WHY MULTIPLE LLMS AT ALL
A single model with a large context window in 2026 can do almost everything: holds hundreds of thousands of tokens, calls tools, reasons step by step. The logical question — why spawn agents if you can stuff everything into one prompt. The pragmatic answer: a single prompt degrades as the task grows. The model loses focus in the middle of the context (the lost-in-the-middle effect hasn't gone away), mixes roles, and one bad step drags down the entire response.
A multi-agent system breaks the problem into isolated areas of responsibility. Each agent has its own system prompt, its own toolset, its own narrow context. The planner doesn't think about SQL syntax, and the executor doesn't deal with decomposition. It's the same as microservices vs monolith — only instead of HTTP between services, messages in natural language flow.
The practical rule is simple: if the task can be naturally described as 'first someone does A, then another checks B, and a third assembles C' — it's a candidate for multi-agent. If the task is monolithic ('rephrase a paragraph') — a single call is cheaper and faster.
WHEN MULTI-AGENT ACTUALLY WINS
Based on community observations and internal team benchmarks, the difference shows up on specific task classes:
- Deep research. One orchestrator agent distributes sub-queries to multiple executors, they comb through sources in parallel, a critic filters out garbage. Parallelism here gives not just quality, but real wall-clock time reduction.
- Analysis of large codebases. Security agent, style agent, test agent — each looks with their own lens. A single model in one pass holds such multifacetedness worse.
- Generation-critique-revision pipelines. Separating 'writer' and 'editor' into two different agents with different prompts consistently improves quality vs self-critique in a single context.
- Mixed models by price. A cheap fast model handles routine, an expensive reasoning model connects only on complex branches. Savings at scale are tangible.
And here's where multi-agent loses: short deterministic tasks, hard latency requirements (real-time chat), and everything where one agent's error cascades and breaks the rest without proper control.
ORCHESTRATION ARCHITECTURES
Orchestration is how agents pass control and data to each other. Three basic patterns cover 90% of real systems.
1. Supervisor (central orchestrator)
One manager agent decides who to call next. The rest are executors that return results upward. Pros: transparent, easy to debug, easy to set limits. Cons: supervisor becomes a bottleneck and single point of failure.
2. Sequential / pipeline
Agents are arranged in a chain, output of one — input of the next. Perfect for ETL-like tasks: extract → structure → verify → format. Predictable in cost, trivially testable.
3. Network / group chat
Agents communicate in a shared 'chat', deciding themselves when to chime in. Maximum flexibility, but also maximum risk of looping and burning budget. This exact pattern underlies AutoGen. Without a hard limit on round count, running in prod is dangerous.
Separately worth keeping in mind is the handoff mechanic — explicit control transfer with context preservation. Fresh framework releases and new orchestration patterns are conveniently tracked in the REDDYX catalog, where new items are tagged by category.
CREWAI VS AUTOGEN: WHAT TO CHOOSE
The two most discussed frameworks occupy different niches. CrewAI is built around the 'team with roles and tasks' metaphor — declarative and clear. AutoGen (a Microsoft project) is built around dialogue between agents — more low-level and flexible, but requires more discipline.
| Критерий | CrewAI | AutoGen |
|---|---|---|
| Ментальная модель | Роли + задачи + процесс | Агенты в диалоге / group chat |
| Порог входа | Низкий, читается как конфиг | Средний, больше кода и контроля |
| Основной паттерн | Sequential / hierarchical | Conversational / network |
| Гибкость протокола диалога | Ограниченная | Высокая |
| Контроль стоимости из коробки | Проще ограничить | Нужно явно лимитировать раунды |
| Когда брать | Чёткий процесс с ролями | Открытый диалог, исследование |
Помимо этих двоих, в 2026-м серьёзную долю забрали LangGraph (граф состояний вместо ролей, максимальный контроль потока) и нативные agent-SDK от вендоров моделей. Если нужен строгий детерминированный граф с ветвлениями и циклами — смотри в сторону графовых фреймворков, а не ролевых.
МИНИМАЛЬНЫЙ РАБОЧИЙ ПРИМЕР НА CREWAI
Ниже — компактный, но реальный скелет команды из двух агентов: ресёрчер собирает факты, редактор превращает их в связный текст. Sequential-процесс, никакой магии.
from crewai import Agent, Task, Crew, Process
researcher = Agent(
role="Аналитик",
goal="Собрать факты по теме {topic} и выделить 5 ключевых пунктов",
backstory="Дотошный ресёрчер, проверяет каждое утверждение.",
llm="gpt-4o-mini", # дешёвая модель на рутину
verbose=True,
)
editor = Agent(
role="Редактор",
goal="Написать связный технический абзац из фактов",
backstory="Пишет сухо и по делу, без воды.",
llm="claude-sonnet", # модель посильнее на финал
verbose=True,
)
research_task = Task(
description="Изучи тему {topic}. Выдай маркированный список фактов.",
expected_output="5 проверенных пунктов",
agent=researcher,
)
write_task = Task(
description="Из фактов выше собери абзац на 120 слов.",
expected_output="Готовый абзац",
agent=editor,
context=[research_task], # получает выход первого агента
)
crew = Crew(
agents=[researcher, editor],
tasks=[research_task, write_task],
process=Process.sequential,
)
result = crew.kickoff(inputs={"topic": "мультиагентные системы"})
print(result)
Ключевая деталь — context=[research_task]: именно так второй агент получает результат первого без ручного склеивания промптов. И обрати внимание на разные llm у агентов — это тот самый приём микса моделей по цене.
ЦЕНА ГИБКОСТИ: ЛАТЕНТНОСТЬ И ТОКЕНЫ
Главная ловушка новичка — думать, что мультиагент «просто лучше». За архитектуру платишь, и платишь ощутимо.
- Токены множатся. Каждая передача между агентами тащит контекст заново. Система из 4 агентов легко расходует в 3-5 раз больше токенов, чем один умный вызов на ту же задачу.
- Латентность складывается. В sequential-цепочке задержки суммируются. Пять агентов по 3 секунды — это 15 секунд ответа, что неприемлемо для интерактива.
- Отладка усложняется. Ошибка на шаге 2 проявляется на шаге 5. Без нормальной трассировки (LangSmith, встроенные логи фреймворка) отладка превращается в археологию.
- Каскад галлюцинаций. Если первый агент выдумал факт, вся цепочка добросовестно строит на нём выводы. Критик-агент обязателен, а не опционален.
Отсюда практика: параллель вместо цепочки где возможно (латентность не суммируется, а идёт по максимуму одной ветки), агрессивное кэширование системных промптов, жёсткие лимиты на число раундов и токенов на агента.
ПРАКТИЧЕСКИЙ ЧЕК-ЛИСТ ПЕРЕД ЗАПУСКОМ В ПРОД
- Есть ли у задачи естественное разделение ролей? Если нет — не городи агентов.
- Проставлены ли hard-лимиты: max раундов, max токенов, таймауты на агента.
- Настроена ли трассировка каждого шага (кто что сказал, сколько токенов).
- Есть ли агент-валидатор или детерминированная проверка выхода.
- Просчитана ли стоимость одного полного прогона — и умножена на ожидаемый трафик.
- Что происходит при отказе одного агента: фолбэк, ретрай, деградация.
Если на большинство пунктов ответ «нет» — начни с одной LLM и хороших промптов. Мультиагент оправдан там, где одиночная модель уже уперлась в потолок качества.
Частые вопросы
Что такое мультиагентная система на LLM простыми словами?
Это несколько LLM-агентов с разными ролями и промптами, которые обмениваются сообщениями и совместно решают задачу. Один планирует, другой исполняет, третий проверяет — как команда специалистов вместо одного универсала.
CrewAI или AutoGen — что выбрать новичку?
Для чёткого процесса с ролями и низкого порога входа берите CrewAI: он читается почти как конфигурация. Для открытого диалога между агентами и максимального контроля протокола — AutoGen. Для строгих графов состояний с ветвлениями смотрите LangGraph.
Мультиагент всегда точнее одной модели?
Нет. Выигрыш есть на задачах с разделением ролей и параллелизмом (ресёрч, аудит кода, длинные пайплайны). На коротких монолитных задачах одна LLM быстрее, дешевле и часто не хуже по качеству.
Насколько дороже обходится мультиагентная оркестрация?
Обычно в 3-5 раз больше токенов против одиночного вызова, потому что контекст пересылается между агентами повторно. Снижают цену микс дешёвых и дорогих моделей, кэш системных промптов и лимиты на раунды.
Мультиагенты — самая быстро мутирующая часть экосистемы: фреймворки, паттерны handoff и agent-SDK выходят почти еженедельно, и вчерашний «стандарт» устаревает за месяц. Чтобы не пропустить рабочие релизы, подпишись на Telegram channel REDDYX AI — новые репозитории каждые 30-60 минут.