Designing Multi-Agent Systems. Principles, Patterns and Implementation for AI Agents
Мультиагентные системы представляют собой новый этап развития приложений на основе генеративного искусственного интеллекта. Но как правильно их проектировать и координировать? В каких случаях их стоит применять? В этой практико-ориентированной книге Victor Dibia делится своим опытом создания мультиагентных инструментов, таких как AutoGen, AutoGen Studio и Agent Framework, помогая читателю понять принципы работы таких систем, области их применения, а также подходы к их архитектуре, разработке и внедрению.
Книга охватывает 15 глав, содержит более 185 фрагментов кода и иллюстрирована 46 авторскими схемами. В ней рассматриваются базовые концепции и паттерны взаимодействия агентов, пошаговое создание систем с нуля (включая разработку PicoAgents), методы оценки и оптимизации производительности, а также реальные примеры применения — от анализа данных до разработки программного обеспечения и обработки информации.
Особое внимание уделяется обучению с первых принципов: вместо изучения конкретного фреймворка, который может устареть, читатель последовательно создаёт собственную библиотеку PicoAgents, включающую агентов, инструменты, память, рабочие процессы и механизмы оркестрации мультиагентных систем.
Полноценные приложения, демонстрирующие работу мультиагентных паттернов на практике. Они доступны пользователям с тарифами Professional и Enterprise и позволяют изучить реальные сценарии разработки и внедрения AI-систем.
YC Analysis App — это готовое к продакшену приложение для анализа 5 622 компаний из Y Combinator с целью выявления трендов в области AI-агентов. В основе лежит четырёхэтапный рабочий процесс: загрузка данных, фильтрация, классификация и анализ. Решение оптимизирует затраты до 90% за счёт двухступенчатой фильтрации, поддерживает потоковую передачу данных в реальном времени через Server-Sent Events и включает интерактивную панель для исследования результатов. Технологический стек: Python 3.11+, FastAPI, React 19 и TypeScript.
ReelCut — это приложение для анализа, поиска и редактирования видео с использованием искусственного интеллекта. Оно позволяет импортировать видео, выполнять транскрибацию с помощью Whisper, искать по тексту или естественным языковым запросам, создавать списки нарезок, экспортировать отредактированные видео, переводить транскрипты и взаимодействовать с видеоконтентом через AI-агента. В проекте реализован агент с циклом инструментов (tool loop), а также функции интеллектуального поиска и обработки видео. Используемые технологии: Python 3.11+, FastAPI, React и TypeScript.
Professional Edition
Виктор Дибиа — главный инженер-исследователь программного обеспечения в Microsoft Research. Он принимал участие в разработке таких проектов, как GitHub Copilot, которым пользуются миллионы пользователей по всему миру. Является создателем AutoGen Studio — low-code инструмента для прототипирования мультиагентных приложений, а также ключевым разработчиком AutoGen — фреймворка для создания AI-приложений с несколькими агентами. Кроме того, он разработ
