# Agentna umetna inteligenca: kako sodelujejo večagentni sistemi > Večagentni sistemi v preprostih besedah: kako se več agentov UI razlikuje od enega, kako delujeta orchestrator in sodelavci ter kdaj se ta kombinacija izplača. Source: https://ailoot.ai/blog/sl/multi-agent-systems/ Canonical: https://ailoot.ai/blog/sl/multi-agent-systems/ Language: sl Publisher: Ailoot (https://ailoot.ai/) Translation: guide-180 Revision: sha256-e6034d0fde3e44907b37526cb06367bec42cf24de8f684512bf3d428c860bdc4 Pred letom dni je bilo delo z UI videti takole: »en klepet, en agent, ena naloga naenkrat«. Nato je pri zapletenih projektih agent začel klicati pomočnike: eden brska po dokumentaciji, drugi preverja številke, tretji pa vse združi v en odgovor. To je večagentni sistem, izraz pa zveni veliko bolj zastrašujoče kot njegova vsebina. V nadaljevanju s preprostimi besedami razložim, kaj je to, kako se več agentov razlikuje od enega, kako si razdelijo eno nalogo in kdaj se ta kombinacija zares izplača. Brez formul, z vsakdanjimi primeri in na podlagi inženirskih člankov Anthropic ter dokumentacije Claude Code.
[Dokumentacija Ailoot](https://ailoot.ai/docs/) — referenčno gradivo o uporabi storitve.
## Kaj je večagentni sistem, preprosto povedano?
Ključna ugotovitev Večagentni sistem je skupina več agentov UI, ki sodelujejo pri eni nalogi. Eden prevzame vodilno vlogo: nalogo razdeli na dele in jih dodeli drugim. Vsak pomočnik ločeno opravi svoj del in vrne rezultat. Vodilni agent združi dele v en odgovor. V bistvu gre za ekipo več sistemov UI namesto enega samega izvajalca.
Predstavljajte si prenovo stanovanja. Najamete lahko enega izvajalca, ki po vrsti izdolbe utore v stenah, položi ploščice, prepleska prostore in namesti vtičnice. Lahko pa pripeljete ekipo: delovodja razdeli delo, električar napelje žice, polagalec položi ploščice, vse pa se dogaja hkrati. Večagentni sistem deluje kot ekipa, le da jo namesto ljudi sestavljajo agenti UI. Agent v tem primeru ni zgolj klepet, ki napiše odgovor. Gre za UI, ki lahko samostojno uporablja orodja: išče po internetu, bere in ureja datoteke ter izvaja ukaze. Ko pri skupni nalogi sodeluje več takih agentov, dobimo večagentni sistem. Anthropic v svojem inženirskem članku to opredeli takole:

Večagentni sistem sestavlja več agentov — jezikovnih modelov, ki samostojno uporabljajo orodja v zanki — in ti delujejo skupaj.

— Anthropic, inženirski članek »Kako smo zgradili svoj večagentni raziskovalni sistem«, https://www.anthropic.com/engineering/multi-agent-research-system
Izraz ni nov niti ni marketinški žargon; za njim je jasna inženirska zamisel: delo razdeliti med več izvajalcev. ## Kako se večagentni sistem razlikuje od enega agenta UI?
Ključna ugotovitev En agent drži celotno nalogo v eni glavi in korake opravlja zaporedno. Večagentni sistem dele naloge razdeli med več pomočnikov, ki delajo hkrati, vsak v svojem delovnem prostoru. Prednost sta hitrost in širina pri velikih nalogah. Slabosti sta višja cena in zahtevnejše združevanje rezultatov. Za preprosto vprašanje zadostuje en agent; množica le ovira.
Glavna razlika je v tem, kako sta razporejena delo in pomnilnik. En sam agent celotno nalogo opravi v enem pogovoru: vsak nov korak se doda v isti kontekst, ki se do konca velike naloge spremeni v zmešnjavo dnevnikov, izsekov datotek in vmesnih sklepov. Večagentni sistem to razdeli med različne agente, od katerih ima vsak čist kontekst. Razlike sem zbral v tabeli, da jih boste lažje videli: | Značilnost | En agent | Večagentni sistem | |----|----|----| | Potek dela | Korak za korakom, zaporedno | Deli naloge se izvajajo hkrati | | Pomnilnik in kontekst | Vse v enem pogovoru | Vsak agent ima svoj čist kontekst | | Hitrost pri veliki nalogi | Nižja; vse poteka zaporedno | Višja zaradi vzporednega dela | | Cena | Osnovna | Občutno višja (razložim spodaj) | | Kdaj je boljša izbira | Preprosto vprašanje, kratka naloga | Obsežen raziskovalni projekt, veliko virov | | Tveganje | Zaplete se v lastnem kontekstu | Težje je združiti dele v en odgovor | Sklep iz tabele je preprost. Večagentni sistem ni nadgradnja običajnega agenta za vsako situacijo. Je ločeno orodje za velike naloge. Pri kratkem vprašanju je pretiran in le po nepotrebnem porablja denar. Pri široki, razvejani nalogi z ducatom virov pa lahko opravi delo, pri katerem bi se en sam agent zapletel. ## Kako deluje postavitev »orchestrator in sodelavci«?
Ključna ugotovitev To je najpogostejša postavitev večagentnega sistema. Obstaja vodilni agent — orchestrator. Prejme nalogo, pripravi načrt, jo razdeli na dele in jih dodeli pomočnikom oziroma sodelavcem. Vsak sodelavec svoj del opravi v ločenem delovnem prostoru in pošlje rezultat nazaj. Orchestrator vse združi v en odgovor. Podobno je kot delovodja z ekipo: eden načrtuje in razdeli delo, drugi ga opravijo.
Ta postavitev ima tehnično ime: orchestrator in sodelavci. Anthropic jo opisuje takole:

Pri postavitvi orchestrator-sodelavci osrednji jezikovni model sproti razdeli nalogo na dele, jih dodeli delovnim modelom in združi njihove rezultate.

— Anthropic, inženirski članek »Gradnja učinkovitih agentov«, https://www.anthropic.com/engineering/building-effective-agents
Tako je videti konkreten primer. Anthropic v svoji raziskovalni funkciji uporablja vodilnega agenta, ki prejme uporabnikovo zahtevo, pripravi strategijo in ustvari več pomočnikov. Vsak se loti svojega dela teme, vodilni agent pa počaka in nato združi njihove ugotovitve. Takole proces opisujejo sami:

Ko uporabnik odda poizvedbo, jo vodilni agent razčleni, pripravi strategijo in sproži podagente, da hkrati raziščejo različne vidike vprašanja.

— Anthropic, inženirski članek »Kako smo zgradili svoj večagentni raziskovalni sistem«, https://www.anthropic.com/engineering/multi-agent-research-system
Ključno je, da pomočniki delajo vzporedno; to je ves smisel te postavitve. V istem sistemu vodilni agent naenkrat pokliče od tri do pet pomočnikov, vsak od njih pa hkrati uporablja tudi več orodij. Tako se velika naloga, ki bi jo moral en agent opraviti v dolgem zaporedju korakov, za ekipo spremeni v več vzporednih tokov dela. Poleg postavitve »orchestrator in sodelavci« obstajata še dva sorodna pojma, ki ju pogosto zamenjujemo z večagentnimi sistemi: 1. **Usmerjanje.** Sistem pogleda dohodno zahtevo in jo pošlje po ustrezni poti: vprašanje o plačilih gre v eno smer, tehnično vprašanje pa v drugo. To še ni ekipa agentov, temveč razvrščanje na vhodni točki. 2. **Veriženje pozivov.** Naloga je razdeljena na korake, vsak naslednji korak pa uporabi rezultat prejšnjega. To je zaporedje korakov z enim agentom; več agentov tukaj ne dela drug ob drugem. Večagentni sistem se razlikuje po tem, da ima dejansko več sodelavcev, ki delajo hkrati, vsak v svojem delovnem prostoru. Izolacija konteksta je del tega, čemur pravim inženiring konteksta: upravljanje tega, kaj in kam se umesti v pomnilnik UI. ## Kje že uporabljate večagentne sisteme, ne da bi se tega zavedali?
Ključna ugotovitev Če delate v Claude Code, že imate na voljo večagentni sistem. Vsebuje podagente: vodilni agent del naloge dodeli pomočniku, ki jo opravi v ločenem oknu in vrne samo rezultat. Večagentna je tudi raziskovalna funkcija Claude. Z drugimi besedami, to ni več laboratorijski poskus: enaka mehanika deluje v orodjih, ki jih ljudje uporabljajo vsak dan.
Najbližji primer so podagenti v Claude Code. Dokumentacija Claude jih na kratko opiše takole:

Podagenti so specializirani pomočniki UI, ki prevzamejo določene vrste nalog.

— Dokumentacija Claude Code, razdelek o podagentih, https://docs.claude.com/en/docs/claude-code/sub-agents
Ključna značilnost je ločen delovni prostor. Podagent ne sodeluje v vašem glavnem pogovoru; ima svoje kontekstno okno, svoja navodila in svoja dovoljenja:

Vsak podagent dela v svojem kontekstnem oknu, z lastnim sistemskim pozivom, lastnim dostopom do orodij in ločenimi dovoljenji.

— Dokumentacija Claude Code, razdelek o podagentih, https://docs.claude.com/en/docs/claude-code/sub-agents
V praksi je videti takole: agentu na primer naročite, naj analizira obsežno poročilo o napaki. Vašega klepeta ne zasuje s stotimi vrsticami dnevnika. To umazano delo preda podagentu. Podagent v svojem delovnem prostoru pregleda dnevnike, nato pa vrne kratek sklep: vzrok je ta, odpravite ga tukaj. Vaš glavni pogovor ostane urejen, UI pa se ne začne zmedeno izgubljati rdeče niti. Tako postane jasno tudi, zakaj je to pomembno za poslovanje. Claude Code in druge agente uporabljam skupaj, velike naloge pa razdelim med podagente prav zato, da se lahko vsak poglobi v svoje področje in pri tem ne ovira drugih. Če želite izvedeti, katere naloge se splača dodeliti agentu, imam ločen članek o [nalogah za agenta UI](https://ailoot.ai/blog/sl/business-tasks-for-ai-agents/). O tem, koliko pomočnikov naj hkrati deluje, ne da bi preobremenili agenta, pa sem pisal v članku o [podagentih in razširitvah za Claude Code](https://ailoot.ai/blog/sl/claude-code-skills-subagents-mcp-plugins/). ## Zakaj nalogo razdeliti med več agentov?
Ključna ugotovitev Dva razloga sta. Prvi je čist pomnilnik: vsak agent ima svoj kontekst, zato se ne utaplja v navlaki drugega. Drugi je hitrost: pomočniki delajo hkrati, namesto drug za drugim. Pri velikem raziskovalnem projektu je razlika opazna. Anthropicov večagentni sistem je pri njihovem internem vrednotenju prekašal enega agenta za 90 odstotkov. Toda izboljšanje se pokaže le pri nalogah, ki jih je mogoče razdeliti na posamezne dele.
Prvi razlog je pomnilnik. Ko en agent opravlja veliko nalogo, se njegov kontekst hitro napolni: rezultati iskanja se znajdejo tukaj, izseki datotek tam, vmesno razmišljanje pa zgoraj. Do konca se ne spomni več dobro, kje je začel. Če delo razdelimo med več agentov, vsak začne s čistim kontekstom. Anthropic prednost opiše takole: vsak podagent prispeva k delitvi dela z lastnimi orodji in svojo smerjo iskanja, zato je raziskava celovitejša. Drugi razlog sta hitrost in širina. Pet pomočnikov, ki raziskujejo hkrati, pokrije temo širše in hitreje kot en agent, ki jo obravnava zaporedno. Anthropic je ta rezultat dosegel pri svojem internem vrednotenju kakovosti raziskav:

Ugotovili smo, da je večagentni sistem z modelom Claude Opus 4 kot vodilnim agentom in podagenti Claude Sonnet 4 našo interno oceno kakovosti raziskav opravil za 90.2% bolje kot en sam Claude Opus 4.

— Anthropic, inženirski članek »Kako smo zgradili svoj večagentni raziskovalni sistem«, https://www.anthropic.com/engineering/multi-agent-research-system
To je impresivna številka, a ima svojo ceno. Iskreno govoriti o tej ceni je pomembneje kot omeniti zgolj izboljšanje. Tej temi se bom posvetil posebej — prav tu se pričakovanja pogosto izjalovijo. ## Zakaj večagentni sistem porabi 15-krat več žetonov?
Ključna ugotovitev Vsak pomočnik je ločen sistem UI, ki prebere svoj del naloge in napiše svoj odgovor. Vsi porabljajo žetone, njihova skupna poraba pa se sešteva. Po meritvah Anthropic en agent porabi približno štirikrat več žetonov kot običajen klepet, večagentni sistem pa približno petnajstkrat več. Hitrost in širina nekaj staneta. Zato se taka postavitev izplača le pri nalogah visoke vrednosti.
Žeton je merska enota za uporabo UI: približno povedano gre za del besedila, za katerega plačate. En agent že porabi več kot običajen klepet, saj ne samo odgovarja: uporablja orodja, bere datoteke in išče. Ko je agentov več, se njihova poraba sešteva. Anthropicove meritve na podlagi njihovih podatkov:

Naši podatki kažejo, da agenti običajno porabijo približno štirikrat več žetonov kot klepet, večagentni sistemi pa približno petnajstkrat več žetonov kot klepet.

— Anthropic, inženirski članek »Kako smo zgradili svoj večagentni raziskovalni sistem«, https://www.anthropic.com/engineering/multi-agent-research-system
To neposredno vodi do sklepa o stroških. Petnajstkrat večja poraba je smiselna le, če je rezultat toliko vreden. Anthropic se izrazi jasno: večagentni sistem je upravičen pri nalogah, katerih vrednost je dovolj visoka, da pokrije povečano porabo. Pri kratkem vprašanju, ki bi ga lahko rešil en agent, z ekipo plačujete pet ljudi, čeprav bi zadostoval eden. Ta mehanizem ima tudi prednost. Anthropic je opazil, da sama poraba žetonov pojasni velik del razlike v kakovosti: več sredstev ko sistem lahko nameni nalogi, boljši je rezultat. Z drugimi besedami, večagentni sistem pogosto zmaga preprosto zato, ker omogoča, da nalogi namenite več računske moči. Če je vaš proračun omejen, ista logika deluje proti vam. Imam članek o tem, [kako v Claude Code ne porabiti prehitro svojih omejitev](https://ailoot.ai/blog/sl/ai-agent-burned-budget-claude-code/). ## Kdaj je večagentni sistem upravičen in kdaj ne?
Ključna ugotovitev Upravičen je, kadar je naloga velika, jo je mogoče razdeliti na neodvisne dele in je njen rezultat dragocen: pri obsežnih raziskavah, zbiranju podatkov iz številnih virov ali analizi velike količine gradiva. Ni upravičen, kadar je naloga majhna, poteka strogo korak za korakom ali so njeni deli medsebojno odvisni. Klasičen primer, pri katerem imajo večagentni sistemi težave, je večina programerskega dela: korakov ni mogoče dobro razdeliti na vzporedne naloge.
Preprosto pravilo: večja in širša ko je naloga, bolj smiselno je uporabiti ekipo. Anthropic podaja jasno razčlenitev glede na obseg: | Vrsta naloge | Število agentov | Primer | |----|----|----| | Iskanje preprostega dejstva | 1 agent, 3-10 klicev orodij | »Poišči datum izdaje določenega modela« | | Neposredna primerjava | 2-4 podagenti, po 10-15 klicev | »Primerjaj tri orodja po ceni in funkcijah« | | Kompleksna raziskava | Več kot 10 podagentov z jasno določenimi področji | »Pripravi celovito sliko trga za določeno temo« | Anthropic tudi neposredno pove, kdaj večagentni sistemi ne pomagajo. Vsake naloge ni mogoče razdeliti na vzporedne dele, agenti pa se še ne znajo najbolje sproti usklajevati med seboj:

Večina programerskih nalog ima na primer manj resnično vzporednih delov kot raziskave, agenti UI pa se še ne znajo najbolje usklajevati in si sproti delegirati dela.

— Anthropic, inženirski članek »Kako smo zgradili svoj večagentni raziskovalni sistem«, https://www.anthropic.com/engineering/multi-agent-research-system
Sklep je preprost. Če pišete kodo in je vsak korak odvisen od prejšnjega, se bo množica agentov verjetneje zmedla, kot pomagala. Če sestavljate obsežno raziskavo iz ducata virov, lahko ekipa opravi delo, ki bi enega agenta preobremenilo. Splošni nasvet Anthropic, ki ga ponavlja še posebej, je, da začnete z najpreprostejšo rešitvijo in dodate kompleksnost šele, ko naletite na omejitev.

Priporočamo, da poiščete najpreprostejšo možno rešitev in kompleksnost dodate le, kadar je to potrebno. Včasih to pomeni, da sistema agentov sploh ne zgradite.

— Anthropic, inženirski članek »Gradnja učinkovitih agentov«, https://www.anthropic.com/engineering/building-effective-agents
## Kako sestaviti svoj prvi večagentni sistem?
Ključna ugotovitev Začnite z nalogo, ki jo je mogoče zares razdeliti na dele. Arhitektura je tu podrobnost manjšega pomena. Nato pojdite od preprostega k zahtevnemu: najprej en agent, nato en podagent za umazano delo in zatem več vzporednih agentov. V Claude Code vam za to ni treba ničesar programirati: podagente nastavite s konfiguracijo. Spodaj sem navedel korake v vrstnem redu, v katerem sam postavim sistem za nov projekt.
Po mojih izkušnjah je vrstni red takšen: 1. **Izberite nalogo, ki jo je mogoče razdeliti na dele.** Obsežna raziskava, zbiranje podatkov z različnih mest ali analiza velike količine gradiva. Če naloga poteka strogo korak za korakom, večagentnega sistema ne potrebujete; uporabite enega agenta. 2. **Začnite z enim agentom.** Nalogo izvedite kot običajno. Pogosto se izkaže, da en agent zadostuje in vam ni treba sestavljati ekipe. 3. **Umazano delo predajte enemu podagentu.** Ko opazite, da del naloge polni kontekst z dnevniki ali rezultati iskanja, ga predajte podagentu. V Claude Code to uredite s konfiguracijo, brez kode: podagent dobi svoje okno in svoja navodila. 4. **Dodajte vzporednost, ko je delov veliko.** Več podagentov, vsak odgovoren za svoj del teme, dela hkrati. Vsakemu določite jasno področje, da ne posega v delo drugih. 5. **Spremljajte porabo.** Ne pozabite na petnajstkratno razliko. Če naloga ni vredna tega stroška, se vrnite k enemu agentu. Če ne uporabljate Claude Code, enaka mehanika deluje tudi v drugih orodjih. Imam splošen [pregled orodij za vibe coding](https://ailoot.ai/blog/sl/claude-code-alternatives/), ki pojasnjuje, kaj uporabiti za programiranje in poganjanje agentov leta 2026, ter članek o [gnezdenih podagentih](https://ailoot.ai/blog/sl/claude-code-nested-subagents/), ki govori o delegiranju velike naloge gnezdenim pomočnikom. ## Kaj še ljudje sprašujejo o večagentnih sistemih?
Ključna ugotovitev Kratki odgovori na pogosta vprašanja: večagentni sistemi niso vedno boljši od enega agenta, za njihovo uporabo običajno ni treba programirati, »orchestrator« je preprosto vodilni agent, večagentni sistemi in samostojno podjetje, ki ga vodi ena oseba, pa se razlikujejo, čeprav so si po duhu sorodni.
### Pogosta vprašanja Ali je večagentni sistem vedno boljši od enega agenta? Ne. Pri majhni nalogi ali nalogi, katere koraki morajo potekati strogo zaporedno, en agent opravi boljše delo in stane manj. Večagentni sistemi so boljši le pri velikih nalogah, ki jih je mogoče razdeliti na neodvisne dele, in stanejo občutno več: po meritvah Anthropic porabijo približno petnajstkrat več žetonov kot običajen klepet. Ali morate programirati, da sestavite večagentni sistem? Običajno ne. V Claude Code podagente nastavite s konfiguracijo: opišete, kaj naj pomočnik počne, vodilni agent pa mu dodeli primerne naloge. Pomočnik ima svoje kontekstno okno in dovoljenja. Koda ni potrebna. Ali sta orchestrator in vodilni agent isto? Da, to sta različni besedi za isto vlogo: vodilnega agenta, ki prejme nalogo, jo razdeli na dele, dodeli pomočnikom in združi njihove odgovore v en rezultat. V angleščini se ta postavitev imenuje orchestrator-workers. Kako se večagentni sistem razlikuje od podjetja, ki ga vodi ena oseba? Večagentni sistem je tehnična postavitev: več sistemov UI dela na eni nalogi. Podjetje, ki ga vodi ena oseba, je poslovni koncept: ena oseba s pomočjo UI vodi celotno podjetje. Večagentni sistemi so lahko orodje v okviru takega podjetja, vendar gre za različni ravni razprave: eno zadeva organizacijo UI, drugo pa organizacijo podjetja. Kje naj začnem, če želim preizkusiti večagentne sisteme? Začnite z eno veliko nalogo, ki jo je mogoče razdeliti na dele, in enim podagentom za umazano delo. Ne vključite takoj petih pomočnikov. Najprej preverite, ali nalogo zmore en agent, nato del, ki polni kontekst, prenesite na ločenega pomočnika in šele potem dodajte vzporednost.
### Viri - [Anthropic, »Kako smo zgradili svoj večagentni raziskovalni sistem« (13. junij 2025)](https://www.anthropic.com/engineering/multi-agent-research-system) - [Anthropic, »Gradnja učinkovitih agentov« (19. december 2024)](https://www.anthropic.com/engineering/building-effective-agents) - [Dokumentacija Claude Code, razdelek o podagentih](https://docs.claude.com/en/docs/claude-code/sub-agents)
Več gradiva je na voljo na [Ailoot](https://ailoot.ai/). ## Vprašanja in odgovori: Večagentni sistemi: kaj so, preprosto povedano, leta 2026 ### Kdaj naj nalogo ohranim pri enem agentu? En agent naj ostane, kadar je naloga kratka ali vsak korak temelji na prejšnjem rezultatu. Vzporedni pomočniki koristijo, kadar je dragoceno delo mogoče razdeliti na neodvisne dele; poleg prihranjenega časa izmerite tudi njihovo skupno porabo. ### Kakšna je najmanjša uporabna prva večagentna nastavitev? Resnično nalogo najprej izvedite z enim agentom. Če dnevniki ali iskanje preobremenijo glavni kontekst, ta del prenesite na enega pomočnika z jasnim obsegom in zahtevajte jedrnat rezultat. Več pomočnikov dodajte šele, ko se ta razdelitev izkaže za koristno. ## Ailoot · Podjetje in njegov portfelj projektov Ailoot temelji na pridobljenih operativnih izkušnjah, široki bazi strank, stabilni storitvi in stalnem spremljanju KPI. Podjetje in njegov portfelj projektov: milijoni strank; mesečna prodaja v milijardah. Ailoot te operativne izkušnje uporablja za dostop prek API do funkcij umetne inteligence v izdelkih strank, agentih, aplikacijah in avtomatizacijah.