Um único agente resolve uma tarefa passo a passo. Um sistema multiagente divide a tarefa e executa as partes ao mesmo tempo.
Como funciona
A Anthropic descreve o recurso Research dela como um “orchestrator-worker pattern, where a lead agent coordinates the process while delegating to specialized subagents.” (tradução: padrão orchestrator-worker, em que um agente líder coordena o processo enquanto delega a subagentes especializados). O líder lê a pergunta, planeja, inicia vários subagentes que pesquisam em paralelo e escreve a resposta final a partir dos resumos deles.
Existem outros desenhos. O artigo do AutoGen (Wu et al., 2023) descreve um framework em que agentes “customizable, conversable” (tradução: personalizáveis e capazes de conversar) falam entre si, com pessoas e com ferramentas, e os desenvolvedores programam o padrão da conversa em linguagem natural ou em código.
Um exemplo prático de execução orchestrator-worker:
Lead: plan -> start 3 workers
Worker 1: search docs for topic A -> 1,500-token summary
Worker 2: search docs for topic B -> 1,500-token summary
Worker 3: search docs for topic C -> 1,500-token summary
Lead: read 3 summaries -> final answer
Cada worker gasta os próprios tokens pesquisando e lendo. O líder só vê os resumos.
Por que importa
- Qualidade em tarefas amplas. A Anthropic relata que uma configuração multiagente com um líder Claude Opus 4 e workers Sonnet 4 “outperformed single-agent Claude Opus 4 by 90.2%” (tradução: superou em 90,2% o Claude Opus 4 com agente único) na avaliação interna de pesquisa dela.
- Custo em tokens. O mesmo post diz que agentes usam cerca de quatro vezes os tokens de um chat, e sistemas multiagentes “about 15× more tokens than chats.” (tradução: cerca de 15 vezes mais tokens que chats). Ele também relata que só o uso de tokens explicou 80% da variação de desempenho no BrowseComp. Mais agentes costumam significar uma conta maior. O post sobre o custo de sistemas multiagentes compara cobrança por token e preço fixo.
- Encaixe. A Anthropic observa que programação se encaixa pior, já que “most coding tasks involve fewer truly parallelizable tasks than research,” (tradução: a maioria das tarefas de programação envolve menos tarefas realmente paralelizáveis do que pesquisa), e que tarefas com muito contexto compartilhado ou dependências entre agentes não combinam bem.
- Concorrência. Workers em paralelo são requisições em paralelo, então o seu limite de concorrência limita o ganho de velocidade.
Na BroadNet Inference
A BroadNet serve os modelos; a orquestração roda no seu framework. Há guias para o CrewAI e o OpenAI Agents SDK com uma base URL da BroadNet.
Uma chave de pagamento por uso permite 30 requisições por minuto e 4 simultâneas. Nos planos de preço fixo para o DeepSeek V4.1 Flash não há medidor de tokens, o que tira o multiplicador de tokens da conta, mas cada sessão roda uma requisição por vez. Compre uma sessão para cada requisição ao modelo que possa estar em andamento ao mesmo tempo: três workers rodando juntos precisam de três sessões, e quatro se o líder continuar chamando o modelo enquanto eles trabalham. Rodar agentes de programação em paralelo em uma API de preço fixo mostra os padrões mais comuns.