😐 Manager Agent - имеет несколько функций:
• Планирование (превращение твоего промта в код);
• Управление (вызов агентов, передача релевантного контекста и сохранение их результатов);
• Валидация (quality-check - после каждого шага проверяет не наломал ли кто дров);
• Оптимизация (избежание лишних вызовов и дубликатов шагов).
От части, ради оптимизации все и делают себе ассистентов, потому что они экономят кэш агентов и токены на балансе. Ну и время. Вин/вин ситуация, да?
🔔 Что нужно учитывать при создании ассистента (чтобы не накосячить):
• Важно использовать Context файл. Да, я писал об этом в прошлом посте, НО -не даем его целиком каждому агенту. Делаем Context Slicing для экономии памяти и монеток. Пример:{
"relevant_context": [
"auth requirements",
"existing API structure"
]
}
• Разделяем память на 3 состовляющих - Static / Dynamic / Cashed promts. Так в динамической памяти будут сохраняться релевантные результаты агентов, а в кэшированных промтах будут последние задачи. Экономишь время + деньги.
• Ассистент должен вызывать на проверку лишь того агента, который в этом шарит. Смысл вызывть дизайнера на бекэнд? Ничего полезного не сделает, только вот промт твои монетки сьест.
• Контроль качества на двух уровнях - Локальный и Глобальный. Локальный self check проводится каждым агентом, глобальный - test agent.
• Cost Aware Execution. ВАЖНО! Не видел чтобы про это хоть кто-то писал, но обязательно добавляем проверку по остатку токенов на балансе и насколько разумно делать refactor исходя из остатка. Причина мксимально простая - чтобы вы не застряли посреди написания кода и агенты не наделали ошибок.
• Ассистент не должен быть слишком умным. Иначе сьест все ваши токены. Чтобы такого не случилось добавляем в промт - короткий reasoning + строгий JSON output.
😐 Пока я собирал промт, я понял, что в этот пост он уже не влезет, так что я закину его просто отдельным постом ссылаясь на этот.
🔔 Как запустить механизм:
Чтобы все заработало - нуно закольцевать действия. Runtime loop который:
1. Вызывает Manager
2. Получает план
3. Вызывает нужного агента
4. Сохраняет результат
5. Решает, что делать дальше
Код, который склеит ваших агентов с ассистентом:while not task_done:
manager_output = call_manager(task, memory)
step = manager_output["execution"]["next_step"]
result = call_agent(
agent=step["agent"],
goal=step["goal"],
context=step["context"],
inputs=resolve_inputs(step["input_from"], memory)
)
save_to_memory(step_id, result)
if should_stop(manager_output, result):
break
С вас 55 лайков и я дропаю подборку АI-агентов которые будут вам максимально полезны (от крипты - до ирл) 🆗
Канал | Чат воркеров
