Phase 16: Multi-Agent & Swarms

Çok Ajanlı İlkel Model

Dört primitif, daha fazlası ajan, teslimat, paylaşılan durum, orkestratör dört boyutlu bir tasarım alanını kapsar ve 2026'da gönderilen büyük çoklu ajan çerçeveleri (AutoGen, LangGraph, CrewAI, OpenAI Agents SDK, Microsoft Agent Framework) noktalardır. Bu ders onları sıfırdan inşa eder, dörtte bir oyuncak sistemi çalışır, sonra her ana çerçeveyi aynı ekselere haritası yapar böylece yeni bir versiyonu bir paragraf içinde okuyabilirsiniz.

Type: Learn

Languages: Python (stdlib)

Prerequisites: Phase 14 (Agent Engineering), Phase 16 · 01 (Why Multi-Agent)

Time: ~60 minutes

Sorun

Her altı ayda bir yeni çok ajan çerçeve gemileri. AutoGen 2023. CrewAI 2024. LangGraph ve OpenAI Swarm 2024. Google ADK Nisan 2025. Microsoft Agent Framework RC Şubat 2026. Her basın açıklaması "doğru soyutlama" olduğunu iddia ediyor.

Eğer bunları birbiriyle öğrenmeye çalışarsanız, biter. API'ler farklı görünüyor. Dokümanlar "ajan" nedir konusunda anlaşmazlık yaşıyor. Bir çerçeve paylaşılmış hafızasını "blackboard" olarak adlandırır, bir diğeri "eğitim havuzu" olarak adlandırır, bir diğeri "StateGraph" olarak adlandırır.

Bu değil. pazarlama altında, dört ilkel sabit. Bir kez öğrenin, her yeni çerçeveyi bir paragrafda okuyun.

Anlam

Dört ilkel

Agent bir sistem prompt ve bir araç listesi. İletiksel; her çalıştırma sistem prompt'undan ve mevcut mesaj geçmişinden başlar.
Handoff bir ajanın diğerine yönlendirilmiş bir kontrol transferü.
Shared state birden fazla ajanın okuyabileceği (bazen yazabileceği) herhangi bir veri yapısı. Mesaj havuzu, kara tahtası, anahtar değerleri depolama, vektör belleği.
Orchestrator kim sonraki konuşmayı seçebilir. Seçenekler: açık bir grafik (deterministik), bir LLM konuşmacı seçicisi (yumuşak), son konuşmacı'nın el eleme çağrısı (OpenAI Swarm), veya bir kuyruk üzerinde bir programlayıcı (swarm mimarisi).

Bu tüm tasarım alanı. Her çerçeve her eksesi için öntanımlı seçenekler seçer.

2026 çerçevesinin nasıl haritası

Framework	Agent	Handoff	Shared state	Orchestrator
OpenAI Swarm / Agents SDK	`Agent(instructions, tools)`	tool returns Agent	caller's problem	the LLM's next handoff call
AutoGen v0.4 / AG2	`ConversableAgent`	speaker-selector on GroupChat	message pool	selector function (LLM or round-robin)
CrewAI	`Agent(role, goal, backstory)`	`Process.Sequential / Hierarchical`	Task outputs chained	manager LLM or static order
LangGraph	node function	graph edge + condition	`StateGraph` reducer	the graph, deterministic
Microsoft Agent Framework	agent + orchestration patterns	pattern-specific	thread / context	pattern-specific
Google ADK	agent + A2A card	A2A task	A2A artifacts	host decides

Yüzey farkları büyük görünüyor.

Bu neden önemli?

İlkselleri gördüğünüzde, çerçeve karşılaştırması kısa bir kontrol listesi haline gelir:

Orkestratör LLM'ye yönlendirmeyi (Swarm) güveniyor mu yoksa yönlendirmeyi kodla (LangGraph) belirliyor mu?
Paylaşılan devlet tam tarihi (GroupChat) mi yoksa projelendirilen (StateGraph reducer) mi?
Ajanlar birbirlerinin isteklerini değiştirebilir mi (CrewAI yöneticisi) yoksa sadece elden mi (Swarm)?

Bu üç sorunun cevabı, hangi çerçeveyi belirtilen bir soruya uygun buluyor. "En iyi çok ajan çerçevesini" satın almaktan vazgeçip aslında önem verdiğiniz ekseni tasarlamaya başlarsınız.

Ülkesiz bir anlayış

Ortak durum hariç her primitif devletsizdir. Ajan bir fonksiyon (sürekli, araçlar). Elde etmek bir fonksiyon çağrısı. Orkestratör bir programcıdır. The only stateful thing in the system is shared state.Tüm ilginç hatalar burada yaşar: hafıza zehirlenmesi (Denevi 15), mesaj düzenleme, versiyonlama, yazma tartışmaları.

Paylaşılan durumunu gizleyen çerçeveler (Swarm) sorunu çağıran kişiye yönlendirir. Onu merkezileştiren çerçeveler (LangGraph kontrol noktası, AutoGen havuzu) onu denetleyici yapar ancak koordinasyon maliyetini paylaşılan durum uygulamasına aktarır.

Tek bir ilkelin anatomisi

#### Ajan .

Agent = (system_prompt, tools, model, optional_name)

Aynı sistemde iki ajanın mesajı ve araçları değiştirilebilir.

#### Elverme

Handoff = (from_agent, to_agent, reason, payload)

Üç uygulama baskın:

Function returnBu OpenAI Swarm modelidir. Ajanlar araç şemelerinde yönlendirme taşır.
Graph edge LangGraph. Kenarlar deklaratifdir. LLM bir değer üretir; bir koşul bir sonraki düğmeyi seçer.
Speaker selection AutoGen GroupChat. Seçim fonksiyonu (bazen kendisi bir LLM çağrısı) havuzu okuyor ve sonraki konuşmayı seçer.

#### Paylaşılan devlet

SharedState = { messages: [], artifacts: {}, context: {} }

En az bir mesaj listesini oluşturmak. Genellikle daha fazla: yapılandırılmış eserler (CrewAI Görev çıkışları), tipize edilmiş bağlam (LangGraph azaltıcıları), dış bellek (MCP, vektör DB).

İki topoloji: full pool(her ajan her mesajı görür) ve projected(Agentler rol ölçeği görünümünü görüyor). Tam havuzlar basit ve kötü ölçeklendirilir.

#### Orkestratör

Orchestrator = ({state, last_speaker}) -> next_agent

Dört tat:

Static grafik inşaat zamanında sabitlenir (LangGraph deterministic, CrewAI Sequential).
LLM-selected Bir LLM havuzu okuyor ve bir sonraki konuşmayı seçer (AutoGen, CrewAI Hierarşik).
Handoff-driven mevcut ajan bir teslimat aracı (Swarm) çağırarak karar verir.
Queue-driven İşçiler ortak bir kuyruktan çekilir; açık bir sonraki hoparlör yok (swarm mimarileri, Matrix).

Çerçeve arasındaki değişiklikler

İlkeler sabitlendikten sonra, kalan tasarım kararları şunlardır:

Memory strategy geçici vs. dayanıklı kontrol noktası (LangGraph kontrol noktası).
Safety boundary bir teslimat (işlemi yapan insan) onaylayabilir.
Cost accounting Bir ajan başına token bütçeleri.
Observability Elveriler izlemek, tekrar oynamak için devamlı durum.

Hepsi ilk önce uygulanabilir.

Yapın

code/main.pyPython'un 150 satırında dört ilksel uygulamasını uyguluyor.

Dosya ihracatı:

Agent isim, sistem prompt, araç, politika işlevi ile ilgili bir veri sınıfı.
Handoff yeni bir ajanı geri veren bir fonksiyon.
SharedState bir iplik güvenli mesaj havuzu.
Orchestrator Üç çeşit: StaticOrchestrator- Evet .HandoffOrchestrator- Evet .LLMSelectorOrchestrator(sümüle edilmiş).

Demo, üç orkestratör türü boyunca aynı üç ajan borusunu ( araştırma → yaz → inceleme) yürütür ve sonunda mesaj havuzunu yazdırır.

Çek şunu:

python3 code/main.py

Beklenen çıkış: üç orkestratör çalışması, bir örneğe göre. Her biri son mesaj havuzunu basar. Yükümle yönlendirilmiş çalışmalar araştırmacı erken yapılması karar verirse daha az ajanlara ulaşır.

Kullan

outputs/skill-primitive-mapper.mdBu, bir dizi ajan kod tabanını veya çerçeve belgesini okuyan ve dört temel haritasını geri veren bir beceri.

Gönder

Yeni bir çerçeveyi kabul etmeden önce, bunun için ilk önce haritasını yazın. Eğer yapamazsanız, belgeleri eksik veya çerçeve beşinci ilkciyi icat ediyor (görmediğiniz ortak durum tatı için nadir kontrol edin).

Yapılandırmayı mimari belgesine bağlayın. Yeni bir ekip üyesi katıldığında, API belgeleri öncesine harita gönderin. Çerçeve sürümleri değiştiğinde, haritalama değişir, değişim logu değil.

Egzersizler

Çık .code/main.pyOrkestör seçiminin hangi ajanları yöneteceğini gözlemleyin.
Dördüncü orkestrasyon türünü uygulayın: ajanların iş için durumunu paylaştığı kuyruklu bir tür.
LangGraph hızlı başlangıcı (https://docs.langchain.com/oss/python/langgraph/workflows-agentsLangGraph'in soyutlama haritasından hangisi 1:1 ve hangisi rahatlık kaplamalarıdır?
OpenAI Swarm yemek kitabı okuyun (https://developers.openai.com/cookbook/examples/orchestrating_agents). Swarm'ın dört ilkelden hangisini en ergonomik hale getirdiğini ve hangisini çağıran kişiye itirdiğini belirleyin.
Bu tabloda paylaşılmış durumu tamamen gizleyen bir çerçeve bul ve ajanların geçmişi yeniden okumadan teslimatları koordine etmeleri gerektiğinde neyin kırıldığını açıkla.

Anahtar Terimler

Term	What people say	What it actually means
Agent	"An LLM with tools"	A `(system_prompt, tools, model)` triple. Stateless.
Handoff	"Transfer of control"	A structured call that names the next agent and optional payload. Three implementations: function return, graph edge, speaker selection.
Shared state	"Memory" / "context"	The only stateful part of a multi-agent system. Message pool or blackboard.
Orchestrator	"Coordinator"	Whoever decides who runs next. Static graph, LLM selector, handoff-driven, or queue-driven.
Primitive	"Abstraction"	One of the four axes every framework parameterizes. Not a framework feature.
Message pool	"Shared chat history"	Full-history shared state. Easy to reason about, scales badly.
Projected state	"Scoped view"	Role-specific view into shared state. Scales, requires schema design.
Speaker selection	"Who talks next"	Orchestrator pattern where a function (often an LLM) picks the next agent from a group.

Daha Fazla Okumak

OpenAI cookbook: Orchestrating Agents — Routines and Handoffs el ele yönlendirilmiş orkestrasyonun en net ifade edilmesi
AutoGen stable docs GroupChat + konuşmacı seçimi LLM seçilen orkestrasyon için referanstır
LangGraph workflows and agents Grafik kenarında orkestrasyon ve azaltıcı tabanlı ortak durum
CrewAI introduction Rol-hedef-geçmişli ajanlar, Sequential / Hierarchical processes
AG2 (community AutoGen continuation) Microsoft'un v0.4'i bakıma geçirdiğinden sonra canlı AutoGen v0.2 hattı

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.