Мультиагентные связки: CrewAI, AutoGen, LangGraph

Один агент - один контекст, одна точка отказа. Мультиагентные системы делят работу между специализированными агентами: исследователь ищет, аналитик считает, писатель пишет, критик проверяет. Звучит красиво, в проде - минное поле. Разбираем три фреймворка и честные границы подхода.

CrewAI: роли как в стартапе

Философия - организация из ролей: каждому агенту цель, бэкстори и инструменты. Удобно мыслить в терминах команды, быстро собирается демо. Проблема - та же, что в стартапах: коммуникация. Агенты тратят контекст на переговоры друг с другом, а не на задачу, и чем больше команда, тем выше накладные расходы.

AutoGen: диалоги как протокол

Подход Microsoft - всё есть разговор: агенты общаются сообщениями, человек может встрять в любой момент. Гибко для исследований и переговорных сценариев. Минус - недетерминированность: диалог может уйти куда угодно, воспроизвести прогон сложно, отлаживать больно.

LangGraph: графы вместо болтовни

Школа LangChain: агенты - узлы графа, переходы - рёбра с условиями. Меньше свободы, больше контроля: видно, кто кого вызвал и почему, легко ставить чекпоинты и human-in-the-loop. Цена - проектирование графа заранее: для непредсказуемых задач жёсткая схема мешает.

Почему демо разваливаются в проде

Три убийцы. Каскад ошибок: один агент наврал - остальные построили на вранье. Взрыв контекста: N агентов - N историй, бюджет токенов растёт квадратично. Координация: без явного протокола агенты дублируют работу или ждут друг друга вечно. Лекарства: критик-агент с правом вето, общие артефакты вместо пересказов, жёсткие лимиты шагов и явный владелец решения.

Когда это оправдано

Мультиагентность платит, когда задача естественно декомпозируется на роли с разными инструментами: исследование (поиск), анализ (код), написание (текст), проверка (факты). Не платит, когда один толковый агент с хорошими инструментами справляется сам - а это большинство задач. Начинайте с одного, делите, когда упёрлись в его пределы, а не наоборот.