今天是跑在很前面的Multi-Agent Systems(MAS)...
▶︎Multi-Agent Systems 多代理人系統是什麼
Multi-Agent 系統就是：由兩個以上的 AI Agent 所組成的系統，透過在一個「共享」的環境中，以協作(合作或交互作用)、競爭的方式，一起實現一個複雜的目標(通常是單一AI Agent 無法解決的問題)。
也就是數個「結合了LLM、工具使用、具長久記憶，能自主性執行複雜任務」的AI Agent，組成國家隊。復仇者聯盟的概念。
想特別指出的是，
Multi-Agent 系統的誕生不是要取代單一 AI Agent。
單一AI Agent可以優秀俐落地處理簡單、直接的單一或少步驟任務，直接且成本更低。
而針對複雜、步驟細瑣、多專業領域、且專業性要求高的任務，則更適合Multi-Agent 系統，透過其專業分工、並行處理、交互驗證，來實現更高效率、更低總體成本。
所以從這一點說，我會認為Multi-Agent 系統最關鍵之處，就在於它能否展現極佳的整合能力，包括技能、資訊、流程協調上。
▶︎Multi-Agent 系統的優秀之處
- 專業能力
- 執行成本與系統維護成本
- 輸出品質(抗錯/Robustness)與排錯效率
- 系統韌性與可擴展性：在系統內，出錯Agent的替代選項更容易尋找(尤其考慮最終output的完整一致性)；另，也更易於調整增刪個別 AI Agent，無需重構整個系統。
- 護欄與安全：我想特別再說明一下這一點是因為，在Multi-Agent 系統中，可以為不同 Agent 設置不同的安全護欄。然後再外加一個專門審閱的Agent，柵欄會多很多層。
▶︎Multi-Agent 系統的執行面
＊How to build：
Multi-Agent 可以是使用同一款模型(或不同的也可以)，內建(或外掛)不同資料庫/工具(APIs)、針對不同的特定能力進行訓練、並有各自匹配(根據該Agent的角色分配)出可徵調的、不同功能AI，然後再連結在一起(中心化，或，去中心化)。
如之前已提到的，Multi-Agent 系統的關鍵與強大，就在於能整合不同類型的 AI 模型 (包括生成式 AI 和非生成式 AI) 協同工作，以完成更複雜的任務。而要達到整合，中心化或去中心化，方向不同、策略不同，需要的工具與能力也隨之不同，但兩者現階段都已是可實現的。
簡單說明中心化，其實就是有一個統籌的總管AI Agent(Coordinator)，負責進行所有跨AI Agent的相關工作。
依據目前主流做法，還是以中心化的為主，然後在一些次要項目或單純資訊流通上則可由各Agent之間流通。
＊運行流程：
- 初始 Prompt (使用者提出prompt)
- 總管AI Agent(Coordinator)接收 (⇠依據主流「中心化」作法)
接收後，開始進行任務分解、規劃、指派給各 Agent 分頭執行 - 各AI Agent協作與信息傳遞
在這環節中，會包含多輪的迭代和反饋，主要是出於各AI Agent的交互作用，如反饋、審核等等。 - 結果整合與最終輸出
子任務結果統整後回報總管Agent進行最後檢視與修調。
特別說明，從2-4，隨著採取中心化或去中心化的不同，也會相應地在實作上有所不同。
＊基礎關鍵機制：
1.對各AI Agent的角色分配 (Role Assignment)
類似R&R，賦予每一個AI Agent明確的職責、任務，並相應的配備有一套特定的技能、知識和可用的工具。
規劃起始的Prompt Engineering很重要，因為：
(a) 聚焦定義Multi-Agent系統要執行的任務類型與內容；
(b) 從整體系統的角度，提出prompt策略，定義需要怎麼樣的AI Agent，定義它們各自的Persona、職責、任務。
2.各AI Agent之間的溝通 (Communication Mechanism)
(a) 設置共享內存數據庫：大家各自將信息寫入一個共享區域，大家都有讀取權限。
(b) 各AI Agent 之間直接進行消息傳遞。
(c) 身處同一個共享環境的「觀察」：透過觀察環境的變化來獲取其他 AI Agent 的行動結果。
3.AI Agent們的協作與規劃 (Coordination & Planning)
如前面提到，統整的幾個面向：
(a) 大家的合作可以是透過中心化，也可以是去中心化的。按照目前主流，大多是有一個Coordinator Agent，總管AI Agent。
(b) Prompt Chaining(&策略)在系統層面，與各AI Agent協作上的引導與規劃都很重要。
(c) AI Agent 們完成任務後的結果反饋，相互之間對結果的審核、批評或提供改進意見，就變成一個大的迭代循環(一如單一AI Agent)，逐步完善output。
－
應用場景與案例：
目前商業化的實踐並不常見，但，應用相同框架與原理，以模塊(Module instead of AI Agent)實現，且直接觸及終端消費者的，其實已蠻成熟的了，像是：營銷自動化平台、金融投資AI**。
**註：特別以金融投資應用為例是因為其應用的重點部分是競爭，不止合作。這很有趣，藉由各AI Agent的競爭模擬，為終極任務尋求最佳投資策略、預測最佳投資時間點..等等。對我來說，這個例子很好的展示了競爭如何在Multi-Agent 系統中實現。
