building-multiagent-systems
Разработка готовых к производству многоагентных AI-систем
Également disponible depuis: 2389-research
Создание систем с несколькими координирующими AI-агентами требует тщательной архитектуры. Этот навык предоставляет семь проверенных на практике паттернов координации и рекомендации по четырехуровневой архитектуре для проектирования надежных, масштабируемых многоагентных систем, которые поддерживают очистку, отслеживание затрат и восстановление после ошибок.
Télécharger le ZIP du skill
Importer dans Claude
Allez dans Paramètres → Capacités → Skills → Importer un skill
Activez et commencez à utiliser
Tester
Utilisation de "building-multiagent-systems". I want to build a system where one orchestrator coordinates 5 specialist agents in parallel, each analyzing a pull request from a different perspective (security, performance, style, tests, docs)
Résultat attendu:
- Recommended pattern: Fan-Out/Fan-In
- Key considerations:
- - Use hierarchical IDs like session.1.1, session.1.2 for cost aggregation
- - Set timeouts on each sub-agent (2 minutes recommended)
- - Aggregate results regardless of partial failures
- - Implement cascading stop: always stop children before stopping orchestrator
- - Track costs per reviewer using parent-child cost propagation
- - Use smart models for complex tasks (security, tests), fast models for simple ones (style, docs)
Audit de sécurité
SûrPure prompt-based skill containing only markdown documentation and TypeScript pseudocode examples. No executable code, network calls, file access, or external commands. The skill provides architectural guidance through educational patterns and best practices.
Score de qualité
Ce que vous pouvez construire
Выбор паттерна координации
Выберите подходящий паттерн для вашей нагрузки, ответив на шесть вопросов о масштабе, состоянии и ограничениях
Реализация жизненного цикла агента
Постройте каскадную остановку, обнаружение потерянных агентов и контрольные точки для надежных многоагентных систем, устойчивых к сбоям
Отслеживание затрат в масштабе
Агрегируйте затраты в иерархиях агентов и реализуйте ограничение скорости для предотвращения превышения бюджета
Essayez ces prompts
I need to build a multi-agent system. What patterns should I consider and what questions should I ask before starting?
I have 100 files that need analysis. Each analysis is independent but results need synthesis. Which pattern fits best?
My multi-agent system keeps leaving orphaned agents. How do I implement cascading stop and orphan detection?
I want to use different models for different tasks to reduce costs. How do I implement map-reduce with cheap mappers and smart reducers?
Bonnes pratiques
- Реализуйте четырехуровневую архитектуру: сохраняйте инструменты детерминированными (без LLM-вызовов ниже Уровня 1) для тестируемости
- Используйте иерархические идентификаторы для отслеживания затрат и глубины делегирования; предотвращайте бесконечную рекурсию с ограничениями максимальной глубины
- Всегда останавливайте дочерние элементы перед остановкой родительского (каскадная остановка) для предотвращения потерянных агентов, потребляющих ресурсы
Éviter
- Размещение LLM-вызовов внутри реализаций инструментов нарушает детерминированность и делает тестирование невозможным
- Отсутствие каскадной остановки приводит к потерянным агентам при сбое или выходе оркестратора
- Отсутствие наследования разрешений позволяет дочерним агентам повышать привилегии за пределы того, к чему имеет доступ родитель