agent-orchestration-multi-agent-optimize
マルチエージェントシステムをピークパフォーマンス用に最適化
マルチエージェントワークフローは多くの場合、調整のボトルネックと管理されていないコストに悩まされます。このスキルには、プロファイリング、オーケストレーション戦略、コスト管理が含まれており、効率性を最大化します。
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「agent-orchestration-multi-agent-optimize」を使用しています。 eコマースレコメンデーション用の3エージェントシステムをプロファイルする
期待される結果:
プロファイリングにより、データベースエージェントが主なボトルネック（平均450msのクエリ時間）であることが特定されました。アプリケーションエージェントはCPU使用率が効率的（12%）です。フロントエンドエージェントはピーク時にレンダリング遅延があります。推奨：データベースインデックスの追加、クエリのキャッシュ化、重大でないフロントエンド更新の延期。
「agent-orchestration-multi-agent-optimize」を使用しています。 カスタマーサービスエージェントクラスターのコストを最適化する
期待される結果:
コスト分析：68%のトークンが複雑な推論エージェントで使用されています。推奨：単純なクエリはHaikuにルーティング（83%節約）、複雑なケースはSonnet温存。FAQのレスポンスキャッシュを実装。予測される節約：月間コスト52%削減。
「agent-orchestration-multi-agent-optimize」を使用しています。 データ処理パイプラインの並列オーケストレーションを設計する
期待される結果:
オーケストレニングプラン：4つの並列エージェント（検証、エンrichメント、変換、ストレージ）。8ワーカースレッドプールエクゼキュータ。フォールトトレランス：失敗したエージェントは2回リトライ、各ステージ後にチェックポイント。期待されるスループット：順次実行と比較して3.2倍の改善。
セキュリティ監査
安全All 18 static analysis findings are false positives. The file is documentation-only (SKILL.md) containing Python code examples in markdown blocks. The static analyzer incorrectly identified markdown code fences as Ruby shell execution and misread documentation text as weak cryptography. No executable code, network calls, or dangerous patterns exist.
品質スコア
作れるもの
eコマースプラットフォームの最適化
商品レコメンデーション、在庫管理、顧客対応を行うマルチエージェントシステムをプロファイルし最適化します。
エンタープライズAPIパフォーマンスの強化
高スループット要件を持つエンタープライズAPIのための多層エージェントオーケストレーションを分析し改善します。
AIワークフローのコスト削減
品質しきい値を維持しながらLLMコストを削減するためのコスト管理と適応的なモデル選択を実装します。
これらのプロンプトを試す
マルチエージェントシステムを分析し、スループットに影響する上位3つのボトルネックを特定します。現在のセットアップ：[エージェントとその役割を説明]。目標メトリクス：[目標を明記]。
マルチエージェントワークフローのオーケストレーション戦略を設計します。関連するエージェント：[エージェントを一覧表示]。制約：[予算、レイテンシー、品質要件]。並列実行プランとフォールバック戦略を提供してください。
エージェントのトークン使用量をを確認し、コスト最適化戦略を推奨します。現在の月間支出：[金額]。エージェントとその機能：[詳細]。品質しきい値：[要件]。モデル選択とキャッシュ戦略を提案してください。
マルチエージェントシステムの包括的な最適化を実施します。ベースラインメトリクス：[現在のパフォーマンスデータを提供]。目標改善：[具体的な目標]。制約：[予算、タイムライン、品質]。プロファイリング結果、オーケストレーション変更、ロールバックプランを提供します。
ベストプラクティス
- 最適化前にベースラインメトリクスを確立し、改善を正確に測定する
- システム全体の回帰を防ぐためにロールバック機能を備えた段階的な展開を実装する
- リソース消費とのバランスを取りながらパフォーマンス向上を実現し、システム安定性を維持する
回避
- 回帰テストと検証なしにオーケストレーション変更を展開する
- 品質しきい値と許容マージンを犠牲にして速度を最適化する
- 変更前後のパフォーマンスを測定せずに元に戻せない変更を行う