Systémy s viacerými agentmi: čo sú, jednoducho vysvetlené, v roku 2026
MarkdownSystémy s viacerými agentmi jednoduchým jazykom: ako sa niekoľko AI agentov líši od jedného, ako pracujú orchestrátor a pracovníci a kedy sa táto kombinácia oplatí.
Prečítať celý článok
Pred rokom sa práca s AI riadila vzorcom „jeden chat, jeden agent, vždy jedna úloha“. Potom začal agent pri zložitých projektoch privolávať pomocníkov: jeden prehľadáva dokumentáciu, ďalší kontroluje čísla a tretí všetko spája do jednej odpovede. To je systém s viacerými agentmi a tento pojem znie oveľa hrozivejšie, než čo sa za ním skrýva.
Nižšie vysvetľujem bežným jazykom, čo to je, ako sa niekoľko agentov líši od jedného, ako si rozdelia jednu úlohu a kedy sa táto kombinácia naozaj oplatí. Bez vzorcov, s každodennými príkladmi a na základe technických článkov Anthropic a dokumentácie Claude Code.
Dokumentácia Ailoot — referenčné materiály o používaní služby.
Čo je systém s viacerými agentmi, jednoducho povedané?
Kľúčové zistenie
Systém s viacerými agentmi tvorí niekoľko AI agentov, ktorí spolupracujú na jednej úlohe. Jeden z nich zastáva vedúcu rolu: rozdelí úlohu na časti a pridelí ich ostatným. Každý pomocník samostatne spracuje svoju časť a vráti výsledok. Vedúci agent spojí jednotlivé časti do jednej odpovede. V podstate ide o tím niekoľkých AI namiesto jedného pracovníka.
Predstavte si rekonštrukciu bytu. Môžete si najať jedného dodávateľa, ktorý postupne vysekáva drážky do stien, kladie dlažbu, maľuje a montuje zásuvky. Alebo môžete privolať partiu: vedúci pridelí prácu, elektrikár natiahne káble, obkladač položí dlažbu a všetko sa deje naraz. Systém s viacerými agentmi funguje ako partia, len namiesto ľudí v nej pracujú AI agenti.
Agent tu nie je len chat, ktorý napíše odpoveď. Je to AI, ktorá dokáže samostatne používať nástroje: vyhľadávať na internete, čítať a upravovať súbory a spúšťať príkazy. Keď na spoločnej úlohe pracuje niekoľko takýchto agentov, vzniká systém s viacerými agentmi. Anthropic to vo svojom technickom článku vyjadruje presne takto:
Systém s viacerými agentmi pozostáva z viacerých agentov — jazykových modelov, ktoré autonómne používajú nástroje v cykle — spolupracujúcich na jednej úlohe.
Tento pojem nie je nový ani marketingový žargón; skrýva sa za ním jasná technická myšlienka: rozdeliť prácu medzi niekoľkých pracovníkov.
Ako sa systém s viacerými agentmi líši od jedného AI agenta?
Kľúčové zistenie
Jeden agent má celú úlohu v hlave a postupne prechádza jednotlivými krokmi. Systém s viacerými agentmi rozdelí časti úlohy medzi niekoľkých pomocníkov, ktorí pracujú súčasne, každý vo svojom pracovnom priestore. Výhodou je rýchlosť a šírka záberu pri veľkých úlohách. Nevýhodou sú vyššie náklady a náročnejšie spájanie výsledkov. Na jednoduchú otázku stačí jeden agent; dav iba prekáža.
Hlavný rozdiel spočíva v tom, ako sa rozdeľuje práca a pamäť. Jeden agent spracúva celú úlohu v jednej konverzácii: každý nový krok pribúda do toho istého kontextu a na konci veľkej úlohy je z neho už zmes záznamov, úryvkov súborov a priebežných záverov. Systém s viacerými agentmi rozkladá prácu medzi rôznych agentov, z ktorých každý začína s čistým kontextom.
Rozdiely som usporiadal do tabuľky, aby sa dali ľahko porovnať:
| Vlastnosť | Jeden agent | Systém s viacerými agentmi |
|---|---|---|
| Ako práca postupuje | Krok za krokom, postupne | Časti úlohy prebiehajú súčasne |
| Pamäť a kontext | Všetko v jednej konverzácii | Každý agent má vlastný čistý kontext |
| Rýchlosť pri veľkej úlohe | Nižšia; všetko prebieha postupne | Vyššia vďaka paralelnej práci |
| Náklady | Základné | Podstatne vyššie (vysvetlím nižšie) |
| Kedy je vhodnejší | Jednoduchá otázka, krátka úloha | Veľký výskumný projekt, veľa zdrojov |
| Riziko | Zapadne do vlastného kontextu | Ťažšie sa zlučujú jednotlivé časti do jednej odpovede |
Z tabuľky vyplýva jednoduchý záver. Systém s viacerými agentmi nie je v každej situácii vylepšením bežného agenta. Je to samostatný nástroj na veľké úlohy. Pri krátkej otázke je to zbytočné a iba sa míňajú peniaze. Pri rozsiahlej úlohe s tuctom zdrojov však môže zvládnuť to, na čom by sa jeden agent zasekol.
Ako funguje usporiadanie „orchestrátor a pracovníci“?
Kľúčové zistenie
Toto je najbežnejšie usporiadanie systému s viacerými agentmi. Vedúci agent, orchestrátor, dostane úlohu, pripraví plán, rozdelí ju na časti a pridelí ich pomocným pracovníkom. Každý pracovník spracuje svoju časť v samostatnom pracovnom priestore a pošle výsledok späť. Orchestrátor všetko spojí do jednej odpovede. Je to ako vedúci a partia: jeden plánuje a prideľuje prácu, ostatní ju vykonávajú.
Toto usporiadanie má technický názov: orchestrátor a pracovníci. Anthropic ho opisuje takto:
V usporiadaní orchestrátor–pracovníci ústredný jazykový model priebežne rozdeľuje úlohu na časti, prideľuje ich pracovným modelom a spája ich výsledky.
Pozrime sa, ako to vyzerá na skutočnom príklade. Vo svojej výskumnej funkcii používa Anthropic vedúceho agenta, ktorý dostane požiadavku používateľa, vymyslí stratégiu a vytvorí niekoľko pomocných agentov. Každý sa pustí do skúmania vlastnej časti témy, zatiaľ čo vedúci čaká a potom spojí ich zistenia. Takto tento proces opisujú oni:
Keď používateľ odošle otázku, vedúci agent ju analyzuje, vypracuje stratégiu a spustí podagentov, ktorí súčasne preskúmajú rôzne aspekty otázky.
Podstatné je, že pomocníci pracujú paralelne; v tom spočíva celý zmysel tohto usporiadania. V tom istom systéme privoláva vedúci agent naraz troch až piatich pomocníkov a každý z nich súčasne používa aj niekoľko nástrojov. Veľká úloha, ktorá by sa pri jednom agentovi rozvinula do dlhej postupnosti krokov, sa tak rozdelí na niekoľko paralelných prúdov práce.
S usporiadaním „orchestrátor a pracovníci“ súvisia dva pojmy, ktoré si ľudia často zamieňajú so systémami s viacerými agentmi:
- Smerovanie. Systém sa pozrie na prichádzajúcu požiadavku a odošle ju po vhodnej trase: otázka o platbách ide jedným smerom, technická otázka druhým. Ešte to nie je tím agentov; ide o triedenie na vstupnom bode.
- Reťazenie promptov. Úloha sa rozdelí na kroky a každý ďalší krok pracuje s výsledkom predchádzajúceho. Je to postupnosť s jedným agentom; viacerí agenti tu nepracujú súbežne.
Systém s viacerými agentmi sa líši tým, že v ňom skutočne pracuje niekoľko pracovníkov súčasne, každý vo svojom pracovnom priestore.
Izolácia kontextu je súčasťou toho, čo nazývam inžinierstvo kontextu: riadenia toho, čo sa umiestňuje do pamäte AI a kam.
Kde už používate systémy s viacerými agentmi bez toho, aby ste o tom vedeli?
Kľúčové zistenie
Ak pracujete v Claude Code, systém s viacerými agentmi už máte poruke. Obsahuje podagentov: vedúci agent zadá časť úlohy pomocníkovi, ktorý ju vykoná v samostatnom okne a vráti iba výsledok. Aj výskumná funkcia Claude využíva viac agentov. Inými slovami, už nejde o laboratórny experiment: rovnaká mechanika funguje v nástrojoch, ktoré ľudia používajú každý deň.
Najbližším príkladom sú podagenti v Claude Code. Dokumentácia Claude ich stručne opisuje takto:
Podagenti sú špecializovaní AI asistenti, ktorí preberajú konkrétne typy úloh.
Kľúčovou vlastnosťou je samostatný pracovný priestor. Podagent nie je súčasťou vašej hlavnej konverzácie; má vlastné kontextové okno, vlastné pokyny a vlastné oprávnenia:
Každý podagent pracuje vo vlastnom kontextovom okne, s vlastným systémovým promptom, vlastným prístupom k nástrojom a samostatnými oprávneniami.
V praxi to vyzerá takto: požiadate agenta, povedzme, aby analyzoval rozsiahlu správu o chybe. Nezahlcuje váš chat stovkou riadkov záznamov. Túto nepríjemnú prácu zadá podagentovi. Ten vo svojom pracovnom priestore prejde záznamy a potom vráti krátky záver: toto je príčina, opravte to tu. Vaša hlavná konverzácia zostane prehľadná a AI sa nezačne mýliť a strácať niť.
Aj vďaka tomu je jasné, prečo je to dôležité pre podnikanie. Claude Code a ďalších agentov používam spoločne a veľké úlohy rozdeľujem medzi podagentov práve preto: každý môže skúmať svoju oblasť bez toho, aby prekážal ostatným. Ak chcete vedieť, aké úlohy sa oplatí zadať agentovi, mám samostatný článok o úlohách pre AI agenta. A o tom, koľko pomocníkov nechať spustených naraz bez preťaženia agenta, som písal v článku o podagentoch a rozšíreniach Claude Code.
Prečo rozdeliť úlohu medzi viacerých agentov?
Kľúčové zistenie
Sú na to dva dôvody. Prvým je čistá pamäť: každý agent má vlastný kontext, takže sa neutápa v neporiadku po niekom inom. Druhým je rýchlosť: pomocníci pracujú súčasne, nie jeden po druhom. Pri veľkom výskumnom projekte je rozdiel citeľný. Systém Anthropic s viacerými agentmi dosiahol v internom hodnotení o 90 percent lepší výsledok než jeden agent. Zlepšenie sa však prejaví iba pri úlohách, ktoré sa skutočne dajú rozdeliť na časti.
Prvým dôvodom je pamäť. Keď jeden agent spracúva veľkú úlohu, jeho kontext sa rýchlo zaplní: sem prídu výsledky vyhľadávania, tam úryvky súborov a navrch priebežné uvažovanie. Na konci si už nepamätá, kde začal. Rozdelenie práce medzi viacerých agentov znamená, že každý začína s čistým kontextom. Anthropic opisuje tento prínos takto: každý podagent poskytuje deľbu práce s vlastnými nástrojmi a vlastnou líniou vyhľadávania, vďaka čomu je výskum komplexnejší.
Druhým dôvodom je rýchlosť a šírka záberu. Päť pomocníkov, ktorí skúmajú tému súčasne, ju pokryje širšie a rýchlejšie než jeden agent, ktorý postupuje po krokoch. Anthropic tento výsledok dosiahol vo svojom internom hodnotení kvality výskumu:
Zistili sme, že systém s viacerými agentmi, v ktorom bol vedúcim agentom Claude Opus 4 a podagentmi Claude Sonnet 4, prekonal jeden Claude Opus 4 o 90,2% v našom internom hodnotení kvality výskumu.
Je to pôsobivé číslo, ale má svoju cenu a úprimnosť o tejto cene je dôležitejšia než samotný prínos. Budem sa jej venovať osobitne — práve tu sa očakávania často rozchádzajú so skutočnosťou.
Prečo systém s viacerými agentmi spotrebuje 15-krát viac tokenov?
Kľúčové zistenie
Každý pomocník je samostatná AI, ktorá číta svoju časť úlohy a píše vlastnú odpoveď. Všetci spotrebúvajú tokeny a ich celkový počet sa sčítava. Podľa meraní Anthropic používa jeden agent asi štyrikrát viac tokenov než bežný chat, zatiaľ čo systém s viacerými agentmi asi pätnásťkrát viac. Rýchlosť a šírka záberu stoja peniaze. Preto sa toto usporiadanie oplatí iba pri úlohách s vysokou hodnotou.
Token je jednotka, ktorou sa meria používanie AI: zhruba povedané, kúsok textu, za ktorý platíte. Jeden agent už používa viac než bežný chat, pretože nielen odpovedá: spúšťa nástroje, číta súbory a vyhľadáva. Keď je agentov niekoľko, ich spotreba sa sčítava. Meranie Anthropic na základe vlastných údajov:
Naše údaje ukazujú, že agenti zvyčajne používajú približne štyrikrát viac tokenov než chat, zatiaľ čo systémy s viacerými agentmi používajú približne pätnásťkrát viac tokenov než chat.
Z toho priamo vyplýva záver o nákladoch. Pätnásťnásobná spotreba dáva zmysel iba tam, kde výsledok má takú hodnotu. Anthropic to hovorí otvorene: systém s viacerými agentmi je opodstatnený pri úlohách, ktorých hodnota stačí na pokrytie vyššej spotreby. Pri krátkej otázke, ktorú by zvládol jeden agent, znamená privolanie partie platiť piatim ľuďom, hoci by stačil jeden.
Rovnaký mechanizmus má aj výhodu. Anthropic zistil, že samotná spotreba tokenov vysvetľuje veľkú časť rozdielu v kvalite: čím viac zdrojov môže systém na úlohu vynaložiť, tým lepší je výsledok. Inými slovami, systém s viacerými agentmi často vyhráva jednoducho preto, že umožňuje venovať úlohe viac výpočtového výkonu. Ak máte obmedzený rozpočet, tá istá logika pôsobí proti vám. Mám článok o tom, ako v Claude Code nemíňať svoje limity.
Kedy je systém s viacerými agentmi opodstatnený a kedy nie?
Kľúčové zistenie
Oplatí sa, keď je úloha rozsiahla, dá sa rozdeliť na nezávislé časti a jej výsledok má vysokú hodnotu: napríklad pri širokom výskume, zhromažďovaní údajov z mnohých zdrojov alebo analýze veľkého množstva materiálu. Neoplatí sa, keď je úloha malá, postupuje striktne krok za krokom alebo jej časti závisia jedna od druhej. Klasickým príkladom, pri ktorom majú systémy s viacerými agentmi problémy, je väčšina programátorských prác: kroky sa nedajú dobre rozdeliť na paralelné úlohy.
Jednoduché pravidlo: čím väčšia a širšia je úloha, tým väčší zmysel má partia. Anthropic uvádza jasné rozdelenie podľa rozsahu:
| Typ úlohy | Počet agentov | Príklad |
|---|---|---|
| Jednoduché vyhľadanie faktu | 1 agent, 3-10 volaní nástrojov | „Nájdite dátum vydania určitého modelu“ |
| Priame porovnanie | 2-4 podagenti, 10-15 volaní každý | „Porovnajte tri nástroje podľa ceny a funkcií“ |
| Zložitý výskum | Viac než 10 podagentov s jasne určenými oblasťami | „Vytvorte úplný obraz trhu v určitej téme“ |
Anthropic tiež priamo hovorí, kde systémy s viacerými agentmi nepomáhajú. Nie každá úloha sa dá rozdeliť na paralelné časti a agenti zatiaľ nie sú veľmi dobrí v priebežnej vzájomnej koordinácii:
Napríklad väčšina programátorských úloh má menej skutočne paralelných častí než výskumné úlohy a AI agenti zatiaľ nie sú veľmi dobrí v koordinácii a vzájomnom prideľovaní práce v reálnom čase.
Záver je jednoduchý. Ak píšete kód, pri ktorom každý krok vychádza z predchádzajúceho, dav agentov sa skôr pomýli, než pomôže. Ak skladáte rozsiahly výskum z tucta zdrojov, partia zvládne to, čo by jedného agenta zahltilo. Všeobecná rada Anthropic, ktorú opakuje aj samostatne, znie: začnite s najjednoduchším riešením a zložitosť pridávajte až vtedy, keď narazíte na hranice.
Odporúčame nájsť čo najjednoduchšie riešenie a zložitosť pridávať iba vtedy, keď je to potrebné. Niekedy to znamená nebudovať vôbec žiadny systém agentov.
Ako zostaviť svoj prvý systém s viacerými agentmi?
Kľúčové zistenie
Začnite úlohou, ktorú možno skutočne rozdeliť na časti. Architektúra je tu druhoradý detail. Potom postupujte od jednoduchého k zložitejšiemu: najprv jeden agent, potom jeden podagent na nepríjemnú prácu a napokon niekoľko agentov súbežne. V Claude Code kvôli tomu nemusíte nič programovať: podagenti sa nastavujú cez konfiguráciu. Nižšie som uviedol kroky v poradí, ktoré používam pri nastavovaní systému v novom projekte.
Podľa mojich skúseností je poradie takéto:
- Vyberte úlohu, ktorú možno rozdeliť na časti. Široký výskum, zhromažďovanie údajov z mnohých miest alebo analýza veľkého množstva materiálu. Ak úloha postupuje striktne krok za krokom, systém s viacerými agentmi nepotrebujete; zostaňte pri jednom agentovi.
- Začnite s jedným agentom. Spustite úlohu ako zvyčajne. Často sa ukáže, že jeden stačí a partiu netreba zostavovať.
- Presuňte nepríjemnú prácu na jedného podagenta. Keď zistíte, že časť úlohy zahlcuje kontext záznamami alebo výsledkami vyhľadávania, zverte ju podagentovi. V Claude Code sa to robí cez konfiguráciu, bez kódu: podagent dostane vlastné okno a vlastné pokyny.
- Pridajte paralelnú prácu, keď je častí veľa. Niekoľko podagentov, z ktorých každý zodpovedá za vlastnú časť témy, pracuje súčasne. Každému jasne vymedzte oblasť, aby si navzájom nezasahovali do práce.
- Sledujte spotrebu. Pamätajte na pätnásťnásobný rozdiel. Ak úloha za tieto náklady nestojí, vráťte sa k jednému agentovi.
Ak nepracujete v Claude Code, rovnaký postup sa uplatňuje aj v iných nástrojoch. Mám všeobecnú mapu nástrojov vibe-codingu o tom, čo používať na programovanie a spúšťanie agentov v roku 2026, a článok o vnorených podagentoch, ktorý sa venuje delegovaniu veľkej úlohy na vnorených pomocníkov.
Na čo sa ľudia ešte pýtajú o systémoch s viacerými agentmi?
Kľúčové zistenie
Krátke odpovede na časté otázky: systémy s viacerými agentmi nie sú vždy lepšie než jeden agent, na ich používanie zvyčajne netreba programovať, „orchestrátor“ je jednoducho vedúci agent a systémy s viacerými agentmi a spoločnosť jedného človeka sú odlišné, hoci si svojím duchom blízke.
Často kladené otázky
Je systém s viacerými agentmi vždy lepší než jeden agent?
Nie. Pri malej úlohe alebo pri takej, v ktorej musia kroky prebiehať striktne postupne, podáva jeden agent lepší výkon a stojí menej. Systémy s viacerými agentmi vyhrávajú iba pri veľkých úlohách, ktoré možno rozdeliť na nezávislé časti, a stoja podstatne viac: podľa meraní Anthropic spotrebujú približne pätnásťkrát viac tokenov než bežný chat.
Treba na zostavenie systému s viacerými agentmi programovať?
Zvyčajne nie. V Claude Code sa podagenti nastavujú cez konfiguráciu: opíšete, čo pomocník robí, a vedúci agent mu prideľuje vhodné úlohy. Pomocník má vlastné kontextové okno a vlastné oprávnenia. Kód nie je potrebný.
Je orchestrátor to isté čo vedúci agent?
Áno, sú to rôzne pomenovania tej istej roly: vedúceho agenta, ktorý dostane úlohu, rozdelí ju na časti, pridelí ich pomocníkom a spojí ich odpovede do jedného výsledku. V angličtine sa toto usporiadanie nazýva orchestrator-workers.
Ako sa systém s viacerými agentmi líši od spoločnosti jedného človeka?
Systém s viacerými agentmi je technické usporiadanie: niekoľko AI pracuje na jednej úlohe. Spoločnosť jedného človeka je podnikateľský koncept: jeden človek riadi celú spoločnosť s pomocou AI. Systémy s viacerými agentmi môžu byť nástrojom v spoločnosti jedného človeka, ale ide o rôzne úrovne diskusie: jedno sa týka usporiadania AI, druhé usporiadania podniku.
Kde začať, ak chcem vyskúšať systémy s viacerými agentmi?
Začnite jednou veľkou úlohou, ktorú možno rozdeliť na časti, a jedným podagentom na nepríjemnú prácu. Neprivolávajte hneď päť pomocníkov. Najprv zistite, či ju zvládne jeden agent, potom presuňte časť, ktorá zahlcuje kontext, na samostatného pomocníka a až potom pridajte paralelnú prácu.
Zdroje
Ďalšie materiály nájdete na Ailoot.
Viac podrobností
Otázky a odpovede: Systémy s viacerými agentmi: čo sú, jednoducho vysvetlené, v roku 2026
Kedy má úloha zostať jednému agentovi?
Pri krátkej úlohe alebo krokoch závislých od predchádzajúceho výsledku ponechajte jedného agenta. Paralelní pomocníci pomáhajú, keď sa hodnotná práca dá rozdeliť na nezávislé časti; okrem ušetreného času merajte aj spoločnú spotrebu.
Aké je najmenšie užitočné prvé nastavenie viacerých agentov?
Najprv vykonajte skutočnú úlohu s jedným agentom. Ak logy či vyhľadávanie zapĺňajú hlavný kontext, presuňte túto časť jednému pomocníkovi s jasným rozsahom a žiadajte stručný výsledok. Ďalších pridávajte až po preukázaní užitočnosti rozdelenia.