Çok ajanın tek ajandan kötü olduğu yer

Birbirine zıt görünen iki dürüst anlatım

Haziran 2025'te, birbirinden bir gün arayla iki ekip zıt görünen tavsiyeler yayımladı. Anthropic, tek bir ajanı geride bırakan çok ajanlı bir araştırma sistemini anlattı. Cognition ise "Don't Build Multi-Agents" yazısını yayımladı.

İkisi de haklı, ama farklı işler için. Yan yana okumak, bir görevin ne zaman bölüneceğini ve ne zaman bölünmeyeceğini öğrenmenin en hızlı yolu.

Çok ajanın lehine: araştırma

Anthropic'in sisteminde Opus 4 çalıştıran bir lider ajan ve Sonnet 4 çalıştıran paralel alt ajanlar vardı. Dahili araştırma değerlendirmesinde tek bir Opus 4 ajanını yüzde 90,2 farkla geçti.

Araştırma bu biçime uyuyor. Geniş, çoğunlukla okumaktan ibaret ve dalların birbirine bağımlılığı yok. Bir alt ajan bir kaynak grubunu okurken bir diğeri başka bir grubu okuyabiliyor; sona kadar biri ötekinin ne bulduğunu bilmek zorunda değil. Ekip, üç ila beş alt ajanı paralel başlatmanın araştırma süresini yüzde 90'a kadar kısalttığını bildiriyor.

Hatırlanmaya değer bir bulgu: BrowseComp testinde başarımdaki farkın yaklaşık yüzde 80'ini tek başına token kullanımı açıkladı. Çok ajanlı sistemlerin satın aldığının bir kısmı, paralel harcanan daha fazla token.

Aleyhine: kodlama

Cognition'ın argümanı varsayımlarla ilgili. Bir ajanın yaptığı her eylem örtük bir karar taşıyor. Tek bir işin parçalarını tam bağlam vermeden iki alt ajana verirseniz, ikisi de diğerinin göremediği kararlar alıyor. Örnekleri bir Flappy Bird kopyası: bir alt ajan arka planı yapıyor, diğeri kuşu yapıyor ve ikisi birbirine uymuyor. Her parça tek başına makul.

Önerileri, sadece son mesajı değil bütün bağlamı paylaşmak ve tek, doğrusal bir ajanla başlamak. Anthropic kendi sistemi hakkında neredeyse aynı şeyi söylüyor: aynı bağlamı paylaşması gereken ya da çok bağımlılığı olan görevler kötü bir uyum ve çoğu kodlama bunun içine giriyor. Ajanlar arasında gerçek zamanlı koordinasyon hâlâ zayıf.

Fatura

Anthropic bunu sayıya döküyor. Bir ajan, sohbetin yaklaşık 4 katı token kullanıyor. Çok ajanlı bir sistem yaklaşık 15 katı. Değer bunu haklı çıkarmalı; geniş ve değerli bir araştırmada çıkarabiliyor.

Harness yazısı ikinci, daha keskin bir örnek veriyor. Tek ajanla çalışan bir retro oyun yapıcısı 20 dakika sürdü, 9 dolara mal oldu ve sonuç bozuktu. Ayrı planlayıcı, üretici ve değerlendiricili tam harness 6 saat sürdü, 200 dolara mal oldu ve oyun oynanabilirdi. Bu 20 katın üzerinde bir maliyet; ucuz sonuç yeterince iyi değilse buna değer.

Karar vermenin bir yolu

Sırayla üç soru.

• Bunu tek bir ajan yapabilir mi? Evetse orada durun. Daha ucuz ve hata ayıklaması daha kolay.
• Parçalar durum ya da varsayım paylaşıyor mu? Evetse bölmek, birinin uzlaştırması gereken anlaşmazlıklar üretir. Çoğu kodlama buraya düşüyor.
• İş geniş, okuma ağırlıklı ve çarpana değer mi? O zaman paralel ajanların kendini amorti etme ihtimali yüksek.

O zaman bile eforu soruya göre ölçeklendirin. Anthropic'in pratik kuralı: basit bir arama için 3 ila 10 çağrı yapan tek ajan, 10 ya da daha fazla alt ajan yalnızca zor araştırma için.