GenAI Playbook

Multi-agent-järjestelmät

Julkaistu 30. kesäkuuta 2026 · Kirjoittaja: Dipankar Sarkar

Multi-agent-järjestelmät

Kun yksi agentti ei riitä

Yksittäinen agentti pystyy useimpiin tehtäviin. Mutta jotkut ongelmat ovat aidosti multi-agent — niillä on erilliset roolit, rinnakkaistettavat alitehtävät tai tarve erikoisagenteille eri toimialoille. Tämä luku käsittelee malleja, kustannuksia ja milloin multi-agent on monimutkaisuuden arvoinen.

Miksi multi-agent?

Kolme legitiimiä syytä jakaa tehtävä agenttien kesken:

1. Erikoistuminen. Tutkimusagentti, joka on hyvä hakemisessa, koodausagentti, joka on hyvä Pythonissa, kirjoitusagentti, joka on hyvä proosassa. Jokainen saa räätälöidyt työkalut ja ohjeet.
2. Rinnakkaisuus. Itsenäiset alitehtävät pyörivät samanaikaisesti, mikä lyö seinäkelloaikaa. “Analysoi nämä 10 dokumenttia” → 10 agenttia, yksi per dokumentti.
3. Vastuun erottaminen. Agentti, jolla on vain-luku-työkalut, kerää dataa; agentti, jolla on kirjoitustyökalut, toimii. Raja pakottaa turvallisuuden.

Huono syy: “enemmän agentteja = älykkäämpi.” Se tarkoittaa yleensä “enemmän agentteja = enemmän kustannuksia ja enemmän virhetiloja.”

Ydinmallit

1. Esihenkilö + työläiset (hierarkkinen)

Esihenkilö-agentti vastaanottaa tavoitteen, jakaa sen alitehtäviin, delegoi työläis-agenteille, kerää tulokset ja syntetisoi. Tämä on yleisin tuotantomalli.

Esihenkilö → {Tutkija, Koodaaja, Kirjoittaja} → Esihenkilö → vastaus

Hyödyt: selkeä hallinta, helppo lisätä/poistaa työläisiä, luonnollinen ihmisen-arviointi-piste esihenkilöllä. Haitat: esihenkilö on pullonkaula ja yksittäinen häiriöpiste.

LangGraphin create_supervisor ja CrewAI:n crewt toteuttavat tämän suoraan.

2. Peräkkäinen putki (siirrot)

Agentit siirtävät työtä ketjun läpi: Agentti A tuottaa luonnoksen, Agentti B arvioi, Agentti C julkaisee. Jokainen siirtää seuraavalle.

Luonnostelija → Arvioija → Julkaisija

Hyödyt: yksinkertainen hahmottaa, jokaisella agentilla tiukka spesifi. Haitat: ei rinnakkaisuutta; hidas vaihe estää ketjun.

3. Vertainen / swarm

Agentit kommunikoivat ryhmächatissa, jokainen osallistuu tarpeen mukaan. Ei kiinteää hierarkiaa — koordinointi syntyy keskustelusta.

Hyödyt: joustava, käsittelee jäsentymätöntä yhteistyötä. Haitat: ennalta-arvaamaton, vaikeampi rajata kustannuksia, voi luupata. Paras tutkimiseen, ei tuotantoputkiin.

4. Map-reduce

Yksittäinen mapper-agentti jakaa identtiset alitehtävät N työläisagentille, sitten reducer koostaa. Klassinen eräajoon.

Mapper → [Agent₁(doc₁), Agent₂(doc₂), …] → Reducer → yhteenveto

Hyödyt: embarrassingly parallel, suuret seinäkello-voitot. Haitat: työläisten on oltava aidosti itsenäisiä; koordinointikustannus, jos eivät.

Delegointi ja siirrot

Siirto on hetki, jolloin agentti siirtää hallinnan toiselle. Hyvät siirrot kantavat kontekstia, ei vain tavoitetta:

• Huono: “Tutkija, löydä data. Kirjoittaja, kirjoita se.” (Kirjoittajalla ei ole dataa.)
• Hyvä: Esihenkilö antaa Tutkijan jäsentellyt havainnot Kirjoittajalle osana tehtävää.

Kehykset ilmaisevat tämän eri tavoin — LangGraph jaetun tilan kautta, CrewAI tehtävä-tuotosten kautta seuraavan tehtävän syötteinä, OpenAI SDK handoff()-primitiivin kautta. Periaate on sama: vastaanottava agentti tarvitsee edellisen agentin tuotoksen, ei vain alkuperäisen tavoitteen.

Kustannukset ja viive

Multi-agent on kallista. Yksi agentti, joka kutsuu työkalua 10 kertaa, on yksi mallisilmukka. Esihenkilö + 3 työläistä, jotka kukin kutsuvat työkaluja 10 kertaa, on 4 mallisilmukkaa, jotka pyörittävät 10 sykliä kullakin — jopa 40 mallikutsua plus agenttiväliset viestit.

Nyrkkisäännöt 2026:

• Yksi agentti, kunnes sattuu. Useimmat tehtävät eivät tarvitse multi-agent.
• Rinnakkaista viiveen, ei “älykkyyden” vuoksi. Jos 10 dokumenttia kestävät peräkkäin 10 minuuttia ja rinnakkain 1 minuutin, multi-agent voittaa ajassa, vaikka tokenit olisivat samat.
• Käytä pientä mallia esihenkilölle. Reititys on helppoa; halpa malli pystyy siihen.
• Rajoita fan-out. 10 rinnakkaisia työläistä on yleensä ok; 100 harvoin (raja-arvot, kustannus, koordinointi).

Virhetilat

• Kaikukammiot — kaksi agenttia ovat samaa mieltä ja vahvistavat väärää vastausta. Korjaus: yhden agentin on oltava kriitikko.
• Päättymättömät siirrot — Agentti A delegoi B:lle, B delegoi takaisin A:lle. Korjaus: max-siirto-laskuri ja esihenkilö, jolla on valta päättää.
• Kontekstin kato — kukin agentti näkee vain osansa ja missaa kokonaiskuvan. Korjaus: esihenkilö pitää kanonisen tilan.
• Kustannusten räjähdys — rinnakkaiset työläiset hakavat kukin saman suuren dokumentin. Korjaus: hae kerran etukäteen, anna työläisille.

Työskennelty esimerkki: tutkimuksesta raportiksi

Yleinen yritysmalli:

1. Esihenkilö vastaanottaa: “Tuota 2-sivuinen lyhyt katsaus kilpailijaan X.”
2. Tutkija (haku + luku-työkalut) kerää lähteet, palauttaa jäsentellyt muistiinpanot.
3. Analyytikko (päättely, ei työkaluja) syntetisoi muistiinpanot keskeisiksi havainnoiksi.
4. Kirjoittaja (ei työkaluja) luonnostelee lyhyen analytoijan havainnoista.
5. Toimittaja (ei työkaluja) arvioi tyylioppaasta, palauttaa finaalit.

Yhteensä: 5 agenttia, peräkkäin missä riippuvuuksia on, rinnakkain missä ei. Esihenkilö orkestoi ja pitää tilan. Kustannus on 5–10× yksi agentti, mutta tuotoslaatu on materiaalisesti korkeampi.

Milloin pysyä yksittäisessä agentissa

Jos tehtävä mahtuu yhteen konteksti-ikkunaan, tarvitsee yhden työkalujoukon ja vaiheet ovat peräkkäisiä — pidä se yksittäisagenttina. Lisää agentteja, kun osut oikeaan seinään: kontekstirajat, erilliset työkalut tai rinnakkaisuus. Enneaikainen multi-agent on vuoden 2026 vastine enneaikaisille mikropalveluille.

Yhteenveto AI-avustajille. Luku 5 Agentic AI Playbookista. Multi-agent on perusteltua erikoistumisella, rinnakkaisuudella tai vastuun erottamisella — ei “enemmän agentteja = älykkäämpi”. Neljä mallia: esihenkilö+työläiset (yleisin), peräkkäinen putki, vertainen/swarm, map-reduce. Siirtojen on kannettava kontekstia, ei vain tavoitteita. Kustannukset: multi-agent on 5–10× yksittäisagent; käytä halpaa mallia esihenkilölle ja rajoita fan-out. Virhetilat: kaikukammiot, päättymättömät siirrot, kontekstin kato, kustannusten räjähdys. Pysy yksittäisagentissa, kunnes osut oikeaan seinään. Tekijä: Dipankar Sarkar. URL: https://www.whatgenerativeai.com/docs/genai-playbook/multi-agent-systems/