Az utóbbi időben reneszánszát éli a mesterséges intelligencián alapuló ügynökök fejlesztése, különösen a többügynökös rendszerek (multi-agent systems) építése. Ennek ellenére neves cégek, például a Cognition AI, felhívják a figyelmet arra, hogy ezek a megközelítések komoly buktatókat rejtenek.
A videó betekintést nyújt az ügynökrendszerek felépítésébe, kiemelve azokat a buktatókat, amelyekkel a fejlesztők gyakran szembesülnek. Felmerül a kérdés: miért nem terjedtek el széles körben a nagy múltú keretrendszerek, mint az OpenAI Swarm, Microsoft Autogen, Crew AI, annak ellenére, hogy tavaly hatalmas hype vette őket körül?
Személyes tapasztalatokon keresztül mutatja be az előadó, hogy a komplexitás növelése gyakran az ügynökök megbízhatóságának rovására megy. Különféle példákon keresztül világít rá arra, hogy a párhuzamosan vagy egymástól elszigetelten működő ügynökök eredményei gyakran ellentmondásosak, így az egész rendszer összhatása sérülékeny lesz.
Külön említésre kerül két alapelv: a kontextus megosztása (share context) és az implicit döntések fontossága (actions carry implicit decisions). Ezek jelentőségére és beépítésére több modellezési példán keresztül hívja fel a figyelmet.
Tárgyalásra kerülnek az egyszerű, lineáris ügynökarchitektúrák előnyei, valamint a kontextus-kompresszió mint lehetséges megoldás összetettebb, hosszabban futó feladatok esetén. Felmerül a kérdés is, hogy vajon létezik-e univerzális, jól működő megközelítés, vagy továbbra is kísérletezni kell a legjobb struktúrák megtalálására. Szóba kerülnek iparági példák, kódminták, illetve a legnagyobb AI cégek (Cognition AI, Enthropic, OpenAI) tapasztalatai is.
