BroadRouter
Começar

Sistema multiagente (multi-agent system)

Atualizado em

Um sistema multiagente é uma aplicação de LLM em que vários agentes, cada um com seu próprio prompt, ferramentas e contexto, trabalham em partes de uma mesma tarefa. Um desenho comum é o orchestrator-worker: um agente líder planeja, inicia agentes workers em paralelo e combina os resultados deles.

Também chamado de: sistema multiagente, sistemas multiagentes, multiagente, orquestração multiagente, arquitetura multiagente, multi-agent, multi-agent system, multi-agent orchestration, orchestrator-worker

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.

Perguntas frequentes

Um sistema multiagente é sempre melhor que um agente só?

Não. A Anthropic relata grandes ganhos em tarefas de pesquisa amplas, mas também que sistemas multiagentes usam cerca de 15 vezes os tokens de um chat, e que a maioria das tarefas de programação tem menos partes realmente paralelizáveis do que pesquisa.

Quais frameworks constroem sistemas multiagentes?

AutoGen, o OpenAI Agents SDK, o CrewAI e ferramentas de programação como o Claude Code suportam alguma forma disso. O artigo do AutoGen descreve agentes que conversam entre si, com pessoas e com ferramentas.

Quantas requisições paralelas um sistema multiagente precisa?

Uma para cada agente que chama o modelo no mesmo instante. Um líder mais quatro workers rodando juntos precisam de cinco requisições simultâneas.

Ler em MarkdownPerguntar ao ChatGPTPerguntar ao ClaudePerguntar ao Perplexity