Проектаванне систем з калькольнікаяе агентамі на A2A: вузлы, память і кераванне

Калі ў компаніі стае больш за калькі агентаў AI, які працуюць у рэальным часе, складныя проблемы перестаюць стосавацца толькі запитоў і пачынаюць стосавацца архітектуры: як агенты вялі са светам, дзе знаходзіцца іх стан, хто іх координуе і як можна пераглядаць тое, што яны зрабілі. У этай статыце праказана базовая схема такой системы, у якай як основа кантактаў выкарыстоўваецца протакол Agent-to-Agent (A2A). Пасля чытання вы должны быце магчыма разумець складовыя адзінаго агента, шары памяці і коордынацыі, якіе з’ўязуюць многа агентаў, меры кантролю, неабходныя для меражы з многа агентамі, а таксі кантракты, якія трэба врачыць пры расшырэнні.

З генератывных AI да агентных AI

Асэнс які відбываецца — з генератыўных систем на агентныя. Генератывная ШІ працюе на адпаведныя запиты: чалавек задае пытанне, модель стварае контэнт, і взаімадзея заканчываецца. Агентная ШІ працюе на адпаведныя цілі: система отрымае высокага рангу мету, разбивае яе на меншыя падцілі і працуе над ямі з мінімальным участком чалавека. Практычны наследак для архітектароў — масштабаванне. Генератывныя моделі автоматызуюць адзінаковыя задачы, тады як агентныя системы можаць автоматызаваць цэлыя процесы, ператвараючы ШІ з інструмента, які рэагуе, на представітеля, які дзейнае. Самэ гэта дазволяе масштабаваць операцыі, якія раней вымагалі, каб хтось стаўілі за кожным крокам. Якщо хочаце глыбэйшага аналізу тэрмінологіі, пазірце агентную ШІ, адгукнутую, ад мовных модэляў да автонамных агентаў.

Прабабілістычныя двайнеры і формальныя расумнікі

У цэнтры кожнага агента знаходзіцца модель прынятка рашэння, як правило, большая мовная модель або большая модель зображэння для візуальных задач. Гэтыя моделі ўсё чырвоныя. Яны ствараюць плавны, пераканальны выхід, але могу ствараць халюцинаціі, і плавнасць не ўзначае правильнасці. Формальныя системы, такія як расчунавальнікі онтологій OWL або бейзіанскія сеткі, працуюць інакш: ўсе ўвыяўленні ў іх выходзяць з ясных правіл і верыгатак, таму ў сваёй сфере яны є матэматычна надзеянымі. Надзейны дизайн выкарыстоўвае кожную з гэтых систем там, дзе яна ўсё чырвоная.

Той самы прагматызм прыяжджае і да глыбіні разумавання. Такія тэхнікі, як запуск моделі з алгорытмам развязвання задач, павышаюць точнасць, калі прыводзяць модель да выканання промежуточных крокаў, але кожны дапаможні крок збільшае час адпаведзення і выкарыстоўванне ресурсаў. Глыбэйшае разумавання не ёсць безкоштовным, а правямы глубіні залежыць ад таго, насколькі швайнае система павінна адпавядаць. Калі у вас ёсць многа такіх агентаў, кожны з якіх мае свойяй модель і стыль разумавання, вам патрэбны спяшчаны спосаб для ўзаінтаракцыі межаў імі. Гэтае ўжо ролю A2A.

A2A як шар взаімадзейнасці

A2A быў запроектаваны у 2025 годзе як адкрыты протакол для агентаў, створаных на разных фрэймворках і ад розных вендараў, каб яны моглі саецься разам. Яго мета — запобiec таму, каб багатаягентныя системы расспадаліся на сектары, прызначаны толькі для конкрэтных вендараў: агенты, створаныя на разных фрэймворках або розмешчаныя у разных вендараў, можу абмэнявацца контекстам і координаваць свою работу чераз адну спяльную інтарфейс. Його застосоўванне яшчэ развіваецца, таму пераканайцеся ў чынных спэкіфікаціях пры прыняцці рашэнняў.

Пяць прынцыпаў дизайна

• Ставіцца да агентаў як да агентаў. Протакол прыпускае, што учаснікі можу самастоятельна прымець рашэнні і дзейснаваць ўсё самі, а не толькі адпавядаць на адзін запит. эта відкрывае можлівасць для саўместнай працы над давгастроковымі целямі, а не проста для адпаведзення на запиты.

Павтараецца існуючыя стандарты. A2A будуецца на вядомых тэхналогіях веба (HTTP, Server-Sent Events і JSON-RPC), таму ён падходзіць да існуючых корпаратыўных структурах. Це зніжае вартасць інтеграцыі і робіць можлівым абгортаванне старых сервісаў за дапамою інтэрфейсу агента.

Безпека як стандарт. Сеть агентаў мае большую площу для атак, чым адзін сервіс. Пратакол спроектаваны так, каб взаімадзеяння былі аутентыфікованы і захаваны, чым зменшаецца рызык таго, што хакер зможа захопіць кантроль над агентам чыста перакрытыць данні чераз яго.

Падтрымка дзейнаў, якія трываюць дзеяны час. Дзеянняякія трываюць гады чыста дні і абумованы асінхронным перадаванням задач между спецыялістамі. Пратакол стежыць за станом задач і працяйнасцю сесій, таму такія дзеянняякія не зупіняюцца на паўпаце.

Зберагаеце агнэстычнасць да спосабаў передачы даных. Агенты можу абмэнявацца тэкстам, кодам чы мультімодальнымі данымі. Гэта ўсё бол важнае ў робатыцы і промышляўскай автаматызацыі, дзе агенты ў рэальны час суманавляюць данні з разных типаў датчыкаў.

Следаванне гэтым прынцыпам заходзіць ад двух класычных спосабаў неудач: неудачы ў коордынацыі, калі агенты не можу дзейсніць спольна, і нераванасці межа агентамі, калі дэцентралізаваныя учаснікі поступова адхоюцца ад спяльнай меты. Гэтыя прынцыпы стаюць конкрэтнымі ў кожным агенте через модульную петлю спрыяўлення, разумовага аналізу і дзеяння.

Унутрь аднае вузла-агента

Кожны вузел адрабоўвае замкнутую петлю вхідных дадзеных, ўпрацоўкі, дзеяння і навчання. Паколькі гэтая петля врачае рынкі назад у внутршні стан агента, вузел застаецца свядомым свайго арэалу і прыстосоўваецца, замест таго каб механічна выконваў фіксаваны скрыпт.

Чатыры падсістэмы

1. Спрыягчык спраўжнення. Шырокі слой прымае сигналы любага типу: запыткі на натуральнай мове, стрэмы падзей API, з’явы. Ён выкарыстоўвае метод генеравання з дапамогай пошуку (RAG), каб закрепіць гэтыя данныя на реальных фактах пры ўраджэнні да слоя разумовых вырахункаў.
2. Адражэнне ведамаў і разумовыя вырахункі (KRR). Чыны намеру тут адначасова аналізуюцца за дапамогою статыстычных і сімволічных методаў. Модель мовы керуе нюансамі і неяснасцямі, а формальныя перакананні дапамагаюць падтвердзіць, што створаны план є логічна цэласным.
3. Выбір дзеяння і яго адкананне. Рашэнні ператвараюцца на конкретныя выходы за дапамогою вядомага каталогу вызоў API або выходных паведамленняў. Гэта ёсць межа, дзе разумовыя вырахункі агента супакоюцца з цифровым чы или фізычным светам.

Навчанне і адаптация. Агент гіурыстычна налагоджвае сваю дзейнасць на аднойчынку з тым, што работала раней. Аналіз таго, якія варыянты інструментаў былі успешныя, дапамагае ёму кароткі тым эфектыўней дзеяць наступны раз.

Галоўны патэрн выканання — це ReAct, што являе сабою сумяшанне разумавання і дзеяння. Агент аднароўна змінюецца межы разумавання пра наступны крок і спаглядання рэзультата дзеяння, што дапамагае яму трываць у разумаванні на аднойчынку з тым, што фактычна выйшла. Недзеянне заключаецца у тым, што кожны крок разумавання ўсё больш вызывае новы запыт да модэлю, таму такія циклы збільшаюць витраты на вычысленні і час адпаведзення, якія трэба урахоўваць. Тое, што дапамагае ўтримваць цяпласць між крокамі і сесіямі, — це памяць.

Пастаячая памяць пра час

Моделі мовы ўсунутыя з станамі: кожны вызыв ведае толькі тое, што ў яго контэксте. Для планавання на далёкую перспективу стойкая памэць ёсць тым, што з’ўязвае адзіны за другім разныя крокі. Без яе агенты забываюць пра досягнуты прогрэс пад час багатоэтапных заданняў або калі робота пераходзіць между сесіямі, што прыводзіць да павтарэння роботы і нестабільных систем.

Тры відзэны памяці

1. Эпізодычная памэць фіксуе тое, што адбылася пад час конкрэтнага задання, уключаючы выконаны крокі разумовага аналізу і невдалыя спробы, усё гэта в межах адной сесіі.
2. Семантычная памэць зберагае стойкія факты і структураваныя організацыйныя знання, якімі можа скорыстацца кожна задача.
3. Памэць на адносах створаная для пошуку за сэмантычным супадом, якая дазволяе агенту выкарыстоўваць RAG, каб знайсці релевантны контэкст у вельмі большых колекцыях.

Їх трэба зберагчыць окалічна, таму што у яных розныя трымкі жыцця і способы доступу. Эпізодычная память мае короткі трымкі жыцця і прызначаная для адносных задач, сэмантычная память — дугі трымкі жыцця і кантролюецца, а базы дадзеных у вектарнай форме оптымізаваны для нечыстага пошуку, а не для точнага выкарыстання.

Аднародны контэкст для перадачы задач

У масштабных системах агентам таксама патрэбны аднародныя буферы контэкста. Калі адзін агент перадае падзадачу іншаму, буфер несе весь фонавы стан і текущую ситуацыю, тады агент, які яе прымает, не пачынае з нуля. Такая дастатковасць стану выклікае патрэбу ў коордынацыйскам слое, які знаходзится вышэй за адзінаковыя агенты.

Оркестрацыя і разбіўка целей

Калі системы растуць, адзін універсальны модель заменяецца калекасом спецыялістаў. Прызначэнне ролей — напрыклад, агента, який плануе як генеральны дырэктар, агента, який пішае код, і агента, який яго пераглядае — зазвычай дае лепшую точнасць і глубіну, чым калі адзін модель должна робіць усё.

Што робіць мета-агент

Мета-агент, або оркестрактар, кантролюе калекас. Яго абавязкі включаюць:

• Прызначэнне кожнага падзадання агенту, які лепш за іншых паспрацоўвае з яго.
• Кантроль завісаў, каб выходныя даны прайшлі у правым напрамку і у правай архітэктуре.
• Расляжэнне суперсцягаў, калі агенты даюць суперсучасныя рэзультаты або конкуруюць за тыя ж рэсурсы.

Планаванне за дапамою Дрэва думак

Оркестрацыя залежыць ад разбівання целі на падцялі. Падходы да планавання, такія як «Дрэва думак», аналізуюць калькольныя шляхі замест таго, каб прымкнуць да адного ланца, што дапамагае рашыць неяснасці і зменшыць ламкасць і галюцинаціі, пры якіх страждаюць планаванні на адны шлях. Аналіз калькоў таксама збільшвае колькасць вызоваў модэлю, таму глыбейша аналізуецца баланс межаў, пра якіх гаворылася раней.

Існуе ўжо адна большая рызыка — эмергентная поведэнчасць. Калі багато автонамных агентаў взаімаецца нелінейнымі спосабамі, система можа даць рэзультаты, якія ніхто не планаваў і не прыгадваў. Оркестрацыя зменшае гэтую рызыку, але не усуняе яе, таму кераванне павінна быць частью архітектуры, а не ўзгадкай пасля ўсьго.

Безпека і кераванне

Сетка агентаў мае вялікую паверхню атак, і адны некантрольваны чы или памылкова працюючы вузол можа спрычыніць ланцюговыя памылкі ў всій сетцы. Безпечны падход — спрыягаць кожную взаімадзею агентаў як потэнцыяльны источнік рызыку.

Галоўныя рызыкі

• Ланцюговыя памылкі. Галюцинацыя чы памылка на раннім этапе сеткі перадаецца далей і паспяшае абманлівыя рашэнні. Стаття на тэму запобежнення нарастанню галюцинацыяў у сетках агентаў дакладна расследуе гэты спосаб абвалення.
• Атакі з боку адвэрсараў. Введэнне небяспечных даных чы «заражэння» моделі можа перакрыць намеры агента.
• Распространэнне уперадзеў. Агенты можу паўсиліць спярчаныя тэндэнціі ў дадзенах і стварыць систематычна несправедлівыя рашэнні.

Прасоўкі ў адпаведнасці за дзеяння. У дужа дзьвінгай, спланаванай ланцузе стае складна выявіць, який вузол спрычыніў неудачу.

Архітектура, ўсведамлена пра правільнае кераванне

Тры механізмы разв’язваюць большасць гэтых рызыкаў:

• Ізоляцыя ролей обмежвае права кожнага агента і API-і, якія ён можа выкарыстоўваць, таму агент, які быў скомпрометаваны, можа завдаць толькі частковага наклепу.
• Логаванне рашэнняў, якія можна праследаваць фіксуе кожны крок абдумавання, ў результаты чаго неудачы можна перапрацаваць і прызначыць вінаватага.
• Аутентыкацыя агентаў пераканальвае ідэнтычнасць кожнага учасніка рабочага процесу.

Да гэтага дадаецца шар формальнай пераканальвання, який разлічае тое, што здаецца правым, ад таго, што є логічна правамерным. Гэта архітектурная адпаведнасць да пераканальвальнай, але ненадзейной прыроды модэляў мовы, якія былі описаны ў пачатку.

Куды працюе гэта дзейнасць: проактыўная інтэлігенцыя і AZR

Колі модульныя агенты і організаваныя агентныя системы стаюць болей сумежнымі, наступны крок — проактыўная інтэлігенцыя: системы, якія фіксуюць сигналы ў сваёй арэне і запускаюць робочыя процесы раней, чым хтось прасіць пра гэта.

Аднам з напрамкаў даследжэння, якія ўзаемна адносуюцца да гэтага, являецца парадыгма Абсалютнага нуля (AZR). У працоўку замест адучання на прыкладах, пазначаных людьмі, гэтая система розвиваецца за дапамой самопрацы, ствараючы сабе задачы і выконваючы логічныя маневры без зусібніх зовнішняых дадзенняў для адучання. Тое, што трыважыць гэтае падходжэнне, — це пераканальныя адзывы, такія як запуск створанага коду або перакананне формальных доказаў, якія заменяюць людскую анотацыю на адпаведны джэрела правды. Спрыяйце гэтаму як актыўнай сферы даследжэння, а не як тэхніцы, гатовай да прыменення.

Чартак перапачатку проекта

Перад масштабаваннем багата-агентной системы пераканайцеся, што её дзяйнасць адпаведае гэтым пытанням:

• Формальная верыфікацыя: Чы існуе логічны слой, які розрывае выход дыяваргуючага модэлю ад рэзультатаў, якія ёсць практычна правядзямыя?
• Раздзелэнне памяці: Чы эпізодычныя, семантычныя і вектарныя храненні чыста аддзелены?
• Стандарт протаколу: Чы вся камунікацыя межа фрэймворкамі і вендарамі адбываецца через A2A?
• Контралі гаспадаркі: Чы для кожнага автаномнага вузла ўвядзены ізоляцыя ролей і логаванне прынятых рашэнняў?
• Бюджет затрымкі: Чы вы вимеравалі і налаштавалі баланс межа глыбай разумовых працэсоў, такіх як „Дрэва думак“, і часам адпаведзі?

Ключовыя выводы

• Сістэмы з калькольнікаяе агентамі пераносяць проблему з стварэння інструментаў для адпаведзення на запытанні на стварэнне экасистем, якія самыя рашаюць проблемы, і гэты перакід ёсць архітектурным.

A2A забезпечвае спакульнаўаны язык; кожны агент все рава патрэбуе чыста аддзельных модуляў для спрыявання, разумавання, дзеяння і навчання.

Память і спакульны контэкст яшчэ больш робяць дзейнасць кальмовых, багатаагентных систем цэлеспрабнымі.

Оркестрацыя павышае якасць за дапамогою спецыялізацыі, але за цену затрымкі і рызыку паўстання нечаканага адносна дзейства.

Управлінне, ад ізоляцыі ролей да формальнай верыфікацыі, павінна быць частью дизайна з самага пачатку.

Супакойлена літэратура

• Agent = Model + Harness: Where Reliable AI Behavior Actually Comes From — Дазвольце дазнацца, што такое “harness” для AI-агента, чаму стан, автарытет і верыфікацыя належаць параду модэлю, і якія элементы стануць непатрэбнымі з развіццем модэляў.
• Проектаванне чатырх-яруснай памяці агента з выкарыстоўванням LangGraph і Amazon Bedrock — Навучыцеся ствараць у агентах LLM рабочую, эпізодычную, семантычную і процедурную память на платформах Bedrock і LangGraph, а таксама захіщаць яе ад занятых дадзенняў, выцеку персональных даных і іншых проблем.
• Эскаліраванне вузлаў, а не задач: шасцях-ярусная сходніца для контролю выкладак на працэ спрацоўвання LLM — Чаму выбір между структурой DAG і агентам на кожную задачу падвайшвае выкладакі на працэ LLM, і як сходніца эскаліравання па вузлах з дапамогою контрактаў, меж і бюджэтав дапамагае ўтримваць іх у межах.
• Інтерфейс чату чы роцэк агента? Как выбраць тое, што патрэбна вашай функцыі AI — Дазвольце дакладна разабраць, як адразніць чат-бота для дыялогу ад агента, які выконвае конкрэтныя задачы, што даёст роцэк агента, і як вярнуцца да выбору таго формата, які насправды патрэбен вашай функцыі AI.
• Рэжыстры агента паведамляюць, што існуе, а не чы можна яму ўсё ж такі даверыцца — Чатырох-пытанневая структура для рэжыстраў можацтваў агента, якая абрабоюе пытанні існавання, прыдатнасці, статусу і паходжання, а таксама просты тэст наявнасці апошней пераканальнай інформацыі, які можна адразу запрацаваць.