Phase 14: Agent Engineering

Padrões de Orquestração: Supervisor, Swarm, Hierarquial

Type: Learn + Build

Languages: Python (stdlib)

Prerequisites: Phase 14 · 12 (Workflow Patterns), Phase 14 · 25 (Multi-Agent Debate)

Time: ~60 minutes

Objetivos de aprendizagem

• Cite os quatro padrões de orquestração recorrentes e quando cada um se encaixa.
• Descreva a recomendação de LangChain de 2026: supervisão baseada em ferramentas versus bibliotecas de supervisão.
• Explique a regra do Anthropic de "construir o sistema certo" e como ele abrange a escolha de topologia.
• Implementar os quatro em STDlib contra um Mestrado em Direito Comum.

O problema

As equipes buscam "multi-agente" antes de precisarem dele. Quatro padrões se repetem em todos os quadros; uma vez que você pode nomeá-los, você pode escolher o certo ou ignorar a topologia inteiramente.

O conceito

Supervisor-trabalhador

• Um LLM central de envio enviado para agentes especializados.
• Decide: voltar ao eu, entregar ao especialista, terminar.
• Os especialistas não falam entre si; toda a rotina passa pelo supervisor.

Estruturas: LangGraph create_supervisor, Orquestra Antropical-trabalhadores, CrewAI Processos Hierárquicos.

2026 LangChain recommendation:Fazer supervisão através de chamadas diretas de ferramentas em vez de create_supervisor. dá um controlo mais preciso da engenharia de contexto.

Swarm / peer-to-peer

• Os agentes transmitem directamente através de uma superfície de ferramentas compartilhada.
• Sem roteador central.
• Menos atraso do que o supervisor (menos saltos).
• Mais difícil de raciocinar (não há um único ponto de controlo).

Estruturas: Topologia do enxame de LangGraph, transferências do SDK OpenAI Agents (quando todos os agentes podem transferir para todos os outros).

- Hierarquias

• Supervisores gerentes sub-supervisores gerentes de trabalhadores.
• Implementados como subgrafos aninhados em LangGraph; tripulações aninhadas em CrewAI.
• Escala para grandes populações de agentes, a custo da complexidade operacional.

Quando é necessário: quando o orçamento contextual de uma única supervisão não pode conter descrições de todos os especialistas.

Debate

• Proponentes paralelos + crítica cruzada iterativa (Lessão 25).
• Não é realmente orquestração mais verificação mas aparece como uma escolha de topologia em quadros.

Equipamentos autônomos vs fluxos deterministas

A CrewAI formaliza dois modos de implantação:

• Flowpara a automação determinista orientada por eventos (ponto de partida recomendado para a produção).
• Crewpara a colaboração autónoma baseada em funções.

Isto é ortogonal aos quatro padrões acima, mas mapeia a topologia: Flow é tipicamente supervisor ou hierárquico; Crew é tipicamente supervisor com um roteador LLM.

A orientação do Antropic

"O sucesso no espaço de LLM não é sobre a construção do sistema mais sofisticado, é sobre a construção do sistema certo para as suas necessidades".

Ordem de decisão:

1. O único agente + padrões de fluxo de trabalho (Lessão 12)
2. Supervisor-trabalhador quando tiver 2-4 especialistas.
3. Swarm quando a latência importa mais do que a clareza do raciocínio.
4. Hierarquica apenas quando o orçamento do contexto da supervisão falhar.
5. Debate quando a precisão é mais importante do que o custo.

Onde este padrão vai mal

• Topology-first thinking."Precisamos de multi-agente" antes de identificar o problema que multi-agente resolve.
• Bouncing handoffs in swarm.A -> B -> A -> B. Use contadores de saltos.
• Fake hierarchy.Três camadas por "empresa", duas equipes reais.

Construí-lo

code/main.pyImplementa os quatro padrões em stdlib contra um LLM escrito:

• SupervisorRoteador central.
• Swarm- Peer-to-peer com transferências diretas.
• Hierarchical Supervisores de supervisores.
• Debate Propostas paralelas + crítica.

Cada padrão lida com a mesma tarefa de três intenções (reembolso / bug / vendas).

• É o que é ?

Copypython3 code/main.py

Output: rastreamento por padrão + contagem de opções. Supervisor é mais limpo; enxame é mais curto; hierárquico é mais profundo; debate é mais caro.

Usá-lo

• LangGraphpara supervisores e hierárquicos (subgrafos aninhados).
• OpenAI Agents SDKpara transferências como ferramentas (em forma de supervisor).
• CrewAI Flowpara a determinação da produção.
• CustomPara debater ou quando quiserem o controlo exato.

Envia-o

outputs/skill-orchestration-picker.mdescolhe uma topologia e a implementa.

Exercícios

1. Converter um supervisor-trabalhador em um enxame removendo o roteador.
2. Adicione um contador de saltos ao enxame: rejeita após 3 entregas.
3. Construir um sistema hierárquico de dois níveis para um domínio de 12 especialistas. Onde o orçamento contextual falha sem anidar?
4. Profila os quatro padrões de uma carga de trabalho em forma de produção. Qual vence em que métrica (latencia, custo, precisão, depurabilidade)?
5. Leia o post da Anthropic sobre "Eficientes Agentes de Construção", mapeando cada um dos fluxos de produção para um dos quatro.

Termos-chave

Mais leitura

• Anthropic, Building Effective Agents cinco padrões + agente vs fluxo de trabalho
• LangGraph overview supervisor, enxame, hierarquica
• CrewAI docs Tripulação vs Fluxo
• Du et al., Society of Minds (arXiv:2305.14325) Padrão de debate

This free lesson is part of the AI Engineering from Scratch curriculum. Read the full explanation, run the lesson code, and verify the result in the interactive reader or from the repository source.

Browse the complete course catalog or open this lesson on GitHub.