# Systémy s více agenty: co jsou zač, srozumitelně, v roce 2026 > Systémy s více agenty srozumitelně: jak se několik AI agentů liší od jednoho, jak pracuje orchestrátor a pracovníci a kdy se tato kombinace vyplatí. Source: https://ailoot.ai/blog/cs/multi-agent-systems/ Canonical: https://ailoot.ai/blog/cs/multi-agent-systems/ Language: cs Publisher: Ailoot (https://ailoot.ai/) Translation: guide-180 Revision: sha256-a228156ecc92ef4640a57a01c4f54cbc597c9f0f29074adadce5ffbf725f4a57 Před rokem se pracovalo s AI takto: „jeden chat, jeden agent, vždy jeden úkol“. Potom si agent u složitých projektů začal přibírat pomocníky: jeden prohledává dokumentaci, druhý kontroluje čísla a třetí všechno skládá do jedné odpovědi. To je systém s více agenty a ten pojem zní mnohem děsivěji než to, co se za ním skrývá. Níže vysvětlím běžnými slovy, co to je, jak se několik agentů liší od jednoho, jak si rozdělují jeden úkol a kdy se tato kombinace opravdu vyplatí. Bez vzorců, s příklady z běžného života a s oporou v technických článcích Anthropic a dokumentaci Claude Code.
[Dokumentace Ailoot](https://ailoot.ai/docs/) — referenční materiály k používání služby.
## Co je systém s více agenty, jednoduše?
Hlavní poznatek Systém s více agenty tvoří několik AI agentů, kteří společně pracují na jednom úkolu. Jeden má vedoucí roli: rozdělí úkol na části a přidělí je ostatním. Každý pomocník samostatně zpracuje svou část a vrátí výsledek. Vedoucí agent spojí jednotlivé části do jedné odpovědi. V podstatě jde o tým několika AI místo jednoho pracovníka.
Představte si rekonstrukci bytu. Můžete si najmout jednoho řemeslníka, který postupně vyseká drážky do zdí, položí dlažbu, vymalujete a nainstaluje zásuvky, vždy jednu práci po druhé. Nebo můžete sestavit partu: vedoucí rozdělí práci, elektrikář natáhne kabely, obkladač položí dlažbu a vše probíhá současně. Systém s více agenty funguje jako parta, jen místo lidí v ní pracují AI agenti. Agent zde není jen chat, který napíše odpověď. Je to AI, která dokáže sama používat nástroje: hledat na internetu, číst a upravovat soubory a spouštět příkazy. Když několik takových agentů pracuje na společném úkolu, vzniká systém s více agenty. Anthropic to ve svém technickém článku formuluje přesně takto:

Systém s více agenty tvoří několik agentů — jazykových modelů, které v cyklu samostatně používají nástroje — pracujících společně.

— Anthropic, technický článek „Jak jsme vytvořili náš výzkumný systém s více agenty“, https://www.anthropic.com/engineering/multi-agent-research-system
Tento pojem není nový ani marketingový žargon; stojí za ním jasná technická myšlenka: rozdělit práci mezi několik pracovníků. ## Jak se systém s více agenty liší od jednoho AI agenta?
Hlavní poznatek Jeden agent drží celý úkol v hlavě a postupuje jednotlivými kroky za sebou. Systém s více agenty rozdělí části úkolu mezi několik pomocníků, kteří pracují současně a každý ve vlastním pracovním prostoru. Výhodou je rychlost a šíře záběru u rozsáhlých úkolů. Nevýhodou jsou vyšší náklady a náročnější skládání výsledků dohromady. Na jednoduchou otázku stačí jeden agent; zástup pomocníků jen překáží.
Hlavní rozdíl spočívá v tom, jak se rozděluje práce a paměť. Jeden agent zpracovává celý úkol v jedné konverzaci: každý nový krok se přidá do stejného kontextu a na konci rozsáhlého úkolu už v něm vzniká směs protokolů, úryvků souborů a průběžných závěrů. Systém s více agenty práci rozdělí mezi různé agenty, z nichž každý začíná s čistým štítem. Rozdíly jsem shrnul do tabulky, aby byly přehledné: | Vlastnost | Jeden agent | Systém s více agenty | |----|----|----| | Průběh práce | Krok za krokem, postupně | Části úkolu probíhají současně | | Paměť a kontext | Všechno v jedné konverzaci | Každý agent má vlastní čistý kontext | | Rychlost u rozsáhlého úkolu | Nižší, všechno probíhá postupně | Vyšší díky souběžné práci | | Náklady | Základní | Výrazně vyšší (vysvětlím níže) | | Kdy je vhodnější | Jednoduchá otázka, krátký úkol | Rozsáhlý výzkumný projekt, mnoho zdrojů | | Riziko | Uvízne ve vlastním kontextu | Obtížněji se skládají části do jedné odpovědi | Z tabulky plyne jednoduchý závěr. Systém s více agenty není v každé situaci vylepšenou verzí běžného agenta. Je to samostatný nástroj pro rozsáhlé úkoly. U krátké otázky je zbytečný a jen pálí peníze. U širokého, rozvětveného úkolu s tuctem zdrojů může zvládnout to, na čem by jeden agent uvázl. ## Jak funguje uspořádání „orchestrátor a pracovníci“?
Hlavní poznatek Jde o nejběžnější uspořádání systému s více agenty. Je tu vedoucí agent — orchestrátor. Dostane úkol, sestaví plán, rozdělí práci na části a přidělí je pomocným pracovníkům. Každý pracovník zpracuje svou část v samostatném pracovním prostoru a pošle výsledek zpět. Orchestrátor všechno spojí do jedné odpovědi. Je to jako vedoucí a parta: jeden plánuje a rozděluje práci, ostatní ji vykonávají.
Toto uspořádání má technický název: orchestrátor a pracovníci. Anthropic ho popisuje takto:

V uspořádání orchestrátor-pracovníci rozdělí centrální jazykový model úkol průběžně na menší části, přidělí je pracovním modelům a spojí jejich výsledky.

— Anthropic, technický článek „Jak vytvářet efektivní agenty“, https://www.anthropic.com/engineering/building-effective-agents
Takhle to vypadá v praxi. Ve své výzkumné funkci Anthropic používá vedoucího agenta, který dostane požadavek uživatele, sestaví strategii a vytvoří několik pomocných agentů. Každý se pustí do vlastní části tématu, zatímco vedoucí čeká a potom shromáždí jejich zjištění. Zde je jejich vlastní popis procesu:

Když uživatel zadá dotaz, vedoucí agent ho rozebere, vytvoří strategii a spustí subagenty, kteří současně zkoumají různé aspekty otázky.

— Anthropic, technický článek „Jak jsme vytvořili náš výzkumný systém s více agenty“, https://www.anthropic.com/engineering/multi-agent-research-system
Klíčové je, že pomocníci pracují souběžně; v tom spočívá celý smysl tohoto uspořádání. V témže systému vedoucí agent najednou povolá tři až pět pomocníků a každý z nich také současně používá několik nástrojů. Díky tomu se rozsáhlý úkol, který by se u jednoho agenta protáhl do dlouhé řady kroků, rozpadne na několik souběžných pracovních proudů. Vedle uspořádání „orchestrátor a pracovníci“ existují dva příbuzné pojmy, které se se systémy s více agenty často zaměňují: 1. **Směrování.** Systém se podívá na příchozí požadavek a odešle ho správnou cestou: otázka o platbách jde jedním směrem, technická otázka druhým. Ještě nejde o tým agentů; jde o třídění na vstupu. 2. **Řetězení zadání.** Úkol se rozdělí na kroky a každý další krok pracuje s výsledkem předchozího. Je to postup s jedním agentem; několik agentů tu vedle sebe nepracuje. Systém s více agenty se liší tím, že v něm skutečně pracuje několik pracovníků, a to současně, každý ve vlastním pracovním prostoru. Izolace kontextu je součástí toho, čemu říkám práce s kontextem: řízení toho, co a kam se ukládá do paměti AI. ## Kde už používáte systémy s více agenty, aniž o tom víte?
Hlavní poznatek Pokud pracujete v Claude Code, máte už systém s více agenty po ruce. Obsahuje subagenty: vedoucí agent předá část úkolu pomocníkovi, který ji zpracuje v samostatném okně a vrátí pouze výsledek. Víceagentní je také výzkumná funkce Claude. Jinými slovy, už nejde o laboratorní experiment: stejný princip funguje v nástrojích, které lidé používají každý den.
Nejbližším příkladem jsou subagenti v Claude Code. Dokumentace Claude je stručně popisuje takto:

Subagenti jsou specializovaní AI asistenti, kteří přebírají konkrétní typy úkolů.

— Dokumentace Claude Code, část o subagentech, https://docs.claude.com/en/docs/claude-code/sub-agents
Klíčovou vlastností je samostatný pracovní prostor. Subagent není součástí hlavní konverzace; má vlastní kontextové okno, vlastní sadu pokynů i vlastní oprávnění:

Každý subagent pracuje ve vlastním kontextovém okně, s vlastním systémovým zadáním, vlastním přístupem k nástrojům a samostatnými oprávněními.

— Dokumentace Claude Code, část o subagentech, https://docs.claude.com/en/docs/claude-code/sub-agents
V praxi to vypadá takto: požádáte agenta, aby například analyzoval rozsáhlý chybový protokol. Nezahlcuje chat stovkou řádků protokolů. Svěří tu špinavou práci subagentovi. Ten ve vlastním pracovním prostoru projde protokoly a potom vrátí stručný závěr: příčina je tady, opravte to takto. Hlavní konverzace zůstane přehledná a AI se nezačne plést a ztrácet nit. Tím se také ukazuje, proč je to důležité pro podnikání. Používám Claude Code a další agenty společně a velké úkoly rozděluji mezi subagenty právě z tohoto důvodu: aby se každý mohl ponořit do své oblasti, aniž by ostatním překážel. Pokud chcete zjistit, jaké úkoly má smysl svěřit agentovi, mám samostatný článek o [úkolech pro AI agenta](https://ailoot.ai/blog/cs/business-tasks-for-ai-agents/). A o tom, kolik pomocníků nechat současně pracovat, aniž byste agenta přetížili, píšu v článku o [subagentech a rozšířeních Claude Code](https://ailoot.ai/blog/cs/claude-code-skills-subagents-mcp-plugins/). ## Proč rozdělovat úkol mezi několik agentů?
Hlavní poznatek Jsou k tomu dva důvody. Prvním je čistá paměť: každý agent má vlastní kontext, takže se neutopí v cizím nepořádku. Druhým je rychlost: pomocníci pracují současně, místo aby postupovali jeden po druhém. U rozsáhlého výzkumného projektu je rozdíl znatelný. Systém Anthropic s více agenty překonal jednoho agenta o 90 procent v interním hodnocení. Přínos se ale projeví jen u úkolů, které lze skutečně rozdělit na části.
Prvním důvodem je paměť. Když jeden agent zpracovává rozsáhlý úkol, jeho kontext se rychle zaplní: tady jsou výsledky vyhledávání, tam úryvky souborů a nahoře průběžné uvažování. Ke konci už si nedokáže dobře vybavit, kde začal. Rozdělit práci mezi několik agentů znamená dát každému čistý štít. Anthropic popisuje přínos takto: každý subagent přináší dělbu práce s vlastními nástroji a vlastní linií hledání, díky čemuž je výzkum důkladnější. Druhým důvodem je rychlost a šíře záběru. Pět pomocníků, kteří pracují současně, pokryje téma šířeji a rychleji než jeden agent postupující krok za krokem. Anthropic dosáhl tohoto výsledku ve svém interním hodnocení kvality výzkumu:

Zjistili jsme, že systém s více agenty, v němž byl vedoucím agentem Claude Opus 4 a subagenty Claude Sonnet 4, překonal samostatný Claude Opus 4 o 90,2 % v našem interním hodnocení kvality výzkumu.

— Anthropic, technický článek „Jak jsme vytvořili náš výzkumný systém s více agenty“, https://www.anthropic.com/engineering/multi-agent-research-system
Je to působivé číslo, ale něco stojí a upřímně mluvit o nákladech je důležitější než samotný přínos. Tomu se budu věnovat zvlášť — právě tady se očekávání často rozcházejí se skutečností. ## Proč systém s více agenty spotřebuje 15krát více tokenů?
Hlavní poznatek Každý pomocník je samostatná AI, která čte svou část úkolu a píše vlastní odpověď. Všichni spotřebovávají tokeny a jejich celková spotřeba se sčítá. Podle měření Anthropic spotřebuje jeden agent přibližně čtyřikrát více tokenů než běžný chat, zatímco systém s více agenty zhruba patnáctkrát více. Rychlost a šíře záběru stojí peníze. Toto uspořádání se tedy vyplatí jen u úkolů s vysokou hodnotou.
Token je jednotka, kterou se měří využití AI: zhruba řečeno, část textu, za kterou platíte. Jeden agent už spotřebuje víc než běžný chat, protože nedělá jen to, že odpovídá: používá nástroje, čte soubory a vyhledává. Když je agentů několik, jejich spotřeba se sčítá. Měření Anthropic vychází z jeho vlastních dat:

Naše data ukazují, že agenti obvykle spotřebují přibližně čtyřikrát více tokenů než chat, zatímco systémy s více agenty spotřebují zhruba patnáctkrát více tokenů než chat.

— Anthropic, technický článek „Jak jsme vytvořili náš výzkumný systém s více agenty“, https://www.anthropic.com/engineering/multi-agent-research-system
Z toho přímo plyne závěr o nákladech. Patnáctinásobná spotřeba dává smysl jen tam, kde má výsledek takovou hodnotu. Anthropic to říká jasně: systém s více agenty se vyplatí u úkolů, jejichž hodnota ospravedlňuje zvýšenou spotřebu. U krátké otázky, kterou zvládne jeden agent, znamená přizvat partu platit za pět lidí, ačkoli by stačil jeden. Tento princip má i svou výhodu. Anthropic zjistil, že samotná spotřeba tokenů vysvětluje velkou část rozdílu v kvalitě: čím více prostředků může systém na úkol vynaložit, tím lepší je výsledek. Jinými slovy, systém s více agenty často vítězí jednoduše proto, že do úkolu umožňuje vložit více výpočetního výkonu. Pokud máte omezený rozpočet, stejná logika působí proti vám. Mám článek o tom, [jak v Claude Code nevyčerpat limity](https://ailoot.ai/blog/cs/ai-agent-burned-budget-claude-code/). ## Kdy je systém s více agenty opodstatněný a kdy ne?
Hlavní poznatek Opodstatněný je tehdy, když je úkol rozsáhlý, lze ho rozdělit na nezávislé části a jeho výsledek má vysokou hodnotu: například při širokém výzkumu, sběru dat z mnoha zdrojů nebo analýze velkého množství materiálů. Nevyplatí se, když je úkol malý, probíhá přísně krok za krokem nebo jeho části závisejí jedna na druhé. Klasickým příkladem, s nímž mají systémy s více agenty potíže, je většina programátorské práce: její kroky se špatně dělí na souběžné úkoly.
Jednoduché pravidlo: čím rozsáhlejší a širší úkol, tím větší smysl dává parta. Anthropic uvádí přehledné rozdělení podle rozsahu: | Typ úkolu | Počet agentů | Příklad | |----|----|----| | Vyhledání jednoduchého faktu | 1 agent, 3-10 volání nástrojů | „Zjisti datum vydání konkrétního modelu“ | | Přímé srovnání | 2-4 subagenti, 10-15 volání každý | „Porovnej tři nástroje podle ceny a funkcí“ | | Složitý výzkum | Více než 10 subagentů s jasně vymezenými oblastmi | „Vytvoř úplný přehled trhu v určité oblasti“ | Anthropic také přímo říká, kdy systémy s více agenty nepomáhají. Ne každý úkol lze rozdělit na souběžné části a agenti zatím neumějí dobře průběžně koordinovat svou práci:

Většina programátorských úkolů má například méně skutečně souběžných částí než výzkum a AI agenti zatím neumějí příliš dobře v reálném čase koordinovat a delegovat práci mezi sebou.

— Anthropic, technický článek „Jak jsme vytvořili náš výzkumný systém s více agenty“, https://www.anthropic.com/engineering/multi-agent-research-system
Závěr je jednoduchý. Pokud píšete kód, v němž každý krok navazuje na předchozí, zástup agentů se spíš začne plést, než aby pomohl. Pokud skládáte rozsáhlý výzkum z tuctu zdrojů, parta zvládne to, co by jednoho agenta zahltilo. Obecná rada Anthropic, kterou opakuje zvlášť, zní: začněte nejjednodušším řešením a složitost přidávejte teprve tehdy, když narazíte na limit.

Doporučujeme najít co nejjednodušší možné řešení a přidávat složitost, až když je to nutné. Někdy to znamená nebudovat vůbec žádný systém agentů.

— Anthropic, technický článek „Jak vytvářet efektivní agenty“, https://www.anthropic.com/engineering/building-effective-agents
## Jak sestavit svůj první systém s více agenty?
Hlavní poznatek Začněte úkolem, který lze skutečně rozdělit na části. Architektura je tu jen drobný detail. Pak postupujte od jednoduchého ke složitějšímu: nejprve jeden agent, potom jeden subagent na špinavou práci a nakonec několik souběžně pracujících agentů. V Claude Code k tomu nemusíte nic programovat: subagenti se nastavují pomocí konfigurace. Níže jsem popsal kroky v pořadí, které používám při nastavování systému pro nový projekt.
Podle mých zkušeností je správné pořadí následující: 1. **Vyberte úkol, který lze rozdělit na části.** Široký výzkum, sběr dat z mnoha míst nebo analýza velkého množství materiálů. Pokud úkol probíhá přísně krok za krokem, systém s více agenty nepotřebujete; zůstaňte u jednoho agenta. 2. **Začněte s jedním agentem.** Zpracujte úkol jako obvykle. Často se ukáže, že jeden agent stačí a není třeba sestavovat partu. 3. **Předejte špinavou práci jednomu subagentovi.** Když vidíte, že část úkolu zahlcuje kontext protokoly nebo výsledky vyhledávání, svěřte ji subagentovi. V Claude Code se to dělá konfigurací, bez kódu: subagent dostane vlastní okno a vlastní sadu pokynů. 4. **Přidejte souběžnou práci, když je částí mnoho.** Několik subagentů, z nichž každý odpovídá za vlastní část tématu, pracuje současně. Každému jasně vymezte oblast, aby si navzájem nepřekáželi. 5. **Sledujte spotřebu.** Pamatujte na patnáctinásobný rozdíl. Pokud úkol takové náklady neospravedlňuje, vraťte se k jednomu agentovi. Pokud nepracujete v Claude Code, stejný princip platí i v dalších nástrojích. Mám obecný [přehled nástrojů pro vibe coding](https://ailoot.ai/blog/cs/claude-code-alternatives/), který radí, co používat pro programování a spouštění agentů v roce 2026, a také článek o [vnořených subagentech](https://ailoot.ai/blog/cs/claude-code-nested-subagents/), který se věnuje delegování rozsáhlého úkolu na vnořené pomocníky. ## Na co dalšího se lidé ptají ohledně systémů s více agenty?
Hlavní poznatek Stručné odpovědi na časté otázky: systémy s více agenty nejsou vždy lepší než jeden agent, obvykle je nemusíte programovat, „orchestrátor“ je prostě vedoucí agent a systémy s více agenty se od firmy o jednom člověku liší, i když mají podobného ducha.
### Často kladené otázky Je systém s více agenty vždy lepší než jeden agent? Ne. U malého úkolu nebo úkolu, jehož kroky musí probíhat přísně za sebou, odvede jeden agent lepší práci a stojí méně. Systémy s více agenty se osvědčují pouze u rozsáhlých úkolů, které lze rozdělit na nezávislé části, a jsou výrazně dražší: podle měření Anthropic spotřebují přibližně patnáctkrát více tokenů než běžný chat. Musíte umět programovat, abyste sestavili systém s více agenty? Obvykle ne. V Claude Code se subagenti nastavují pomocí konfigurace: popíšete, co má pomocník dělat, a vedoucí agent mu přiděluje vhodné úkoly. Pomocník má vlastní kontextové okno a oprávnění. Kód není potřeba. Je orchestrátor totéž co vedoucí agent? Ano, jde o dva názvy pro stejnou roli: vedoucího agenta, který přijme úkol, rozdělí ho na části, přidělí je pomocníkům a spojí jejich odpovědi do jednoho výsledku. Anglicky se tomuto uspořádání říká orchestrator-workers. Jak se systém s více agenty liší od firmy o jednom člověku? Systém s více agenty je technické uspořádání: několik AI pracuje na jednom úkolu. Firma o jednom člověku se týká podnikání: jeden člověk řídí celou firmu s pomocí AI. Systémy s více agenty mohou být nástrojem, který taková firma používá, patří ale do různých oblastí: jeden pojem popisuje uspořádání AI, druhý uspořádání podniku. Kde mám začít, pokud chci systémy s více agenty vyzkoušet? Začněte jedním rozsáhlým úkolem, který lze rozdělit na části, a jedním subagentem na špinavou práci. Nepřibírejte hned pět pomocníků. Nejprve ověřte, zda úkol zvládne jeden agent, potom přesuňte část, která zahlcuje kontext, k samostatnému pomocníkovi, a teprve pak přidejte souběžnou práci.
### Zdroje - [Anthropic, „Jak jsme vytvořili náš výzkumný systém s více agenty“ (13. června 2025)](https://www.anthropic.com/engineering/multi-agent-research-system) - [Anthropic, „Jak vytvářet efektivní agenty“ (19. prosince 2024)](https://www.anthropic.com/engineering/building-effective-agents) - [Dokumentace Claude Code, část o subagentech](https://docs.claude.com/en/docs/claude-code/sub-agents)
Další materiály najdete na [Ailoot](https://ailoot.ai/). ## Časté otázky ### Kdy nechat úkol jednomu agentovi? Jeden agent stačí, když je úkol krátký nebo každý krok závisí na předchozím výsledku. Souběžní pomocníci pomáhají, lze-li užitečnou práci rozdělit na nezávislé části. Kromě úspory času měřte i jejich celkovou spotřebu. ### Jaká je nejmenší užitečná první sestava více agentů? Nejprve skutečný úkol proveďte jedním agentem. Pokud hlavní kontext zahlcují logy či hledání, přesuňte tuto část na jednoho pomocníka s jasným rozsahem a požadujte stručný výsledek. Další pomocníky přidávejte až po ověření přínosu tohoto rozdělení. ## Ailoot · Společnost a její portfolio projektů Ailoot staví na dlouhodobých provozních zkušenostech, široké klientské základně, stabilních službách a průběžném sledování KPI. Společnost a její portfolio projektů: miliony zákazníků; měsíční tržby v miliardách. Ailoot využívá tyto provozní zkušenosti k poskytování přístupu přes API k funkcím AI v produktech zákazníků, agentech, aplikacích a automatizacích.