Phase 16: Multi-Agent & Swarms

Estudos de casos e o estado da técnica de 2026

Type: Learn (capstone)

Languages: —

Prerequisites: all of Phase 16 (Lessons 01-24)

Time: ~90 minutes

Problemas

A engenharia multi-agente é uma disciplina jovem. As referências à produção são poucas e cada uma abrange uma parte diferente do espaço. Ler-as uma a uma é útil; compará-las como um conjunto é mais útil. Esta lição trata três estudos de caso canônicos de 2026 como uma lista de leitura de ponta a ponta, pinha os padrões comuns e mapeia a paisagem do quadro para que você possa fazer escolhas de quadro com base no conhecimento, não no marketing.

Conceptos

Sistema de Pesquisa Antropológica

O caso de supervisor-trabalhador de produção. Claude Opus 4 planeja e sintetiza; Claude Sonnet 4 subagentes pesquisa em paralelo.https://www.anthropic.com/engineering/multi-agent-research-system.

Resultados principais medidos:

• +90.2%Melhoria em relação ao Opus 4 de um único agente em avaliações internas de investigação.
• 80% of BrowseComp varianceexplicado por token usage alone Multi-agente ganha em grande parte porque cada subagente recebe uma nova janela de contexto.
• 15x tokens per queryContra um agente único.
• Rainbow deploymentPorque os agentes são longínquos e estatais.

Lições de design codificadas:

1. Scale effort to query complexity.Simples → 1 agente com 3-10 chamadas de ferramentas. Médio → 3 agentes. Pesquisa complexa → 10+ subagentes.
2. Broad first, then narrow.Os subagentes fazem pesquisas amplas; sintetizam chumbo; os subagentes de acompanhamento fazem profundidades direcionadas.
3. Rainbow deploys.Mantém as versões antigas vivas até os agentes de voo acabarem.
4. Verification is not optional.Observou-se que o sistema alucinava sem funções explícitas de verificador.

Este é o caso de referência para a topologia supervisor-trabalhador (fase 16 · 05) em escala de produção.

MetaGPT / ChatDev

O caso de decomposição de papel de produção SOP. Cobrir arXiv:2308.00352 (MetaGPT) e arXiv:2307.07924 (ChatDev).

MetaGPT codifica os SOPs de engenharia de software como pedidos de função: Gerente de Produto, Arquiteto, Gerente de Projeto, Engenheiro, Engenheiro de Qualidade.Code = SOP(Team)Cada papel tem um prompt estreito e especializado; as transferências entre as funções contêm artefatos estruturados (documentos de PRD, documentos de arquitetura, código).

Contribuição do ChatDev: communicative dehallucination. Agentes pedem especificidades antes de responder um agente de design pergunta ao programador qual é a linguagem pretendida antes de esboçar UI, em vez de adivinhar.

MacNet (arXiv:2406.07155) estende o ChatDev para >1000 agents via DAGsCada nó DAG é uma especialização de papel; bordas codificam contratos de transferência. A escala é possível porque o roteamento é explícito e computavel offline.

Lições de design:

1. Structure matters more than size.Uma equipa de 5 jogadores superou um grupo de 50 agentes não estruturados.
2. Handoff contracts in writing.Os artefatos passados entre os papéis seguem um esquema.
3. Communicative dehallucinationÉ um padrão barato e carregador.
4. DAGs scale further than chat.Quando o fluxo for reconhecível, codifique-o.

Este é o caso de referência para a especialização de papéis (fase 16 · 08) e a topologia estruturada (fase 16 · 15).

Sistema de ecossistema OpenClaw / Moltbook

O caso da população de produção.

• Nov 2025:Naves Clawdbot (agente local de codificação ReAct-loop de Peter Steinberger).
• Dec 2025 – Mar 2026:renomeado duas vezes (Clawdbot → OpenClaw → continuou sob OpenClaw).
• Feb 2026:O Moltbook é lançado como uma rede social apenas para agentes nos mesmos primitivos; ~ 2,3 milhões de contas de agentes em poucos dias.
• Mar 2026 (2026-03-10):Meta adquire o Moltbook.
• Mar 2026:A China restringe o OpenClaw aos computadores do governo.
• Mar 2026:O OpenClaw cruza 247 mil estrelas do GitHub.

É assim que o multi-agente parece quando colocamos milhões de agentes num substrato compartilhado:

• Emergent economic activity.Os agentes compram, vendem e servem uns aos outros usando pagamentos de tokens.
• Prompt-injection risks at population scale.Um aviso malicioso num perfil de agente viral se propaga para milhares de interações entre agentes em horas.
• State-level regulatory response.Dentro de semanas do lançamento, a regulamentação chega ao ecossistema.

As lições de design deste caso são em parte técnicas e em parte governança:

1. Multi-agent at population scale is a new regime.As melhores práticas dos sistemas individuais (verificação, clareza de função) ainda se aplicam, mas não são suficientes.
2. Prompt injection is the new XSS.Tratar os perfis de agentes e as mensagens entre agentes como entradas não confiáveis por defeito.
3. Regulation is faster than design cycles.Planeje isso.
4. Open-source + viral scale compounds.247k estrelas em ~ 4 meses é incomum; design para implantação-explosão-carga.

Veja .OpenClaw WikipediaPara os fundamentos técnicos, os repositorios Clawdbot / OpenClaw expõem o loop local ReAct; as publicações públicas do Moltbook revelam a arquitetura do gráfico social no topo.

Paisagem-quadro Abril 2026

Todos os principais sistemas agora embarcam .MCPapoio; a maioria dos navios A2AA compatibilidade com o protocolo já não é um diferenciador.

Os padrões comuns em todos os três casos

1. Orchestrator + workers(Supervisor explícito antropico, PM-as-supervisor MetaGPT, agentes individuais OpenClaw + efeitos de rede).
2. Structured handoff contracts(Descrições de tarefas antropológicas de sub-agente, documentos de PRD/arquitetura MetaGPT, artefatos OpenClaw A2A).
3. Verification as first-class role(O verificador da Anthropic, o engenheiro de QA da MetaGPT, os validadores da OpenClaw na rede).
4. Scaling is topology + substrate, not just more agents(desenvolvimento de arco-íris, DAG MacNet, substratos em escala populacional).
5. Cost is material and disclosed(15x tokens, orçamento por função no MetaGPT, preços por interação no Moltbook).
6. Security posture is explicit(Antropic sandboxing, MetaGPT restrições de papel, OpenClaw injeção rápida como conhecida superfície de ataque).

Escolher uma referência para o seu próximo projeto

• Production research / knowledge task → Anthropic Research.Os sub-sub-agentes de contexto novo ganham.
• Engineering / tool-chain workflow → MetaGPT / ChatDev.Funções + SOPs + contratos de transferência.
• Network-effect social product → OpenClaw / Moltbook.Substrato + economia emergente.
• Classic enterprise automation → CrewAI or LangGraph(líder de produção, tempo de execução estável).

Resumo de 2026

Onde o campo está em abril de 2026:

• Frameworks are converging.O suporte MCP + A2A é a mesa de apostas.
• Evaluation is hardening.O SWE-bench Pro, MARBLE, STRATUS é o actual teste de realidade resistente à contaminação.
• Production failure rates are measurableO campo está fora da era da "parece ótima em demonstração".
• Cost is the central engineering constraint.Custo de tokens por tarefa, relógio de parede por interação, despedaçamento de arco-íris. Multi-agente ganha na precisão, mas perde no custo e esse comércio é a decisão comercial.
• Regulation is a near-term input, not a background concern.As jurisdições estão a avançar mais rapidamente do que os ciclos de implantação individuais.

Usá-lo

outputs/skill-case-study-mapper.mdé uma habilidade que lê um projeto de sistema multi-agente proposto e o mapeia para o estudo de caso mais próximo, superficando as decisões de projeto que o estudo de caso já testou.

Envia-o

Regras de início para a produção de multi-agentes em 2026:

• Start from a case study, not from scratch.Escolha o mais próximo de Pesquisa Antropical / MetaGPT / OpenClaw e adapta- se.
• Adopt MCP + A2A.A portabilidade entre as estruturas é valiosa; o suporte ao protocolo é gratuito.
• Measure against SWE-bench Pro or your internal Pro-equivalent.Verificado contaminado.
• Pay the verification tax.Um verificador independente custa ~ 20-30% do seu orçamento de token e compra corretidão mensurável.
• Rainbow deploy long-running agents.Espera que as corridas de agentes sejam rotineiras.
• Read WMAC 2026 and the MAST follow-ups.A disciplina está a avançar rapidamente.

Exercícios

1. Leia o sistema de pesquisa antropológica de ponta a ponta. Identifique três decisões de design que mudarão se você substituir o Opus 4 por um modelo menor (por exemplo, Haiku 4).
2. Leia MetaGPT Seções 3-4 (arXiv:2308.00352). Encode um SOP de seu próprio domínio (não software) como instruções de papel. Quantas funções implica o SOP?
3. Leia ChatDev (arXiv:2307.07924). Identifique o mecanismo de "desalucinação comunicativa". Implemente-o em um dos seus sistemas multi-agentes existentes.
4. Leia sobre OpenClaw e Moltbook. Escolha um modo de falha específico que surgiu em escala de população que não apareceria em um sistema de 5 agentes. Como você iria engenharia contra ele?
5. Escolha o seu projeto multi-agente atual. Qual dos três estudos de caso é a referência mais próxima? Quais decisões de projeto daquele estudo de caso ainda NÃO adotaram? Escreva uma que adotará neste trimestre.

Termos-chave

Mais leitura

• Anthropic — How we built our multi-agent research system a referência de produção dos trabalhadores supervisores
• MetaGPT — Meta Programming for Multi-Agent Collaborative Framework Descomposição do papel do SOP
• ChatDev — Communicative Agents for Software Development Desalucinação comunicativa
• MacNet — scaling role-based agents to 1000+ Escala baseada em DAG
• OpenClaw on Wikipedia Visão geral dos ecossistemas
• WMAC 2026 Talento do Programa de Ponte 2026 da AAAI sobre Coordenação Multicompanheira
• LangGraph docsLíder da produção
• CrewAI docs quadro baseado em funções

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.