--- title: Оркестрация ИИ-агентов url: https://ftrlg.com/ru/wiki/ai-agent-orchestration/ lang: ru published: 2026-10-11 version: 2 summary: Способ решать задачи несколькими ИИ-агентами сразу — главный агент делит работу между исполнителями, следит за ними и собирает результат. cite_as: "future.log, «Оркестрация ИИ-агентов», https://ftrlg.com/ru/wiki/ai-agent-orchestration/" license: CC BY 4.0 https://creativecommons.org/licenses/by/4.0/ --- # Оркестрация ИИ-агентов **Оркестрация ИИ-агентов** (англ. *multi-agent orchestration*) — способ решать задачу несколькими [ИИ-агентами](https://ftrlg.com/ru/wiki/autonomous-ai-agents/) сразу: главный агент-оркестратор делит работу на части, раздаёт их агентам-исполнителям, следит за ними и собирает результат. Оркестратором может быть и человек, который одновременно ведёт несколько агентов. Первые открытые фреймворки для этого появились в 2023 году.[^1] К 2026 году оркестрация стала встроенной функцией инструментов разработки: в Claude Code можно запустить команду агентов, которые работают параллельно и сами координируются.[^7] Исследования при этом показывают, что несколько агентов помогают не всегда: на одних задачах они заметно сильнее одного, на других заметно слабее.[^9] ## История - **16.08.2023** Microsoft публикует AutoGen — открытый фреймворк, в котором приложения строятся из нескольких агентов, способных «разговаривать друг с другом», чтобы выполнить задачу.[^1] - **23.01.2024** LangChain показывает многоагентные схемы на LangGraph: «агент-супервизор» направляет задачи отдельным агентам — по сути, это агент, чьи инструменты — другие агенты.[^2] - **19.12.2024** [Anthropic](https://ftrlg.com/ru/models/anthropic/) в руководстве «Building Effective AI Agents» описывает схему «оркестратор — исполнители»: центральная модель на ходу делит задачу, поручает части моделям-исполнителям и сводит их результаты.[^3] - **09.04.2025** Google выпускает Agent Development Kit для приложений из нескольких специализированных агентов и открытый протокол A2A, по которому агенты разных компаний могут работать вместе; протокол поддержали больше 50 технологических партнёров.[^4][^5] - **24.07.2025** В Claude Code появляются собственные субагенты: у каждого своё окно контекста, свои инструкции, инструменты и права.[^6] - **05.02.2026** Anthropic добавляет в Claude Code «команды агентов» (предварительная версия): несколько агентов работают параллельно как команда и сами координируются.[^7] - **08.09.2026** [OpenAI](https://ftrlg.com/ru/models/openai/) сообщает, что её внутренняя модель доказала возможность сингулярности в уравнениях Навье — Стокса (со внешней силой), задействовав около 10 000 координирующихся агентов за 88 часов.[^16] - **07.10.2026** Илон Маск объявляет, что Grok Bot будет брать для каждой задачи лучшую модель, включая Claude Opus 5.5, Midjourney и Suno.[^17] - **08.10.2026** Google представляет агента Gemini, который выполняет каждую задачу на подходящей модели — Gemini или [Claude](https://ftrlg.com/ru/models/claude/).[^18] - **09.10.2026** Anthropic открывает бету динамических процессов Claude Managed Agents: главный агент пишет план для многих агентов. В тесте с 70 заложенными ошибками команда агентов нашла 66 в каждом из трёх запусков, одиночный агент — 14, 15 и 27.[^19] ## Как устроено Встречаются две схемы. В первой оркестратор — модель: она сама решает, на какие части делить задачу, и запускает исполнителей. Так устроены фреймворки AutoGen, LangGraph, CrewAI, OpenAI Agents SDK (преемник экспериментального Swarm)[^10] и Google ADK, а также субагенты и команды агентов в Claude Code. Во второй оркестратор — человек, который ведёт несколько агентов параллельно. Саймон Уиллисон пишет, что у него часто открыто несколько окон терминала, где разные агенты работают в разных папках.[^11] Проект Gas Town Стива Егге делает из этого систему: главный агент «Мэр» координирует остальных, и, по описанию проекта, работа остаётся управляемой при 20–30 агентах.[^12] В 2026 году появилась и оркестрация моделей разных компаний: агент Gemini от Google и Grok Bot от xAI направляют каждую задачу той модели, которая справится лучше, включая модели конкурентов.[^17][^18] ## Данные | исследование | что измеряли | результат | |---|---|---| | Джемри и др. (Калифорнийский университет в Беркли), 17.03.2025[^8] | 1642 записи работы 7 открытых многоагентных систем; 150 размечены вручную, остальные — моделью | доля провалов — от **41% до 86,7%**; выделено 14 типов сбоев в трёх группах: устройство системы, рассогласование агентов, проверка результата | | [Anthropic](https://ftrlg.com/ru/models/anthropic/), 13.06.2025[^13] | исследовательская система: Claude Opus 4 — оркестратор, Claude Sonnet 4 — исполнители; внутренний тест компании, которая продаёт токены | на **90,2%** лучше одиночного Claude Opus 4; расход токенов — примерно в **15 раз** больше, чем в чате; 80% разброса качества объясняет сам объём потраченных токенов | | Ким и др. (Google Research, [Google DeepMind](https://ftrlg.com/ru/models/google-deepmind/), MIT), 09.12.2025[^9] | 260 конфигураций: 6 тестов для агентов, 5 архитектур (один агент и четыре многоагентных), 3 семейства моделей | по сравнению с одним агентом — от **+80,8%** на задачах, которые делятся на части (финансовый анализ), до **−70%** на последовательном планировании | > **[ВЫВОД РЕДАКЦИИ]** Несколько агентов — не универсальное улучшение, а ставка, которая выигрывает на задачах, распадающихся на независимые части, и проигрывает там, где шаги зависят друг от друга. Выигрыш покупается токенами: у Anthropic качество объясняется прежде всего объёмом потраченных токенов, а многоагентная система тратит их примерно в 15 раз больше чата. Открытые многоагентные системы проваливают от 41% до 87% задач, и заметная часть сбоев — в рассогласовании агентов и непроверенном результате. Оговорка: самый высокий выигрыш (+90,2%) — внутренний тест компании, которая продаёт токены. ## Инциденты ### ServiceNow: агент, который зовёт других агентов, ноябрь 2025 Исследователь компании AppOmni Аарон Костелло показал, что агенты ИИ-помощника ServiceNow Now Assist могут находить друг друга и поручать друг другу задачи — нужные для этого настройки включены по умолчанию. Внедрённая в данные инструкция заставила безобидного агента «привлечь более мощных агентов», а те создавали, читали, меняли и удаляли записи и отправляли наружу письма с содержимым других записей — при включённой защите от внедрения инструкций. ServiceNow подтвердила, что такое поведение предусмотрено, и уточнила документацию. AppOmni продаёт защиту от таких атак.[^14] ## Критика Cognition, разработчик агента Devin, в статье Уолдена Яна «Don't Build Multi-Agents» выступила против многоагентных систем. Два принципа: агентам нужно передавать полный контекст и всю историю действий, а не отдельные сообщения; каждое действие несёт неявные решения, и противоречащие решения дают плохой результат. Пример: один субагент неверно понял свою часть задачи и стал рисовать фон в стиле Super Mario Bros., другой нарисовал птицу, не похожую на игровую, — и итоговому агенту пришлось склеивать два недоразумения. Cognition при этом продаёт одноагентный продукт.[^15] ## Сигналы - 2025-10-05 — Саймон Уиллисон: «Разные агенты в разных папках» — о том, как сам работает с несколькими ИИ-агентами одновременно (https://ftrlg.com/ru/signals/cq3nskqse/) ## См. также [Автономные ИИ-агенты](https://ftrlg.com/ru/wiki/autonomous-ai-agents/) · [Агентная инженерия](https://ftrlg.com/ru/wiki/agentic-engineering/) · Агентная разработка · Claude Code · Самопишущееся ПО ## Примечания [^1]: Q. Wu et al. AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation — arXiv, 16.08.2023. [arxiv.org](https://arxiv.org/abs/2308.08155) [^2]: LangGraph: Multi-Agent Workflows — LangChain, 23.01.2024. [langchain.com](https://www.langchain.com/blog/langgraph-multi-agent-workflows) [^3]: Building Effective AI Agents — Anthropic, 19.12.2024. [anthropic.com](https://www.anthropic.com/engineering/building-effective-agents) [^4]: Agent Development Kit: Making it easy to build multi-agent applications — Google for Developers, 09.04.2025. [developers.googleblog.com](https://developers.googleblog.com/en/agent-development-kit-easy-to-build-multi-agent-applications/) [^5]: Announcing the Agent2Agent Protocol (A2A) — Google for Developers, 09.04.2025. [developers.googleblog.com](https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/) [^6]: Claude Code changelog, версия 1.0.60 — Anthropic, 24.07.2025. [github.com](https://github.com/anthropics/claude-code/blob/main/CHANGELOG.md) [^7]: Claude Opus 4.6 — Anthropic, 05.02.2026. [anthropic.com](https://www.anthropic.com/news/claude-opus-4-6) [^8]: M. Cemri et al. Why Do Multi-Agent LLM Systems Fail? — arXiv, 17.03.2025 (версия 3 — 26.10.2025). [arxiv.org](https://arxiv.org/abs/2503.13657) [^9]: Y. Kim et al. Towards a Science of Scaling Agent Systems — arXiv, 09.12.2025 (версия 3 — 08.04.2026). [arxiv.org](https://arxiv.org/abs/2512.08296) [^10]: Swarm (experimental, educational) — OpenAI, GitHub. [github.com](https://github.com/openai/swarm) [^11]: Embracing the parallel coding agent lifestyle — Simon Willison, 05.10.2025. [simonwillison.net](https://simonwillison.net/2025/Oct/5/parallel-coding-agents/) [^12]: Gas Town — Steve Yegge, GitHub. [github.com](https://github.com/steveyegge/gastown) [^13]: How we built our multi-agent research system — Anthropic, 13.06.2025. [anthropic.com](https://www.anthropic.com/engineering/multi-agent-research-system) [^14]: When AI Turns on Its Team: Exploiting Agent-to-Agent Discovery via Prompt Injection — AppOmni, 19.11.2025. [appomni.com](https://appomni.com/ao-labs/ai-agent-to-agent-discovery-prompt-injection/) [^15]: Don't Build Multi-Agents — Cognition, 12.06.2025. [cognition.com](https://cognition.com/blog/dont-build-multi-agents) [^16]: On the Navier–Stokes Millennium Prize Problem — OpenAI, 08.09.2026. [openai.com](https://openai.com/index/navier-stokes-solution/) [^17]: Elon Musk: «Important note regarding Grok @Bot…» — X, 07.10.2026. [x.com](https://x.com/elonmusk/status/2107724314451878104) [^18]: Gemini at Work 2026: Introducing Gemini agent — Google Cloud, 08.10.2026. [cloud.google.com](https://cloud.google.com/blog/products/ai-machine-learning/welcome-to-gemini-at-work-2026) [^19]: Claude Developers: «We planted 70 bugs in a 116k-line codebase…» — X, 09.10.2026. [x.com](https://x.com/ClaudeDevs/status/2108591330129523146) — future.log, «Оркестрация ИИ-агентов», https://ftrlg.com/ru/wiki/ai-agent-orchestration/ · CC BY 4.0