⁉️ Как построить автономный бизнес? Начинаем с разработки операционной модели или в случае с автономными агентами с операционной системы.
Следующий этап развития интеллектуальных агентов на базе языковых моделей - формирование из них команд, координация и управление для достижения поставленной задачи.
❗️ В публикации "MegaAgent: A Practical Framework for Autonomous Cooperation in.
Large-Scale LLM Agent Systems" (pdf в первом комментарии) авторы предлагают фреймворк для автономного сотрудничества в крупных масштабных системах и приводят примеры решения задач.
Ключевые элементы и принципы мультиагентной операционной системы:
1. Многоуровневое разделение задач, которое принимает запрос и разделяет задачу на несколько групп агентов для выполнения;
2. Модуль действий, состоящий из нескольких групп агентов, каждая из которых отвечает за выполнение конкретной подзадачи;
3. Модуль хранения, состоящий из базы данных, файлов и контрольных списков;
4. Механизм мониторинга, который включает агента операционной системы, агента-администратора и контрольный список каждого агента для отслеживания действий агентов;
5. Механизм коммуникации, включающий общение между агентами и между агентами и внешними сервисами.
Для выполнения задачи назначается агент-босс, он отвечает за распределение задач между группами агентами. Чтобы обеспечить правильное выполнение каждой подзадачи, назначается агент-администратор для каждой группы, чтобы контролировать прогресс группы. Агент-босс распределяет большую задачу между несколькими агентами-администраторами, где каждый администратор отвечает за подзадачу. Агенты-администраторы могут работать независимо или набирать других агентов для формирования группы. Набранные агенты могут далее разбивать подзадачи на более мелкие задачи, принимать роль агента-администратора, набирать дополнительных агентов и формировать новые подчиненные группы.
Затем каждый агент создает контрольный список на основе назначенной ему задачи. В процессе выполнения задачи агенты общаются и координируют свою работу внутри группы, обновляя и заполняя свои контрольные списки, пока агент-босс не пометит задачу как "завершенную".
Для обеспечения эффективного мониторинга и минимизации распространения галлюцинаций вводится спец агент, контролирующий формат вывода каждой группы агентов и проверки соответствия вывода ожидаемым стандартам.
Основные особенности фреймворка в отличие от других мультиагентных систем - динамическое разделение задач, параллельное выполнение и иерархическая структура
❗️ В итоге в эксперименте по разработке игры Гобанг MegaAgent справился за 800 секунд, создав команду из 7 агентов. Другие системы из эксперимента не смогли выполнить задачу
❗️ В симуляции национальной политики MegaAgent задействовал 590 агентов на 3 уровнях иерархии и справился за 2991 секунду.
Все примеры вместе с промптами подробно разобраны в статье.
Что дальше?
▶️ Продолжать работать над смягчением галюцинаций - они будут и с ними просто нужно научиться работать
▶️Обеспечить интеграцию различных LLM - необходимо учитывать стоимость работы агентов и возможности подключения специализированных моделей
▶️ Искать способы повышения эффективности - как мы знаем чем больше система, тем больше в ней коммуникаций, тем больше издержек. А агенты тоже любят поболтать друг с другом.
Мы в самом начале пути построения автономного бизнеса.
А вы готовы уже применить на своих задачах такие подходы?