Курс Google × Kaggle · Архитектура · октябрь 2026

Мультиагентная система: когда одного ИИ-агента мало

Паттерны оркестрации, протоколы A2A и MCP, риски и цена команды агентов. По материалам интенсива Google × Kaggle «5-Day AI Agents» и конференции Apsara 2026

Артём Борисов - бизнес-консультант, внедрение AI-сотрудников · октябрь 2026

Коротко

Мультиагентная система - это несколько ИИ-агентов с разными ролями, которые вместе решают одну задачу: координатор распределяет работу, исполнители делают каждый свою часть. Нужна она тогда, когда один агент перестаёт справляться: инструментов слишком много, контекст перегружен, любая ошибка роняет всё. Ниже - как такие системы устроены, чем протокол A2A отличается от MCP, во что обходится команда агентов и почему я всё равно советую начинать с одного.

Что такое мультиагентная система: агенты с разными ролями

Обычный ИИ-агент - программа на базе языковой модели, которая сама действует: планирует шаги, вызывает инструменты, добивается цели. Мультиагентная система (MAS) - несколько таких агентов, которые поделили роли и работают вместе. Примерно как отдел вместо одного сотрудника на все руки.

В материалах курса Google × Kaggle эволюцию агентов сравнивают с тем, как разработка уходила от монолита к микросервисам. Сначала один агент «в множестве шляп». Потом специализация: агент распадается на суб-агентов, у каждого свой фокус и своё подмножество инструментов. Следующая ступень - распределённая система, где координатор отдаёт задачи удалённым агентам других команд или компаний. Аналогия, по-моему, удачная ещё и потому, что вместе с пользой переносит на агентов знакомые грабли микросервисов: отлаживать сложнее, содержать дороже. К ним вернусь в разделе про риски.

Координатор (оркестратор)

Принимает задачу, режет её на части, решает, кому что поручить, и собирает итог.

Агенты-исполнители

Каждый отвечает за свой участок: поиск данных, расчёт, проверку, текст. И получает только те инструменты, которые нужны ему.

Общий протокол

Правила, по которым агенты находят друг друга и передают задачи. Для этого есть открытый стандарт A2A.

Когда одного агента мало

Вайтпейпер второго дня курса называет три признака, что агент-«швейцарский нож» упёрся в потолок:

Трение масштабирования. Каждая новая функция усложняет агента, и правки начинают ломать соседние сценарии.
Контекстная перегрузка. В агента загрузили столько инструкций и инструментов, что он хуже выбирает нужное и чаще ошибается.
Единая точка отказа. Сбой в одной части останавливает весь процесс.

Самый наглядный пример прозвучал в прямом эфире курса. Инженер Siemens рассказывал о работе с кодовой базой на сотни миллионов строк. Один «супер-агент» на таком объёме галлюцинировал, и задачу разложили на цепочку узких агентов: первый ищет зависимости, второй заранее оценивает последствия правки, третий режет работу на задачи, четвёртый пишет код.

Похожую схему на конференции Apsara 2026 показала служба поддержки Alibaba Cloud. При масштабе около 1 млн тикетов и 10 млн диалогов с клиентами (данные спикера, независимой проверки нет) они перешли от чат-бота к «команде агентов». Один эксперт контролирует нескольких агентов. Каждое их действие проверяет отдельный агент-охранник: безопасное выполняется сразу, сомнительное уходит человеку, опасное отклоняется. Мне в этой схеме нравится, что охранник - отдельная роль, а не строчка в промпте исполнителя.

Паттерны оркестрации: как агенты делят работу

Паттерн	Как устроен	Когда подходит
Один агент + навыки	Один агент, умения подгружаются по требованию	Большинство бизнес-задач на старте
Координатор + суб-агенты	Главный агент делегирует узким помощникам внутри одной системы	Задача делится на независимые этапы, у каждого свои инструменты
Конвейер (цепочка)	Выход одного агента - вход следующего	Процесс с чёткой последовательностью: собрать, проверить, оформить
Охранник и исполнитель	Отдельный агент проверяет действия других до выполнения	Действия с деньгами, клиентами, данными
Распределённая система по A2A	Агенты разных команд или компаний общаются по сети	Нужен чужой агент-специалист, которого вы не контролируете

Из курса я вынес правило, которое хочется повторять на каждой встрече: не всё нужно делать агентом. Тест - вопрос «вам нужен результат или участник, который берёт на себя ответственность?». Инструмент работает по принципу «выстрелил и забыл» в ограниченной задаче: достать данные, посчитать, отправить. Агент ведёт многоходовую работу, уточняет, держит состояние. Если обернуть агента как простой инструмент, состояние теряется. В курсе это сравнивают с оператором GOTO в коде, и программисты со стажем оценят сравнение.

Протокол A2A и чем он отличается от MCP

A2A (Agent2Agent) - открытый протокол, по которому агенты находят друг друга, договариваются и передают задачи. Его разработал Google и передал в Linux Foundation. По данным, приведённым в материалах курса, за первый год к нему присоединились более 150 организаций. В курсе его называют «языком общения виртуальной рабочей силы»: агентов могут писать разные команды на разных фреймворках, и они всё равно поймут друг друга.

MCP (Model Context Protocol) решает другую задачу: подключает модель к инструментам и данным, то есть к базам, файлам, API. Его сравнивают с USB-C. Без стандарта 5 моделей и 10 инструментов требуют 50 отдельных интеграций, с MCP каждую сторону подключают один раз.

	MCP	A2A
Кого соединяет	Агента с инструментом или данными	Агента с другим агентом
Тип запроса	«Сделай конкретную вещь»	«Достигни сложной цели»
Кто на той стороне	Инструмент без памяти	Партнёр, который рассуждает и держит состояние
Как найти	Список инструментов сервера	Agent Card - «визитка» агента по стандартному адресу

«Один протокол для инструментов, другой для партнёров.»
Подкаст к вайтпейперу «Prototype to Production», Google × Kaggle

Конкуренции между протоколами нет, они работают слоями. A2A отвечает за разговор агентов между собой, а внутри каждый агент пользуется своими инструментами через MCP. В практическом задании курса так собирали связку из агента-каталога «внешнего поставщика» и агента поддержки «вашей компании». Поддержка обращается к каталогу по A2A как к локальному помощнику. Данные остаются у поставщика, логика - у вас.

Риски и стоимость команды агентов

Каждый новый агент добавляет вызовы модели, точки отказа и работу по контролю. В курсе цену агента прямо называют «кошмаром для бюджетирования»: один запрос может занять 1 шаг или 50, задействовать один дешёвый инструмент или десять дорогих. Попробуйте заложить такое в годовой бюджет.

Расходы по спирали. Агенты могут зациклиться и гонять запросы друг другу. Нужны лимиты итераций и бюджетные оповещения. В курсе отдельно разбирают атаку Denial of Wallet: бесконечные дорогие циклы, которые разоряют счёт.
Отладка. Чтобы понять, где ошибся один из пяти агентов, нужна сквозная трассировка с единым идентификатором запроса и учёт состояния. Без этого мультиагентную систему не поддержать.
Безопасность. Чем больше агентов с правами на действия, тем шире поверхность атаки. Подробнее - в статье о безопасности ИИ-агентов.
Повторные действия. Агент повторил вызов после сбоя, а платёж или письмо задваиваться не должны. Для этого инструменты делают идемпотентными.
«Последняя миля». По оценке авторов вайтпейпера «Prototype to Production», около 80% усилий уходит не на «ум» агента, а на инфраструктуру, безопасность и проверку качества. В мультиагентной системе эта доля только растёт.

Тезис курса и конференции Apsara 2026 совпадает: «Агент = Модель + Обвязка». Надёжность дают правила, проверки и контроль вокруг модели, а не сама модель. У команды агентов обвязку приходится строить на двух уровнях: для каждого агента и для связей между ними.

Что это значит для бизнеса в России

Мой вывод после курса и внедрений: начинайте с одного агента. В курсе показали, что один агент с набором подгружаемых навыков заменяет сотни специалистов и не перегружает контекст: в памяти постоянно лежат только короткие описания навыков, а не все инструкции целиком. Для малого и среднего бизнеса это почти всегда дешевле и надёжнее команды агентов.

Второго агента я добавляю, только когда вижу конкретный признак:

один агент стабильно путается в инструментах или ролях, и навыки это не лечат;
нужна независимая проверка: отдельный агент-контролёр для действий с деньгами и клиентами;
часть работы делает чужая система или подрядчик, и её удобно подключить как агента-партнёра.

Шаги внедрения те же, что для одного агента: выбрать процесс, где теряются деньги или время, описать его, собрать работающий прототип, поставить проверки качества. Усложнять - только потом. Пошагово это разобрано в статье как создать ИИ-агента. Идеи Apsara 2026 я беру как схемы: доступ российских компаний к продуктам Alibaba Cloud не подтверждён. Зато архитектура «эксперт контролирует агентов, охранник проверяет действия» переносится на любой стек.

Сам я прошёл интенсив Google × Kaggle «5-Day AI Agents» и занял первое место в треке Agents for Business с AI-сметчиком для электромонтажной компании. Внедрение агента под задачу бизнеса у меня стоит от 250 000 ₽.

Вывод

Мультиагентная система нужна, когда один агент упирается в потолок: путается в инструментах, перегружен контекстом или роняет весь процесс одной ошибкой. В остальных случаях один агент с подгружаемыми навыками дешевле и надёжнее. Каждый новый агент добавляет вызовы модели и работу по контролю, а на инфраструктуру, безопасность и проверки и так уходит около 80% усилий. Второго агента добавляйте по конкретному признаку, например когда нужен независимый контролёр для действий с деньгами и клиентами.

Что сделать

1Проверьте своего текущего агента по трём признакам из курса (трение масштабирования, перегрузка контекста, единая точка отказа) и запишите, какие из них видите на деле.
2Посчитайте, сколько инструментов и инструкций сейчас загружено в агента, и вынесите редко нужные в подгружаемые навыки.
3Поставьте лимит итераций на один запрос и бюджетное оповещение в кабинете провайдера модели.
4Найдите в процессе действия с деньгами или клиентами и решите, кто проверяет их до выполнения: человек или отдельный агент-охранник.

Частые вопросы

Что такое мультиагентная система?+

Это несколько ИИ-агентов с разными ролями, которые вместе решают одну задачу. Обычно есть координатор, который делит работу, и исполнители, у каждого свои инструменты. Такая система тянет сложные процессы, на которых один агент начинает путаться.

Когда бизнесу нужна мультиагентная система, а когда хватит одного агента?+

Чаще всего хватит одного агента с набором навыков. Несколько агентов нужны, когда один перегружен инструментами и ролями, когда требуется независимый агент-контролёр или когда часть работы делает внешняя система. Начинать лучше с одного и усложнять по факту.

Чем протокол A2A отличается от MCP?+

MCP подключает агента к инструментам и данным: базе, файлам, API. A2A соединяет агентов между собой, чтобы один мог поручить другому сложную задачу. Они работают вместе: агенты общаются по A2A, а внутри каждый пользуется инструментами через MCP.

Почему мультиагентная система дороже одного агента?+

Каждый агент делает свои вызовы модели, а сколько шагов займёт один запрос, заранее неизвестно. Сверху добавляются трассировка, контроль и защита связей между агентами. Без лимитов итераций и бюджетных оповещений расходы могут быстро вырасти.

Как начать создание мультиагентной системы?+

Сначала соберите одного агента на одном процессе и измерьте результат. Когда станет видно, где он ошибается или перегружен, выделите эту часть в отдельного агента с узкой ролью. Лимиты, журнал действий и подтверждение человеком для рискованных операций ставьте сразу.

Источники

Google × Kaggle, «5-Day AI Agents», вайтпейпер дня 2 «Agent Tools & Interoperability»
Google × Kaggle, вайтпейпер-компаньон дня 5 «Prototype to Production» (AgentOps) и подкаст к нему
Google × Kaggle, прямой эфир дня 5: вопросы и ответы инженеров, практическое задание по A2A
Apsara 2026, секция «AI-Driven Service Evolution»: служба поддержки Alibaba Cloud
Apsara 2026, секция «Agentic OS: Operating Systems in the Age of AI Agents»

Об авторе. Артём Борисов - бизнес-консультант, внедряет AI-сотрудников в малом и среднем бизнесе: продажи, документы, учёт, мониторинг. Кейсы с цифрами - на главной странице.

Хотите применить это в своей компании?

Опишите процесс, который съедает больше всего ручного времени. Я покажу, как выглядело бы решение на ИИ-агенте и какие метрики оно изменит.

Обсудить в Telegram