Multi-agents

Norme ouverte d'interopérabilité pour les agents IA, permettant une collaboration fluide entre plateformes

Mécanismes de communication normalisés pour l'interaction entre agents, incluant le passage de messages, le modèle publication-abonnement et les modèles événementiels

Architecture orchestrateur-travailleur dans laquelle un agent principal coordonne des sous-agents spécialisés pour l'exécution parallèle des tâches

Plusieurs agents collaborent en toute transparence sur un espace de travail commun, avec une visibilité partagée de l'ensemble du travail

Des agents spécialisés traitent les tâches dans un pipeline linéaire où la sortie de chaque agent devient l'entrée de l'agent suivant

Plusieurs agents travaillent simultanément sur la même tâche afin d'apporter des perspectives variées et une puissance de traitement parallèle

Délégation dynamique où les agents transfèrent intelligemment le contrôle en fonction du contexte et de leurs capacités spécialisées

Collaboration décentralisée entre agents de statut égal, sans autorité centrale

Coordination d'agents à plusieurs niveaux, avec relations de supervision, orchestration centralisée et délégation d'autorité

Système de passage de messages asynchrone permettant une communication découplée entre agents IA et services au sein de systèmes agentiques distribués

Mécanismes d'accord distribué pour la prise de décision multi-agents

Plusieurs modèles IA collaborent et débattent pour parvenir à des conclusions

Ensemble en couches dans lequel, à chaque couche, plusieurs agents proposeurs LLM reçoivent l'ensemble des réponses de la couche précédente comme contexte auxiliaire, affinant itérativement leurs réponses avant qu'un agrégateur final ne les synthétise. Comme les modèles produisent de meilleures réponses lorsqu'on leur montre les réponses de leurs pairs, un empilement de proposeurs open source peut surpasser un unique modèle de pointe.

Un orchestrateur pilote une équipe d'agents spécialisés à l'aide de deux registres : un registre de tâches contenant des faits, des hypothèses éclairées et un plan, et un registre de progression où l'orchestrateur s'auto-évalue à chaque étape pour déterminer si des progrès sont réalisés, si l'équipe est bloquée et quel agent doit intervenir ensuite. Lorsque les progrès stagnent, une boucle externe met à jour les faits et révise le plan. Introduit dans Magentic-One de Microsoft.

Un cadre sans entraînement pour les tâches à contexte long, qui découpe une entrée surdimensionnée en fragments, confie chaque fragment à un agent travailleur qui lit son fragment ainsi qu'une unité de communication courante transmise par le travailleur précédent, puis remet la communication finale accumulée à un agent gestionnaire qui produit la réponse. Cette chaîne séquentielle de lecture et de synthèse atténue la perte de focalisation sur les contextes longs et surpasse le RAG ainsi que les références à contexte complet.