パターンを読み込んでいます…
🔄
逐次パイプライン型エージェント(SPA)
専門化されたエージェントが線形のパイプラインでタスクを処理し、各エージェントの出力が次のエージェントの入力になる
複雑さ: mediumマルチエージェント
30秒でわかる概要
- 概要
- 作業を順序立てた段階に分け、各段階の専門エージェントが前段の出力を処理してから結果を次へ引き渡します。
- 使いどころ
- 各フェーズで異なる専門性が求められ、先へ進む前に中間結果を検証しておくと効果的な、多段階のワークフロー。
- 注意点
- 前段での誤りや品質の低さは下流へと積み重なり、後続のエージェントは欠陥のある入力に労力を空費することになります。
このパターンについてAIエキスパートに質問
質問が入力済みの状態でアシスタントが開きます。送信前に内容を確認できます。
逐次パイプライン型エージェント: 概要
専門化されたエージェントが線形のパイプラインでタスクを処理し、各エージェントの出力が次のエージェントの入力になる
- Linear workflow processing
- Specialized agent roles
- Output-input chaining
- Quality checkpoints
- Stage-specific optimization
- Error isolation
The Agent Architect
1つのパターン、1つのトレードオフ、1つの本番障害事例。エージェントシステムを構築する人のための短い週刊ブリーフィング。
週1回のメール、ワンクリックで購読解除できます。アドレスはブリーフィングの送信のみに使用します。
別名： AI agent pipeline, Agentic pipeline, Agent execution pipeline
参考文献
このパターンの根拠となる論文、仕様、リポジトリです。
- Multiagent Systems: A Survey from a Machine Learning Perspective (Stone & Veloso, 2000)
- Multiagent Cooperation and Competition with Deep Reinforcement Learning (Tampuu et al., 2017)arXiv:1511.08779
- The Complexity of Decentralized Control of Markov Decision Processes (Bernstein et al., 2002)
- A Review of Cooperative Multi-Agent Deep Reinforcement Learning (OroojlooyJadid & Hajinezhad, 2019)arXiv:1908.03963
- AutoGen - Multi-Agent Conversation Framework
このカタログを作ったエンジニアが担当
エージェント構成をレビューします
このページが扱うのは1つのパターンです。実際のシステムは数十を組み合わせて動き、障害の多くはその繋ぎ目で起きます。カタログの288パターンに照らして設計全体をレビューします。アーキテクチャ、信頼性、評価、コストまで、指摘ごとに対応するパターンを示します。
€750（通常€1,500）・1週間・文書レポートとウォークスルーコール・9月30日まで