// Multi-Agent Systems

Multi-Agent Systems

ออกแบบระบบ agents หลายตัวทำงานร่วมกัน — Orchestration, Communication Patterns และ Design Principles

// Why Multi-Agent

ทำไมต้องใช้ หลาย Agents?

🎯

Specialization

แต่ละ agent ถูก fine-tune สำหรับ role เฉพาะ เช่น Researcher, Coder, Reviewer — ทำงาน domain ของตัวได้ดีกว่า generalist

⚡

Parallelism

tasks ที่ independent สามารถรันพร้อมกันได้ ลด latency และเพิ่ม throughput อย่างมีนัยสำคัญ

📏

Scale

งานที่ใหญ่เกิน context window ของ agent เดียว สามารถแบ่งให้หลาย agents ช่วยกันได้

// Orchestration Patterns

Patterns การ Orchestrate

🎭

Orchestrator → Worker

Agent กลาง (Orchestrator) รับงาน แบ่งเป็น subtasks และกระจายให้ Worker agents ต่างๆ แล้วรวม output — เหมาะสำหรับงานที่มีขั้นตอนชัดเจน

Orchestrator → [Researcher, Writer, Editor, QA]

🔗

Sequential Pipeline

Output ของ agent หนึ่งเป็น input ของ agent ถัดไป เหมือน assembly line — ง่ายต่อการ debug และ monitor

Collect → Analyze → Summarize → Format → Deliver

🏅

Peer-to-Peer (Debate)

Agents คุยกันโดยตรง แลกเปลี่ยนความเห็น โต้เถียง และหาฉันทามติ — ช่วยเพิ่มคุณภาพ output ผ่าน critical thinking

Agent A proposes → Agent B critiques → A refines

🗳️

Voting / Ensemble

หลาย agents ตอบคำถามเดียวกัน แล้วเลือกคำตอบที่ดีที่สุดจาก majority vote หรือ ranking — เพิ่ม reliability

3 agents → vote → best answer wins

// Code Example

ตัวอย่าง Multi-Agent ด้วย AutoGen

from autogen import AssistantAgent, UserProxyAgent, GroupChat, GroupChatManager
import os

config = [{"model": "gpt-4o", "api_key": os.environ["OPENAI_API_KEY"]}]

# 1. สร้าง specialized agents
researcher = AssistantAgent(
    name="Researcher",
    system_message="คุณเป็น researcher ผู้เชี่ยวชาญ ค้นหาข้อมูลและข้อเท็จจริง",
    llm_config={"config_list": config},
)
writer = AssistantAgent(
    name="Writer",
    system_message="คุณเป็น content writer เขียนบทความที่น่าสนใจและชัดเจน",
    llm_config={"config_list": config},
)
critic = AssistantAgent(
    name="Critic",
    system_message="คุณ review งานอย่างสร้างสรรค์ ชี้จุดปรับปรุง พร้อม approve เมื่อดีพอ",
    llm_config={"config_list": config},
)
user = UserProxyAgent(name="User", human_input_mode="NEVER", max_consecutive_auto_reply=0)

# 2. สร้าง GroupChat
group = GroupChat(
    agents=[user, researcher, writer, critic],
    messages=[],
    max_round=8,
    speaker_selection_method="round_robin",
)
manager = GroupChatManager(groupchat=group, llm_config={"config_list": config})

# 3. เริ่มงาน
user.initiate_chat(manager, message="เขียนบทความเรื่อง 'อนาคต AI Agents ในประเทศไทย' ความยาว 500 คำ")
      

ต้องการปรึกษาการออกแบบระบบ Agent?

ทีมเราช่วยออกแบบ Multi-Agent architecture ที่เหมาะกับ use case ของคุณ

ติดต่อเรา → Build Agent