Multi-agent system

Hvad er et multi-agent system?

Et multi-agent system er en arkitektur hvor flere AI-agenter (hver med sin specialiserede rolle) samarbejder om at løse opgaver der er for komplekse for en enkelt agent. I stedet for én agent der gør alt, har du et team af agenter der deler arbejdet.

Tænk på det som et softwareudviklingsteam: en arkitekt designer løsningen, en udvikler skriver koden, en tester verificerer kvaliteten, og en projektleder koordinerer. I et multi-agent system udfylder AI-agenter disse roller og samarbejder på lignende vis.

Multi-agent systemer er inspireret af hvordan kompleksitet håndteres i den virkelige verden: specialisering og arbejdsdeling. Ingen enkelt person (eller agent) kan alt. Men et team af specialister kan løse næsten enhver opgave.

Hvordan fungerer multi-agent systemer?

1. Specialisering. Hver agent har en defineret rolle og et sæt værktøjer. En research-agent søger information. En kode-agent skriver kode. En review-agent tjekker kvalitet.
2. Kommunikation. Agenter sender beskeder til hinanden. Research-agenten sender sine fund til kode-agenten, der sender koden til review-agenten.
3. Koordinering. En orchestrator-agent (eller et fast workflow) styrer rækkefølgen og sikrer at agenterne arbejder sammen effektivt.
4. Iteration. Feedback flyder tilbage. Review-agenten kan bede kode-agenten om rettelser. Research-agenten kan uddybe baseret på nye spørgsmål.

Arkitektur-mønstre

1. Orchestrator-pattern. Én central agent styrer de andre. Orchestratoren modtager opgaven, delegerer til specialiserede agenter og samler resultaterne.
2. Pipeline-pattern. Agenter er arrangeret i en kæde. Output fra én agent er input til den næste. Research → skriv → rediger → publicér.
3. Debate-pattern. To eller flere agenter diskuterer et emne og udfordrer hinandens synspunkter. Resulterer i mere nuancerede og korrekte svar.
4. Hierarkisk. Agenter organiseret i et hierarki: topagenter delegerer til underagenter der delegerer videre.
5. Peer-to-peer. Agenter kommunikerer direkte med hinanden uden central styring. Mere fleksibelt men sværere at kontrollere.

Multi-agent vs. enkelt agent

1. Specialisering. En enkelt agent skal kunne alt. Multi-agent lader hver agent fokusere på det den er bedst til.
2. Kontekst. En enkelt agent skal holde al information i sit context window. Multi-agent fordeler konteksten mellem agenter.
3. Fejlisolering. Hvis én agent fejler i et multi-agent system, kan de andre fortsætte. En enkelt agents fejl stopper alt.
4. Kompleksitet. Multi-agent systemer er mere komplekse at bygge og debugge. Kommunikation mellem agenter kan introducere nye fejlkilder.
5. Omkostning. Flere agenter = flere API-kald = højere omkostning. Men for komplekse opgaver kan det betale sig i kvalitet.

Multi-agent systemer i praksis

1. CrewAI. Populært open source-framework til at bygge multi-agent systemer med definerede roller og opgaver.
2. AutoGen (Microsoft). Framework til konversations-baserede multi-agent systemer hvor agenter diskuterer og samarbejder.
3. LangGraph. Framework til at bygge stateful multi-agent workflows med definerede grafer af agent-interaktioner.
4. Claude Code med subagenter. Claude Code kan lancere specialiserede subagenter til research, kodning og review parallelt.
5. Kodereview. Et multi-agent system med en kode-agent, en sikkerhedsreview-agent og en performance-review-agent der hver analyserer koden fra sit perspektiv.