Multi-Agenten

Offener Standard für die Interoperabilität von KI-Agenten, der eine nahtlose Zusammenarbeit über Plattformen hinweg ermöglicht

Standardisierte Kommunikationsmechanismen für die Interaktion von Agenten, einschließlich Message Passing, Publish-Subscribe und ereignisgesteuerter Muster

Orchestrator-Worker-Architektur, bei der ein leitender Agent spezialisierte Subagenten für die parallele Aufgabenausführung koordiniert

Mehrere Agenten arbeiten transparent in einem gemeinsamen Arbeitsbereich zusammen, mit gemeinsamer Sichtbarkeit aller Arbeit

Spezialisierte Agenten verarbeiten Aufgaben in einer linearen Pipeline, in der die Ausgabe jedes Agenten zur Eingabe des nächsten wird

Mehrere Agenten arbeiten gleichzeitig an derselben Aufgabe, um vielfältige Perspektiven und parallele Rechenleistung bereitzustellen

Dynamische Delegation, bei der Agenten die Kontrolle intelligent auf Grundlage von Kontext und spezialisierten Fähigkeiten übergeben

Dezentrale Zusammenarbeit zwischen gleichrangigen Agenten ohne zentrale Instanz

Mehrstufige Koordination von Agenten mit Aufsichtsbeziehungen, zentralisierter Orchestrierung und Delegation von Befugnissen

Asynchrones Message-Passing-System, das eine entkoppelte Kommunikation zwischen KI-Agenten und Diensten in verteilten agentischen Systemen ermöglicht

Verteilte Übereinkunftsmechanismen für die Entscheidungsfindung in Multi-Agenten-Systemen

Mehrere KI-Modelle arbeiten zusammen und debattieren, um zu Schlussfolgerungen zu gelangen

Geschichtetes Ensemble, in dem an jeder Schicht mehrere LLM-Vorschlagsagenten sämtliche Antworten der vorherigen Schicht als Zusatzkontext erhalten und ihre Antworten iterativ verfeinern, bevor ein finaler Aggregator sie zusammenführt. Da Modelle bessere Antworten liefern, wenn ihnen die Antworten ihrer Peers gezeigt werden, kann ein Stapel von Open-Source-Vorschlagsagenten ein einzelnes Spitzenmodell übertreffen.

Ein Orchestrator steuert ein Team spezialisierter Agenten mithilfe zweier Register: einem Aufgabenregister mit Fakten, fundierten Vermutungen und einem Plan sowie einem Fortschrittsregister, in dem der Orchestrator bei jedem Schritt selbst reflektiert, ob Fortschritt erzielt wird, ob das Team feststeckt und welcher Agent als Nächstes handeln soll. Wenn der Fortschritt ins Stocken gerät, aktualisiert eine äußere Schleife die Fakten und überarbeitet den Plan. Eingeführt in Microsofts Magentic-One.

Ein trainingsfreies Framework für Aufgaben mit langem Kontext, das eine überdimensionierte Eingabe in Abschnitte aufteilt, jeden Abschnitt einem Arbeiteragenten zuweist, der seinen Abschnitt zusammen mit einer laufenden Kommunikationseinheit des vorherigen Arbeiters liest, und anschließend die gesammelte Endkommunikation an einen Manageragenten übergibt, der die Antwort erzeugt. Die sequentielle Lese- und Zusammenfassungskette mildert den Fokusverlust bei langem Kontext und übertrifft RAG sowie Baselines mit vollständigem Kontext.