Для доступа к материалам доклада
купите билет
или авторизуйтесь, если у вас он уже есть
или авторизуйтесь, если у вас он уже есть
Ограничения AI-агентов и мультиагентных систем: ожидания и инженерная реальность на Python
3 октября
13.10-13.40
Green 9. Системная и бизнес аналитика
AI-агенты все чаще воспринимаются как следующий уровень автоматизации: модель получает задачу, планирует действия, вызывает инструменты и координируется с другими агентами. На практике между красивой архитектурной схемой и устойчивой системой в production остается большой инженерный разрыв.
В докладе разберу ограничения агентных и мультиагентных систем на примерах реальных сценариев: где ломается планирование, почему растет количество ошибок при увеличении числа агентов, как контекст, инструменты, память и протоколы взаимодействия влияют на качество итогового результата.
Отдельный фокус - реализация таких систем на Python: архитектура агентного runtime, orchestration, tool calling, обработка состояний и ошибок, наблюдаемость и тестирование поведения агентов.
Покажу, какие проблемы действительно решаются дополнительными агентами, а где усложнение архитектуры только повышает стоимость, latency и вероятность отказа. Без универсального «правильного» фреймворка - с инженерными критериями, по которым можно понять, когда агентная архитектура оправдана, а когда проще и надежнее использовать обычный deterministic pipeline.
Доклад будет полезен Python-разработчикам, ML/AI-инженерам и архитекторам, которые уже экспериментируют с LLM-агентами или планируют выводить такие решения в production.
Может заинтересовать
#похожие доклады
