מערכות מרובות סוכנים: מה הן, בשפה פשוטה, בשנת 2026

לפני שנה, העבודה עם AI התנהלה לפי הדפוס „צ׳אט אחד, סוכן אחד, משימה אחת בכל פעם”. ואז, בפרויקטים מורכבים, הסוכן התחיל לגייס עוזרים: אחד מחטט בתיעוד, אחר בודק את הנתונים, ושלישי מרכז הכול לתשובה אחת. זו מערכת מרובת סוכנים, והמונח נשמע מפחיד הרבה יותר ממה שמסתתר מאחוריו.

בהמשך אסביר בשפה יומיומית מהי מערכת כזאת, במה כמה סוכנים שונים מסוכן אחד, איך הם מחלקים ביניהם משימה אחת, ומתי השילוב הזה באמת משתלם. בלי נוסחאות, עם דוגמאות מחיי היומיום ובהסתמך על מאמרים הנדסיים של Anthropic ועל תיעוד Claude Code.

מהי מערכת מרובת סוכנים, בשפה פשוטה?#

דמיינו שיפוץ דירה. אפשר לשכור קבלן אחד שקודח תעלות בקירות, מניח אריחים, צובע ומתקין שקעים, עבודה אחת אחרי השנייה. או שאפשר להביא צוות: מנהל העבודה מחלק את העבודה, החשמלאי מעביר חוטים, הרצף מניח את האריחים, וכל זה קורה באותו זמן. מערכת מרובת סוכנים עובדת כמו צוות כזה, אלא שבמקום אנשים יש בה סוכני AI.

סוכן כאן הוא לא רק צ׳אט שכותב תשובה. זהו AI שיכול להשתמש בכלים בכוחות עצמו: לחפש באינטרנט, לקרוא ולערוך קבצים ולהריץ פקודות. כשכמה סוכנים כאלה עובדים על משימה משותפת, מתקבלת מערכת מרובת סוכנים. כך בדיוק מגדירה זאת Anthropic במאמר ההנדסי שלה:

המונח אינו חדש ואינו ז׳רגון שיווקי; מאחוריו עומד רעיון הנדסי ברור: לחלק את העבודה בין כמה עובדים.

במה מערכת מרובת סוכנים שונה מסוכן AI אחד?#

ההבדל העיקרי הוא באופן שבו העבודה והזיכרון מחולקים. סוכן יחיד מטפל במשימה כולה בשיחה אחת: כל שלב חדש נכנס לאותו הקשר, ועד סוף משימה גדולה כבר מצטברת שם תערובת של יומנים, קטעי קבצים ומסקנות ביניים. מערכת מרובת סוכנים מפזרת את העבודה בין סוכנים שונים, שלכל אחד מהם יש דף נקי.

ריכזתי את ההבדלים בטבלה כדי שיהיה קל לראות אותם:

המסקנה מהטבלה פשוטה. מערכת מרובת סוכנים אינה שדרוג לסוכן רגיל בכל מצב. זהו כלי נפרד למשימות גדולות. בשאלה קצרה היא מיותרת ופשוט מבזבזת כסף. במשימה רחבה ומסועפת עם תריסר מקורות, היא יכולה להתמודד עם מה שהיה מסבך סוכן יחיד.

איך פועלת התצורה „מתזמר ועובדים”?#

לתצורה הזאת יש שם טכני: מתזמר ועובדים. Anthropic מתארת אותה כך:

כך זה נראה בדוגמה מהעולם האמיתי. בתכונת המחקר שלה, Anthropic משתמשת בסוכן מוביל שמקבל את בקשת המשתמש, מגבש אסטרטגיה ויוצר כמה סוכנים עוזרים. כל אחד יוצא לחקור את החלק שלו בנושא, בעוד הסוכן המוביל ממתין ואז מרכז את הממצאים שלהם. כך הם עצמם מתארים את התהליך:

הנקודה החשובה היא שהעוזרים עובדים במקביל; זו כל מטרת התצורה. באותה מערכת, הסוכן המוביל מגייס בכל פעם שלושה עד חמישה עוזרים, וכל אחד מהם משתמש גם בכמה כלים בו־זמנית. כך משימה גדולה שהייתה נמשכת כרצף ארוך של שלבים עבור סוכן אחד מתפצלת לכמה זרמים מקבילים עבור הצוות.

יש שני מושגים קשורים לצד תצורת „מתזמר ועובדים”, שלעתים מבלבלים בינם לבין מערכות מרובות סוכנים:

1. ניתוב. המערכת בוחנת בקשה נכנסת ושולחת אותה למסלול המתאים: שאלה על תשלומים נשלחת לכיוון אחד, ושאלה טכנית לכיוון אחר. עדיין אין כאן צוות סוכנים; זו מיון בכניסה.
2. שרשור הנחיות. המשימה מחולקת לשלבים, וכל שלב הבא משתמש בתוצאה של השלב הקודם. זהו צינור עבודה עם סוכן אחד; כמה סוכנים אינם עובדים כאן זה לצד זה.

מערכת מרובת סוכנים שונה בכך שיש בה באמת כמה עובדים, והם עובדים בו־זמנית, כל אחד בסביבת עבודה משלו.

בידוד הקשר הוא חלק ממה שאני מכנה הנדסת הקשר: ניהול התוכן שמוכנס לזיכרון של AI והמיקום שבו הוא נשמר.

איפה כבר משתמשים במערכות מרובות סוכנים בלי לדעת?#

הדוגמה הקרובה ביותר היא תתי־הסוכנים ב-Claude Code. התיעוד של Claude מתאר אותם בקצרה:

המאפיין העיקרי הוא סביבת עבודה נפרדת. תת־סוכן אינו יושב בשיחה הראשית שלכם; יש לו חלון הקשר משלו, מערכת הוראות משלו והרשאות משלו:

בפועל זה נראה כך: אתם מבקשים מסוכן, למשל, לנתח דוח שגיאות גדול. הוא לא מציף את הצ׳אט שלכם במאה שורות של יומנים. הוא מעביר את העבודה המלוכלכת הזאת לתת־סוכן. תת־הסוכן חופר ביומנים בסביבת העבודה שלו, ואז מחזיר מסקנה קצרה: זו הסיבה, וכאן צריך לתקן. השיחה הראשית שלכם נשארת נקייה, וה-AI לא מתחיל להתבלבל ולאבד את חוט המחשבה.

כך גם ברור למה זה חשוב לעסקים. אני משתמש יחד ב-Claude Code ובסוכנים אחרים, ומחלק משימות גדולות לתת־סוכנים בדיוק מהסיבה הזאת: כדי שכל אחד יוכל להעמיק בתחום שלו בלי להפריע לאחרים. אם תרצו להבין אילו משימות כדאי לתת לסוכן, יש לי מאמר נפרד על משימות לסוכן AI. ולגבי מספר העוזרים שאפשר להפעיל בו־זמנית בלי להעמיס על הסוכן, כתבתי על תתי־סוכנים והרחבות Claude Code.

למה לחלק משימה בין כמה סוכנים?#

הסיבה הראשונה היא זיכרון. כשסוכן אחד מטפל במשימה גדולה, ההקשר שלו מתמלא במהירות: תוצאות חיפוש נכנסות לכאן, קטעי קבצים לשם והסקות ביניים למעלה. בסוף הוא כבר לא זוכר היטב מאיפה התחיל. פיזור העבודה בין כמה סוכנים נותן לכל אחד דף נקי. Anthropic מתארת כך את היתרון: כל תת־סוכן מספק חלוקת עבודה עם כלים משלו וקו חיפוש משלו, וכך המחקר נעשה מקיף יותר.

הסיבה השנייה היא מהירות ורוחב. חמישה עוזרים שחוקרים בו־זמנית מכסים נושא באופן רחב ומהיר יותר מסוכן אחד שמתקדם בו ברצף. Anthropic השיגה את התוצאה הזאת בהערכת איכות המחקר הפנימית שלה:

זהו נתון מרשים, אבל יש לו מחיר, וחשוב יותר לדבר בכנות על המחיר מאשר על הרווח עצמו. אעסוק בכך בנפרד — כאן ציפיות נוטות לעיתים קרובות להתנפץ.

למה מערכת מרובת סוכנים שורפת פי 15 יותר טוקנים?#

טוקן הוא יחידת המדידה של שימוש ב-AI: בקירוב, חלקיק טקסט שעליו משלמים. סוכן אחד כבר משתמש ביותר מצ׳אט רגיל, כי הוא עושה יותר מאשר לענות: הוא מפעיל כלים, קורא קבצים ומחפש. כשיש כמה סוכנים, השימוש שלהם מצטבר. המדידה של Anthropic, המבוססת על הנתונים שלה:

מכאן נובעת ישירות מסקנה על כסף. שימוש בהיקף של פי חמישה־עשר משתלם רק כשהתוצאה שווה את המחיר הזה. Anthropic אומרת זאת בפשטות: מערכת מרובת סוכנים מוצדקת במשימות שערכן גבוה מספיק כדי לכסות את הגידול בשימוש. בשאלה קצרה שסוכן אחד יכול להתמודד איתה, גיוס צוות משמעו לשלם על חמישה אנשים כשאחד היה מספיק.

לאותה מכניקה יש גם יתרון. Anthropic הבחינה שעצם השימוש בטוקנים מסביר חלק גדול מההבדל באיכות: ככל שמערכת יכולה להקצות יותר משאבים למשימה, התוצאה טובה יותר. במילים אחרות, מערכת מרובת סוכנים מנצחת לעיתים קרובות פשוט מפני שהיא מאפשרת להשקיע במשימה יותר כוח חישוב. אם התקציב שלכם מוגבל, אותו היגיון פועל לרעתכם. יש לי מאמר על איך לא לשרוף את המכסות שלכם ב-Claude Code.

מתי מערכת מרובת סוכנים מוצדקת, ומתי לא?#

כלל פשוט: ככל שהמשימה גדולה ורחבה יותר, כך צוות מועיל יותר. Anthropic מציגה חלוקה ברורה לפי היקף:

Anthropic גם מציינת ישירות היכן מערכות מרובות סוכנים אינן מועילות. לא כל משימה אפשר לפרק לחלקים מקבילים, וסוכנים עדיין אינם טובים במיוחד בתיאום ביניהם תוך כדי עבודה:

המסקנה פשוטה. אם אתם כותבים קוד שבו כל שלב נובע מהשלב שלפניו, קהל של סוכנים כנראה יתבלבל יותר משהוא יעזור. אם אתם מרכיבים מחקר רחב מתריסר מקורות, צוות יכול להתמודד עם מה שהיה מציף סוכן אחד. והעצה הכללית של Anthropic, שעליה היא חוזרת בנפרד, היא להתחיל בפתרון הפשוט ביותר ולהוסיף מורכבות רק כשמגיעים למגבלה.

איך מרכיבים תצורה ראשונה של מערכת מרובת סוכנים?#

מניסיוני, הסדר הוא:

1. בחרו משימה שאפשר לחלק לחלקים. מחקר רחב, איסוף נתונים ממקומות רבים או ניתוח של כמות גדולה של חומר. אם המשימה מתקדמת אך ורק שלב אחר שלב, אין צורך במערכת מרובת סוכנים; הסתפקו בסוכן אחד.
2. התחילו בסוכן אחד. הריצו את המשימה כרגיל. לעיתים קרובות מתברר שסוכן אחד מספיק ואין צורך לבנות צוות.
3. העבירו את העבודה המלוכלכת לתת־סוכן אחד. כשאתם רואים שחלק מהמשימה מציף את ההקשר ביומנים או בתוצאות חיפוש, העבירו אותו לתת־סוכן. ב-Claude Code עושים זאת באמצעות תצורה, בלי קוד: תת־הסוכן מקבל חלון משלו ומערכת הוראות משלו.
4. הוסיפו עבודה במקביל כשיש חלקים רבים. כמה תתי־סוכנים, כל אחד אחראי לחלק שלו בנושא, עובדים בו־זמנית. הגדירו לכל אחד תחום ברור כדי שלא יפריעו זה לעבודתו של זה.
5. עקבו אחר השימוש. זכרו את ההפרש של פי חמישה־עשר. אם המשימה אינה שווה את העלות הזאת, חזרו לסוכן אחד.

אם אינכם עובדים ב-Claude Code, אותה מכניקה חלה גם בכלים אחרים. יש לי מפת כלי vibe coding כללית על מה להשתמש לקידוד ולהרצת סוכנים בשנת 2026, ומאמר על תתי־סוכנים מקוננים שעוסק בהאצלת משימה גדולה לעוזרים מקוננים.

מה עוד אנשים שואלים על מערכות מרובות סוכנים?#

חומרים נוספים זמינים ב-Ailoot.