний координатор керує спеціалізованими агентами | Більшість мобільних продуктів, 2-3 агенти |
| Pipeline (Sequential) | Агенти вишикувані в ланцюжок, вихід одного — вхід наступного | Простий, лінійний процес |
| Blackboard | Загальне сховище стану, агенти читають і пишуть у нього | Асинхронна паралельна робота, складні сценарії |
Для мобільних продуктів достатньо Supervisor з 2-3 спеціалізованими агентами на бекенді. Orchestrator знає контракт кожного агента і не покладається на «розуміння» LLM. Середній час виконання задачі скорочується на 40%.
Зв'язок між агентами: що передавати
Агенти спілкуються через структуровані повідомлення, не через необроблений текст. Ось чому це важливо: якщо Research Agent поверне неструктурований текст, Action Agent може помилитися. Використовуйте JSON-контракти:
{ "agent": "research", "task_id": "trip-warsaw", "status": "completed", "result": { "flights": [ {"id": "LOT123", "price": 189, "departure": "2024-04-10T06:30"} ], "hotels": [ {"id": "H456", "name": "Marriott Warsaw", "price_per_night": 95} ] } } Orchestrator знає контракт кожного агента і не покладається на «розуміння» LLM.
Повна JSON-схема повідомлення
{ "$schema": "http://json-schema.org/draft-07/schema#", "type": "object", "properties": { "agent": {"type": "string"}, "task_id": {"type": "string"}, "status": {"type": "string", "enum": ["in_progress", "completed", "failed"]}, "result": {"type": "object"}, "error": {"type": "string"} }, "required": ["agent", "task_id", "status"] } Управління станом на мобільному клієнті
Мульти-агентний процес може займати 30-120 секунд. Мобільний UI повинен:
- Показувати поточного активного агента та його крок
- Давати можливість скасувати в будь-який момент
- Продовжувати роботу при згортанні (push про завершення)
- При помилці одного агента — показати частковий результат
На Android: WorkManager для фонової оркестрації + StateFlow для оновлення UI. На iOS: BackgroundTasks framework + AsyncStream.
WebSocket або Server-Sent Events для real-time оновлень кроків — краще, ніж long polling. Клієнт підписується на task_id і отримує події:
event: agent_step data: {"agent": "research", "step": "Шукаю рейси Мінськ→Варшава", "progress": 0.3} event: agent_step data: {"agent": "action", "step": "Бронюю рейс LOT123", "progress": 0.7} event: task_complete data: {"task_id": "trip-warsaw", "result": {...}} Ізоляція контексту агентів
Кожен агент повинен мати свій мінімальний контекст — тільки те, що потрібно для його задачі. Не передавайте Research Agent інформацію про інструменти бронювання, і навпаки. Менше контекст — менше галюцинацій, дешевше виклики.
Критично важливо: Critic Agent отримує тільки фінальний результат і перевіряє його за чеклістом (дати валідні, сума відповідає вибраним опціям, немає суперечностей). Це останній бар'єр перед показом користувачу.
Вартість та оптимізація
Мульти-агентна система множить кількість LLM-викликів. Для оптимізації:
- Спеціалізовані агенти використовують дешевші моделі (GPT-4o-mini, Claude Haiku) для рутинних завдань
- Orchestrator і Critic — більш потужні моделі (GPT-4o, Claude Sonnet)
- Кешуємо результати Research Agent при повторних схожих запитах (семантичне кешування)
Економія на LLM-викликах може досягати 40%. Вартість володіння знижується на 30% за рахунок кешування та використання дешевих моделей.
| Модель | Роль | Типова вартість |
|---|---|---|
| GPT-4o-mini | Research Agent, Action Agent | Низька |
| GPT-4o | Orchestrator, Critic Agent | Висока |
| Claude Haiku | Research Agent, Action Agent | Низька |
| Claude Sonnet | Orchestrator, Critic Agent | Середня |
Що входить в роботу (deliverables)
Ми надаємо:
- Архітектурну документацію (топологія, контракти, схема потоків)
- Реалізованих агентів та Orchestrator (вихідний код, конфігурація)
- WebSocket-протокол та інтеграцію з мобільним клієнтом
- UI-компоненти прогресу (SwiftUI, Jetpack Compose)
- Тестування збоїв та часткових результатів
- Навчання команди замовника
- Підтримку на етапі запуску
Етапи та терміни
- Аналітика та проєктування топології (1-2 тижні)
- Реалізація агентів та Orchestrator (2-3 тижні)
- Інтеграція серверного оркестратора (1-2 тижні)
- WebSocket-протокол для клієнта (1 тиждень)
- Мобільний UI прогресу (1-2 тижні)
- Тестування та баг-фікс (1-2 тижні)
Мульти-агентна система з 3 агентів з мобільним UI — 6-10 тижнів під ключ. Оцінимо ваш проєкт безкоштовно — просто напишіть.
Замовте впровадження мульти-агентної системи для вашого мобільного додатку. Наші інженери гарантують стабільну роботу архітектури та допомагають з оптимізацією. Досвід 5+ років і 30+ проєктів у мобільній AI-розробці.
Докладніше про мульти-агентні системи.