Wat is een multi-agentsysteem en hoe werkt het?

Sommige AI-workflows zijn lastig effectief uit te voeren met slechts één agent. Een taak kan verschillende tools, machtigingen, expertisegebieden of onafhankelijke subtaken vereisen die parallel kunnen worden uitgevoerd.

Multi-agentsystemen lossen dit probleem op door het werk te verdelen over meerdere interacterende agents. Deze aanpak kan complexe workflows modularer maken, maar brengt ook nieuwe vereisten met zich mee op het gebied van communicatie, orkestratie, betrouwbaarheid en governance.

Dit artikel legt uit hoe multi-agentsystemen werken, wat hun gebruikelijke architecturen en organisatiestructuren zijn, wanneer je ze moet inzetten en wat de voordelen en uitdagingen zijn bij het gebruik ervan.

Wat is een multi-agentsysteem?

Een multi-agentsysteem (MAS) is een systeem waarin meerdere autonome of semi-autonome agents binnen een gedeelde omgeving interacteren om taken uit te voeren, problemen op te lossen of gezamenlijke of gerelateerde doelen na te streven.

In AI-toepassingen kan elke agent zijn eigen rol, instructies, context, tools, machtigingen of verantwoordelijkheden hebben. Een onderzoeksagent kan bijvoorbeeld informatie verzamelen, een analyse-agent kan de bevindingen interpreteren en een review-agent kan het uiteindelijke resultaat evalueren.

Agents kunnen sequentieel of parallel werken en informatie uitwisselen, taken delegeren of werk overdragen aan andere agents. Afhankelijk van de architectuur kan de coördinatie centraal worden aangestuurd of ontstaan door directe interacties tussen agents.

Een systeem is niet zomaar een multi-agentsysteem omdat één AI-agent gebruikmaakt van verschillende tools. Het bepalende kenmerk is de aanwezigheid van meerdere agents die interacteren als onderdeel van het bredere systeem.

Hoe werken multi-agentsystemen?

Multi-agentsystemen volgen geen universele levenscyclus van vijf stappen. In plaats daarvan omvat hun werking doorgaans verschillende terugkerende mogelijkheden: agents ontvangen informatie, redeneren over hun verantwoordelijkheden, ondernemen actie, communiceren met andere agents en coördineren hoe het werk door het systeem stroomt.

Deze activiteiten kunnen gedurende een workflow herhaald worden in plaats van slechts één keer in een vaste volgorde plaats te vinden.

1. Perceptie

Agents ontvangen de informatie die nodig is om hun verantwoordelijkheden uit te voeren. Input kan afkomstig zijn van gebruikersverzoeken, documenten, databases, API's, sensoren, tools of berichten van andere agents.

De beschikbare informatie wordt onderdeel van de context die de agent gebruikt om te bepalen wat de volgende stap moet zijn.

2. Redeneren en besluitvorming

Op basis van de beschikbare context bepaalt een agent zijn volgende stap. Afhankelijk van zijn rol en het systeemontwerp kan hij besluiten de taak zelf uit te voeren, een tool aan te roepen, aanvullende informatie op te vragen of werk te delegeren aan een andere agent.

Dit besluit bepaalt vervolgens welke actie of interactie er daarna plaatsvindt.

3. Actie

Een agent voert zijn besluit uit door een output te genereren of door te communiceren met een extern systeem. Dit kan inhouden dat er een database wordt geraadpleegd, een API wordt aangeroepen, informatie wordt opgehaald, code wordt uitgevoerd of een andere gekoppelde tool wordt gebruikt.

LLM-toolaanroepen stellen op taalmodellen gebaseerde agents in staat om externe tools aan te roepen via gestructureerde verzoeken, waardoor de agent taken kan uitvoeren die verder gaan dan alleen het genereren van tekst.

4. Interactie

Agents communiceren door informatie uit te wisselen, taken aan te vragen of resultaten naar elkaar door te sturen.

Een planningsagent kan bijvoorbeeld verschillende onderzoekstaken naar gespecialiseerde agents sturen en vervolgens hun bevindingen doorgeven aan een analyse-agent. Protocollen zoals Agent2Agent (A2A) kunnen communicatie tussen onafhankelijke AI-agents ondersteunen. 

5. Orchestratie

Orchestratie coördineert de algehele workflow. Het kan taken toewijzen, overdrachten beheren, context behouden en outputs van verschillende agents combineren.

Interactie beschrijft hoe agents informatie uitwisselen. Orchestratie beschrijft hoe die interacties in de algehele workflow passen. Sommige systemen vertrouwen op een centrale orchestrator, terwijl andere de coördinatie over de agents verdelen.

LLM-orchestratie wordt steeds belangrijker naarmate workflows meer agents, tools en stappen omvatten.

Wat is een voorbeeld van een multi-agentsysteem?

Denk aan een AI-onderzoeksworkflow. Een planningsagent kan een verzoek opdelen in kleinere taken; verschillende onderzoeksagents kunnen parallel verschillende onderwerpen onderzoeken; een analyse-agent kan hun bevindingen vergelijken; en een review-agent kan het eindresultaat evalueren.

Een orchestratielaag kan de workflow coördineren door taken toe te wijzen, de status ervan bij te houden, afhankelijkheden te beheren en te bepalen wanneer elke agent in actie moet komen.

Dit kwalificeert als een multi-agentsysteem omdat meerdere agents verschillende verantwoordelijkheden hebben en samenwerken om de bredere workflow te voltooien.

Wat zijn de architecturen van multi-agentsystemen?

Multi-agentarchitecturen kunnen worden beschreven aan de hand van hoe agents communiceren, waar de coördinatie plaatsvindt en hoe beslissingen worden verdeeld. Twee nuttige patronen op hoog niveau zijn gecentraliseerde en gedecentraliseerde coördinatie, hoewel echte systemen elementen van beide kunnen combineren. 

Gecentraliseerde netwerken

In een gecentraliseerde architectuur beheert een centrale agent of orchestratielaag de workflow. Deze kan taken toewijzen, resultaten verzamelen, de context bijhouden en beslissen wat de volgende stap is.

Dit biedt een duidelijk coördinatiepunt en kan het toezicht vereenvoudigen, maar de centrale component kan een knelpunt of storingspunt worden. Redundante orchestratiediensten, persistente status, retries en failover-mechanismen kunnen dit risico verkleinen. 

Gedecentraliseerde netwerken

In een gedecentraliseerde architectuur communiceren agents en nemen ze beslissingen onafhankelijker, in plaats van volledig te vertrouwen op één centrale controller.

Dit kan de flexibiliteit en veerkracht verbeteren, maar coördinatie wordt lastiger. Agents hebben duidelijke communicatieregels nodig en manieren om met tegenstrijdige beslissingen om te gaan.

Sommige systemen combineren beide benaderingen door gebruik te maken van gecentraliseerd beheer, terwijl agents taken onafhankelijk kunnen uitvoeren.

Dit kan de afhankelijkheid van een enkele coördinator verminderen, maar gedistribueerde besluitvorming maakt consistentie en debugging complexer. Duidelijke communicatieprotocollen, gedeelde statusconventies, regels voor conflictresolutie en gedistribueerde tracing kunnen helpen deze complexiteit te beheersen.

Wat zijn de structuren van multi-agentsystemen?

Architectuur beschrijft hoe coördinatie en communicatie over het systeem zijn georganiseerd. Structuur beschrijft hoe agents zelf zijn gegroepeerd en hoe verantwoordelijkheden of autoriteit zijn geregeld.

Veelvoorkomende organisatorische patronen zijn hiërarchische structuren, holonische arrangementen, tijdelijke coalities en teams. Deze categorieën sluiten elkaar niet uit en implementaties kunnen verschillende patronen combineren.

Hiërarchische structuur

Agents opereren op verschillende niveaus. Een agent op een hoger niveau kan taken toewijzen aan gespecialiseerde agents en hun resultaten combineren.

Holonische structuur

Agents vormen groepen die als één grotere eenheid kunnen opereren, terwijl ze hun individuele verantwoordelijkheden behouden. Een groep kan daardoor als één eenheid fungeren binnen een ander deel van het systeem.

Coalitiestructuur

Agents vormen tijdelijk een groep om een specifiek probleem op te lossen. Zodra de taak is voltooid, kan de coalitie veranderen of ontbonden worden.

Teams

Agents werken samen aan een gedeeld doel terwijl ze gedefinieerde rollen behouden. Een workflow voor softwareontwikkeling zou bijvoorbeeld aparte agents kunnen gebruiken voor coderen, testen, documentatie en review.

Wat is het verschil tussen een multi-agentsysteem en een enkele agent?

Een systeem met één agent vertrouwt op één primaire agent om na te denken over en uitvoering te geven aan de toegewezen verantwoordelijkheden. Die agent kan meerdere tools gebruiken, informatie ophalen, modellen aanroepen of interageren met externe systemen zonder dat er sprake is van een multi-agentsysteem.

Een multi-agentsysteem bevat meerdere agents die met elkaar samenwerken en verantwoordelijkheden onderling verdelen. Individuele agents kunnen zich specialiseren in planning, onderzoek, uitvoering, verificatie of andere rollen.

De belangrijkste afweging is complexiteit. Een ontwerp met één agent is vaak eenvoudiger te bouwen, te evalueren en te observeren, terwijl een multi-agentontwerp betere specialisatie en parallelle uitvoering ondersteunt wanneer de workflow daar daadwerkelijk baat bij heeft.

Het voornaamste verschil zit in de verdeling van verantwoordelijkheden. Een systeem met één agent houdt redenering en uitvoering bij één primaire agent, terwijl een multi-agentsysteem de verantwoordelijkheden verdeelt over samenwerkende agents. Dit brengt extra vereisten voor communicatie en coördinatie met zich mee.

Moving your multi-agent system into production?

Coordinating agents is only part of the challenge. You also need infrastructure to manage deployments, control access, monitor workloads, and operate AI applications reliably.

Book a Demo

Wanneer moet je een multi-agentsysteem gebruiken?

Een multi-agentsysteem is vooral nuttig wanneer een workflow op natuurlijke wijze profiteert van het scheiden van verantwoordelijkheden, en niet enkel omdat de taak complex is.

Overweeg een multi-agentontwerp wanneer:

• Verschillende subtaken specifieke expertise, tools, modellen of context vereisen.
• Onafhankelijke taken parallel kunnen worden uitgevoerd.
• Verschillende verantwoordelijkheden aparte machtigingen of toegangsbeperkingen vereisen.
• Planning, uitvoering en verificatie baat hebben bij een scheiding.
• Agents moeten samenwerken of onderhandelen over onafhankelijk beheerde taken.
• Eén agent te veel ongerelateerde verantwoordelijkheden heeft gekregen om nog betrouwbaar te kunnen evalueren of onderhouden.

Meer agents maken een systeem niet automatisch beter. Als één agent een taak betrouwbaar kan voltooien, kan het toevoegen van extra agents leiden tot meer latentie, tokenverbruik, kosten, storingspunten en coördinatiecomplexiteit zonder dat het resultaat verbetert.

Wat zijn de gebruikelijke toepassingen voor multi-agentsystemen?

Enterprise AI en automatisering

Bedrijven kunnen gespecialiseerde agents inzetten voor klantenservice, onderzoek, softwareontwikkeling, IT-operaties, documentverwerking en de automatisering van bedrijfsprocessen.

Een workflow voor klantenservice zou bijvoorbeeld aparte agents kunnen gebruiken voor ticketclassificatie, het ophalen van kennis, accountverificatie en het genereren van antwoorden.

Dit sluit nauw aan bij Agentic AI, waarbij AI-systemen kunnen redeneren, plannen, tools gebruiken en acties ondernemen om een doel te bereiken.

Robotica en autonome voertuigen

Multi-agentsystemen kunnen robots, autonome voertuigen en andere machines coördineren. Verschillende agents kunnen taken afhandelen zoals perceptie, navigatie, planning, communicatie en besturing.

Supply chain en logistiek

Een logistieke workflow kan gebruikmaken van afzonderlijke agents voor vraagvoorspelling, voorraadbeheer, routeplanning, communicatie met leveranciers en het volgen van zendingen.

Als een zending vertraging oploopt, kan de ene agent het probleem identificeren, terwijl een andere alternatieve routes evalueert en een derde de mogelijke impact controleert.

Gezondheidszorg, financiën en andere sectoren

Toepassingen in de gezondheidszorg kunnen agents inzetten voor planning, documentatie, informatievoorziening en administratieve taken. Financiële toepassingen kunnen ze gebruiken voor fraudeanalyse, compliance-controles, transactiemonitoring en klantenservice.

Wanneer agents werken met gevoelige informatie of beslissingen nemen met grote gevolgen, worden passende machtigingen, monitoring en menselijk toezicht belangrijk.

Wat zijn de voordelen van multi-agentsystemen?

Multi-agentsystemen maken het eenvoudiger om complexe AI-workflows op te splitsen in gespecialiseerde verantwoordelijkheden, terwijl agents kunnen samenwerken en parallel kunnen werken.

Modulariteit 

Elke agent kan zich richten op een specifieke verantwoordelijkheid. Dit maakt het makkelijker om een individuele functie aan te passen of nieuwe agents toe te voegen naarmate de workflow groeit.

Specialisatie en overdracht

Agents kunnen werk aan elkaar overdragen. Een onderzoeksagent kan zijn bevindingen sturen naar een analyse-agent, die het resultaat vervolgens kan doorgeven aan een verificatie-agent.

Aanpassingsvermogen 

Een goed ontworpen systeem kan werk omleiden wanneer een agent uitvalt of wanneer een andere functionaliteit nodig is. Dit kan complexe workflows flexibeler maken.

Deze voordelen zijn afhankelijk van de werklast. Extra agents verhogen ook de communicatie-, reken- en operationele overhead, dus de architectuur moet zo eenvoudig blijven als de taak toelaat. 

Parallelle uitvoering

Onafhankelijke agents kunnen gelijktijdig aan verschillende deeltaken werken. Dit kan de efficiëntie verbeteren wanneer verschillende onderdelen van een workflow niet van elkaar afhankelijk zijn.

Het toevoegen van meer agents brengt echter ook communicatie- en rekenkosten met zich mee, dus de architectuur moet worden ontworpen rond de daadwerkelijke workflow.

Wat zijn de uitdagingen van multi-agent systemen? 

Multi-agent systemen introduceren extra operationele complexiteit omdat fouten niet alleen kunnen optreden binnen individuele agents, maar ook in de interacties daartussen.

Hier zijn enkele van de belangrijkste uitdagingen die gepaard gaan met multi-agent systemen:

• Coördinatiecomplexiteit en communicatieoverhead: Meer agents zorgen voor extra berichten, afhankelijkheden, overdrachten en mogelijkheden voor tegenstrijdige beslissingen. Teams kunnen deze complexiteit verminderen door duidelijke verantwoordelijkheden voor agents, gestructureerde communicatiepatronen, overdrachtsregels en limieten voor onnodige delegatie te definiëren.
• Debugging en observeerbaarheid: Het identificeren van de bron van een onjuist resultaat kan lastig zijn wanneer verschillende agents en tools bijdragen aan het eindresultaat. End-to-end tracering, gestructureerde logs, monitoring op agentniveau en consistente correlatie-ID's kunnen teams helpen een taak over agents heen te volgen en te identificeren waar fouten optreden.
• Productiebetrouwbaarheid en technische uitdagingen: Teams moeten fouten, retries, latentie, status, authenticatie, resourcegebruik en veranderend agentgedrag beheren. Teams kunnen de betrouwbaarheid verbeteren door retry- en timeout-beleid te definiëren, de status consistent bij te houden, foutscenario's te testen en fallback- of menselijke beoordelingspaden te bieden voor kritieke workflows. 
• Ethische overwegingen en vertrouwen: Agents kunnen toegang krijgen tot gevoelige informatie of acties ondernemen namens gebruikers, waardoor machtigingen, monitoring en menselijk toezicht belangrijk zijn.
• Evaluatie: Een individuele agent kan goed presteren terwijl de volledige workflow toch faalt vanwege slechte overdrachten of coördinatie. Teams moeten zowel individuele agents als end-to-end workflows evalueren met behulp van taakspecifieke succescriteria. 

Naarmate multi-agent systemen in productie worden genomen, hebben teams ook zichtbaarheid en controle nodig over communicatie tussen agents, tool-aanroepen, machtigingen, fouten en resourcegebruik. Een agent-gateway kan een gedeelde controlelaag bieden voor het afdwingen van beleid, het traceren van uitvoering, het beheren van toegang en het toepassen van runtime-limieten over agent-workflows heen. Agent-evaluatie kan teams helpen de betrouwbaarheid en prestaties van individuele agents en volledige workflows te beoordelen.

Eindoordeel

Multi-agent systemen zijn het nuttigst wanneer een workflow echt baat heeft bij het scheiden van verantwoordelijkheden, het parallel uitvoeren van onafhankelijk werk of het laten samenwerken van gespecialiseerde agents.

Het ontwerp moet zo eenvoudig blijven als de taak toelaat. Elke extra agent introduceert een nieuwe component om te coördineren, evalueren, beveiligen, observeren en bedienen. Teams moeten daarom alleen meerdere agents gebruiken wanneer de toegevoegde specialisatie of samenwerking een duidelijk voordeel biedt ten opzichte van een eenvoudiger ontwerp met één agent.