Zusammenarbeit mit mehreren Agenten - AWS Präskriptive Leitlinien
DescriptionCapabilitiesHäufige AnwendungsfälleImplementierungsleitfadenZusammenfassungSchlussfolgerungImbissbuden

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Zusammenarbeit mit mehreren Agenten

Die Zusammenarbeit mehrerer Agenten bezieht sich auf ein Muster, bei dem mehrere autonome Agenten, von denen jeder eine eigene Rolle, Spezialisierung oder Zielsetzung hat, miteinander verhandeln, um komplexe Aufgaben zu lösen. Diese Agenten können unabhängig voneinander oder mit anderen Agenten zusammenarbeiten, indem sie Informationen austauschen, Verantwortlichkeiten aufteilen und gemeinsam ein Ziel verfolgen.

Dieses Muster unterscheidet sich von Workflow-Agenten, die Aufgaben zentral koordinieren und in einem strukturierten Ablauf an untergeordnete Agenten delegieren. Im Gegensatz dazu betont die Zusammenarbeit mehrerer Agenten die sogenannte peer-to-peer Emergenzkoordination, indem sie Adaptivität, Parallelität und kognitive Teilung ermöglicht. In der folgenden Tabelle wird die Zusammenarbeit mehrerer Agenten mit Workflow-Agenten verglichen:

Funktion

Workflow-Agenten

Zweck

Kontrolle

Zentralisierter Koordinator

Dezentrale, verteilte oder rollenbasierte Kollegen

Interaktionen

Ein Agent delegiert und verfolgt die Ausführung

Mehrere Agenten verhandeln, tauschen sich aus und passen sich an

Design

Vordefinierte Reihenfolge der Aufgaben

Emergente, flexible Aufgabenverteilung

Koordination

Prozedurale Orchestrierung

Kooperative oder kompetitive Interaktionen

Anwendungsfälle

Automatisierung von Unternehmensprozessen

Komplexes Denken, Erkundung und neue Strategien

Architektur

Das folgende Diagramm zeigt die Zusammenarbeit mehrerer Agenten:

Zusammenarbeit mit mehreren Agenten.

Description

  1. Leitet eine Aufgabe ein

    • Ein Benutzer oder ein System gibt ein übergeordnetes Ziel oder Problem aus.

    • Ein „Manager“, ein Agent oder ein initiierender Kontext definiert das Ziel.

  2. Weist Rollen zu oder entdeckt sie

    • Agenten weisen sich selbst zu (symbolische Logik oder Argumentation) oder werden delegiert (Eventbroker) an andere Rollen, z. B. als Planer, Forscher, Testamentsvollstrecker, Kritiker oder Erklärer.

  3. Kommuniziert mit anderen Agenten

    • Agenten kommunizieren über gemeinsamen Speicher, Nachrichtenwarteschlangen oder die Verkettung von Eingabeaufforderungen.

    • Sie können sich gegenseitig diskutieren, Fragen stellen oder Unteraufgaben vorschlagen.

  4. Verwendet spezielle Argumentation

    • Jeder Agent verwendet sein eigenes Modell oder seine eigene Domänenlogik, um seinen Teil des Problems zu lösen.

    • Agenten können LLMs mit rollenspezifischen Eingabeaufforderungen und Arbeitsspeicher arbeiten.

  5. Koordiniert Ergebnisse oder Ziele

    • Die Agenten fassen die Beiträge zu einer endgültigen Antwort, einem Plan oder einer Maßnahme zusammen.

    • (Optional) Ein Supervisor kann das synthetisierte Ergebnis validieren oder zusammenfassen.

Capabilities

  • Agenten auf Fachebene mit speziellen Rollen oder Fähigkeiten

  • Aufkommendes Verhalten durch Kommunikation oder Verhandlung

  • Parallele Bearbeitung komplexer oder vielschichtiger Probleme

  • Unterstützt Überlegung, Selbstkorrektur und reflektierende Iteration

  • Modellieren Sie soziale Dynamiken, wissenschaftliche Zusammenarbeit oder Rollen in Unternehmensteams

Häufige Anwendungsfälle

  • Autonome Forschungsteams (Suchagent, Summarizer und Validator)

  • Softwareentwicklung (Planer, Programmierer und Tester)

  • Modellierung von Geschäftsszenarien (Finanzen, Richtlinien und Compliance)

  • Verhandlung, Ausschreibung oder Argumentation durch mehrere Parteien

  • Multimodale Aufgaben (Bild, Text und Logik)

Implementierungsleitfaden

Sie können ein System mit mehreren Agenten mithilfe der folgenden Tools erstellen und: AWS-Services

Komponente

AWS-Service

Zweck

Agenten-Hosting

Amazon Bedrock, Amazon SageMaker, AWS Lambda

Hosten Sie einzelne LLM-gesteuerte Agenten

Kommunikationsebene

Amazon SQS, Amazon EventBridge, AWS AppFabric

Nachrichtenübermittlung und Koordination zwischen den Agenten

Gemeinsamer Speicher

Amazon DynamoDB, Amazon S3 oder OpenSearch

Speicher für mehrere Agenten oder Blackboard-System

Orchestrierungsebene

AWS Step Functions, AWS Lambda Rohrleitungen

Kickoff-, Timeout-, Fallback- und Wiederholungslogik

Identifizierung des Agenten

Amazon Bedrock Agents (rollendefiniert) AWS AppConfig und Amazon Bedrock Converse API (Agenten außerhalb von Amazon Bedrock)

Rollenbasiertes Tool oder Agentenaufruf und Durchsetzung von Grenzen

Emergente Interaktion

EventBridge Amazon-Pipelines oder Agentenregister

Aktivieren Sie die dynamische Weiterleitung oder Eskalation von Aufgaben

Zusammenfassung

Durch die Zusammenarbeit mehrerer Agenten werden die Aufgaben zur Problemlösung auf modulare, rollengesteuerte Agenten verteilt. Im Gegensatz zur Workflow-Orchestrierung nutzen Kooperationsmuster neue Intelligenz, Belastbarkeit und Skalierbarkeit, die die Art und Weise widerspiegeln, wie Menschen Probleme lösen. Dies ist besonders wertvoll für offene Bereiche, kreative Aufgaben, multimodales Denken und Umgebungen, die von unterschiedlichen Perspektiven profitieren.

Schlussfolgerung

Die zuvor erörterten Muster veranschaulichen grundlegende Ansätze für reale Implementierungen agentischer KI. Von grundlegenden Argumenten bis hin zu gedächtnisgestützter Intelligenz ist jedes Muster einzigartig für Wahrnehmung, Kognition und Handlung konfiguriert und basiert auf Autonomie, Asynchronität und Entscheidungsfreiheit.

Diese Muster haben gemeinsame Vokabeln und technische Pläne für den Aufbau intelligenter, zielgerichteter Systeme. Unabhängig davon, ob ein Muster in eine Benutzeroberfläche eingebettet, über Cloud-Dienste orchestriert oder von Agententeams koordiniert wird, jedes Muster ist anpassbar und modular.

Imbissbuden

  • Agentenmuster sind zusammensetzbar — Die meisten Agenten aus der realen Welt kombinieren zwei oder mehr Muster (z. B. ein Sprachagent mit toolgestütztem Denken und Gedächtnis).

  • Das Agentendesign ist kontextuell — Wählen Sie Muster auf der Grundlage der Interaktionsoberfläche, der Aufgabenkomplexität, der Latenztoleranz und domänenspezifischen Einschränkungen aus.

  • AWSEine native Implementierung ist möglich — Mit Amazon Bedrock, Amazon SageMaker AWS Lambda AWS Step Functions, und ereignisgesteuerten Architekturen kann jedes Agentenmuster in großem Umfang bereitgestellt werden.