Habilidades multi-agent-patterns
📦

multi-agent-patterns

Seguro

Construa Sistemas Multi-Agentes

Também disponível em: Asmayaseen,ChakshuGautam,muratcankoylan

Sistemas de agente único enfrentam limites de contexto que restringem o tratamento de tarefas complexas. Arquiteturas multi-agentes distribuem o trabalho entre agentes especializados com janelas de contexto separadas, permitindo raciocínio paralelo e coordenação além das capacidades de agente único.

Suporta: Claude Codex Code(CC)
📊 71 Adequado
1

Baixar o ZIP da skill

2

Upload no Claude

Vá em Configurações → Capacidades → Skills → Upload skill

3

Ative e comece a usar

Testar

A utilizar "multi-agent-patterns". Projete um sistema multi-agente de equipe de pesquisa

Resultado esperado:

Um supervisor coordena quatro especialistas: Pesquisador (pesquisa web, recuperação de documentos), Analisador (análise de dados, estatísticas), Verificador de fatos (verificação, validação) e Escritor (geração de relatórios). O supervisor decompõe consultas de pesquisa, direciona para agentes apropriados e agrega descobertas. Use uma ferramenta forward_message para permitir respostas diretas ao usuário quando agentes produzem saída final, evitando o problema do telefone sem fio onde supervisores parafraseiam respostas de sub-agentes incorretamente.

A utilizar "multi-agent-patterns". Quando devo usar padrões peer-to-peer vs hierárquicos?

Resultado esperado:

Use peer-to-peer/swarm quando: tarefas requerem exploração flexível, planejamento rígido é contraproducente ou requisitos emergem dinamicamente. Vantagens: sem ponto único de falha, escala para exploração breadth-first, permite comportamentos emergentes. Use hierárquico quando: projetos de larga escala com estrutura clara, fluxos de trabalho empresariais com camadas de gerenciamento ou tarefas precisam tanto de planejamento de alto nível quanto execução detalhada. Vantagens: espelha estruturas organizacionais, separação clara de responsabilidades.

Auditoria de Segurança

Seguro
v1 • 2/25/2026

Security evaluation confirms this is a documentation skill about multi-agent architecture patterns. Static findings flagged external_commands, network, and cryptographic patterns but all are FALSE POSITIVES - the scanner misidentified markdown code blocks as shell commands, documentation URLs as HTTP requests, and coincidental keywords as cryptographic usage. The skill contains no executable code, no actual network calls, and no security vulnerabilities.

1
Arquivos analisados
263
Linhas analisadas
0
achados
1
Total de auditorias
Nenhum problema de segurança encontrado
Auditado por: claude

Pontuação de qualidade

38
Arquitetura
100
Manutenibilidade
87
Conteúdo
32
Comunidade
100
Segurança
91
Conformidade com especificações

O Que Você Pode Construir

Automação de Tarefas de Pesquisa

Coordenar múltiplos agentes especializados (pesquisador, analisador, verificador de fatos, escritor) para realizar tarefas de pesquisa abrangentes em paralelo, com um supervisor agregando resultados.

Sistemas de Fluxo de Trabalho Empresarial

Implantar estruturas de agentes hierárquicos que espelham hierarquias organizacionais, com camadas estratégica, de planejamento e execução lidando com diferentes níveis de abstração.

Roteamento de Atendimento ao Cliente

Implementar padrões de agentes peer-to-peer que transferem dinamicamente solicitações de clientes para agentes especializados (faturamento, técnico, vendas) com base no tipo de solicitação.

Tente Estes Prompts

Padrão Supervisor Básico 
Projete um sistema de agente supervisor que coordena três agentes especialistas para [TASK]. Inclua como o supervisor decompõe a tarefa, direciona para especialistas apropriados e agrega resultados.
Design de Handoff Peer-to-Peer 
Crie uma arquitetura de agentes peer-to-peer para [USE_CASE] onde agentes podem transferir dinamicamente entre si. Defina os protocolos de handoff e mecanismos de passagem de estado.
Arquitetura Hierárquica 
Projete um sistema de agentes hierárquico de três camadas para [DOMAIN]: camada de estratégia para definição de objetivos, camada de planejamento para decomposição de tarefas e camada de execução para tarefas atômicas.
Implementação de Mecanismo de Consenso 
Implemente um mecanismo de consenso para [SCENARIO] que usa votação ponderada por pontuações de confiança do agente. Inclua protocolos de debate para crítica adversarial e intervenção baseada em gatilho para detecção de sisofância.

Melhores Práticas

  • Projetar para isolamento de contexto como benefício primário - sub-agentes devem ter contextos limpos e focados em vez de carregar histórico acumulado
  • Escolher padrão de arquitetura baseado em necessidades de coordenação, não metáforas organizacionais - o padrão supervisor fornece controle, peer-to-peer fornece flexibilidade, hierárquico fornece abstração
  • Implementar protocolos explícitos de handoff com passagem de estado para prevenir vazamento de contexto entre agentes

Evitar

  • Criar sub-agentes que imitam papéis organizacionais (CEO, gerente, trabalhador) em vez de focar em particionamento de contexto - isso antropomorfiza agentes sem benefício funcional
  • Permitir que supervisor parafraseie respostas de sub-agentes (o problema do telefone sem fio) que perde fidelidade em sistemas multi-agentes
  • Usar votação por maioria simples sem ponderar por confiança ou especialidade - alucinações de modelo fraco recebem peso igual ao raciocínio de modelo forte

Perguntas Frequentes

Qual é o principal benefício de arquiteturas multi-agentes?
O benefício primário é isolamento de contexto. Cada sub-agente opera em uma janela de contexto limpa focada em sua subtarefa sem carregar contexto acumulado de outras tarefas. Isso aborda o gargalo de contexto que limita sistemas de agente único.
Quanto mais caros são sistemas multi-agentes comparado a agente único?
Sistemas multi-agentes consomem aproximadamente 15x mais tokens que baselines de agente único devido a sobrecarga de coordenação, janelas de contexto paralelas e agregação de resultados. No entanto, habilitam capacidades além dos limites de agente único.
Qual padrão de arquitetura devo escolher?
Escolha supervisor/orquestrador para controle centralizado e decomposição clara de tarefas. Escolha peer-to-peer/swarm para exploração flexível e requisitos emergentes. Escolha hierárquico para sistemas de larga escala com camadas de abstração claras.
Como prevenir gargalos de supervisor?
Implemente restrições de schema de saída para que trabalhadores retornem apenas resumos destilados. Use checkpointing para persistir estado do supervisor sem carregar histórico completo. Considere mecanismos de pass-through direto permitindo que sub-agentes respondam a usuários quando apropriado.
Quais mecanismos de consenso funcionam para sistemas multi-agentes?
Votação ponderada (pondere por confiança ou especialidade), protocolos de debate (crítica adversarial por múltiplas rodadas) e intervenção baseada em gatilho (detecte marcadores de estagnação ou sisofância). Evite votação por maioria simples que trata alucinações de modelo fraco igualmente.
Quais frameworks implementam esses padrões?
LangGraph usa máquinas de estado baseadas em grafos com nós e arestas explícitos. AutoGen usa padrões conversacionais/orientados a eventos com GroupChat. CrewAI usa fluxos de processo baseados em papéis com estruturas hierárquicas de crew.

Detalhes do Desenvolvedor

Autor

sickn33

Licença

MIT

Repositório

https://github.com/sickn33/antigravity-awesome-skills/tree/main/skills/multi-agent-patterns

Referência

main

Estrutura de arquivos

📄 SKILL.md