Россия
УДК 004.75 Распределённые системы обработки данных
Целью работы является анализ архитектурных компонентов мультиагентных систем на основе больших языковых моделей. Метод исследования – сравнительный анализ архитектур MetaGPT, Generative Agents, AutoGen, OrgAgent, MIRIX и ChatDev по единому набору критериев (организация ролей, память, координация, структурированные результаты, взаимодействие, проверка качества) с последующей интеграцией компонентов в единую систему и опытной проверкой на задачах двух типов в одноагентном и мультиагентном режимах. Установлено, что на рассмотренных задачах мультиагентный режим уступает одноагентному по качеству (оценки 3,0 и 4,5 против 9,0 по десятибалльной шкале). Выявлена архитектурная причина: несоответствие типа задачи набору действий в конфигурации ролей. Обнаружена закономерность: при интеграции трех контуров проверки – детектора отказов, проверки соответствия и контура принятия решений – возникает способность к самодиагностике, не наблюдаемая ни в одной из рассмотренных систем по отдельности. Три контура согласованно определили ненадежность результата и отказались его выдать. Данное свойство отличается от известных подходов к диагностике мультиагентных систем, где анализ выполняется после завершения работы. Результаты могут быть использованы при проектировании мультиагентных систем для задач с высокой ценой ошибки.
мультиагентные системы, большие языковые модели, архитектура агентов, память агентов, координация, самодиагностика
1. Wooldridge M. An Introduction to MultiAgent Systems. Wiley, 2009. 484 p.
2. Минцберг Г. Структура в кулаке: создание эффективной организации / пер. с англ. СПб.: Питер, 2004. 512 с.
3. Large Language Model based Multi-Agents: A Survey of Progress and Challenges / T. Guo [et al.] // arXiv:2402.01680. 2024.
4. Multi-Agent Collaboration Mechanisms: A Survey of LLMs / K.-T. Tran [et al.] // arXiv:2501.06322. 2025.
5. MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework / S. Hong [et al.] // Proc. ICLR. 2024. arXiv:2308.00352.
6. ChatDev: Communicative Agents for Software Development / C. Qian [et al.] // Proc. ACL. arXiv:2307.07924. 2024.
7. OrgAgent: Organize Your Multi-Agent System like a Company / Wang [et al.] // arXiv:2604.01020. 2026.
8. Generative Agents: Interactive Simulacra of Human Behavior / J.S. Park [et al.] // Proc. ACM UIST. arXiv:2304.03442. 2023.
9. MIRIX: Multi-Agent Memory System for LLM-Based Agents / Wang [et al.] // arXiv:2507.07957. 2025.
10. AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation / Q. Wu [et al.] // arXiv:2308.08155. 2023.
11. Why Do Multi-Agent LLM Systems Fail? / M. Cemri [et al.] // Proc. NeurIPS (Datasets and Benchmarks Track). arXiv:2503.13657. 2025.
12. Role-Based Access Control Models / R. Sandhu [et al.] // IEEE Computer. 1996. Vol. 29. № 2. P. 38–47.
13. Towards Self-Improving Error Diagnosis in Multi-Agent Systems / Zhang [et al.] // arXiv:2604.17658. 2026.
14. DiLLS: Interactive Diagnosis of LLM-based Multi-agent Systems via Layered Summary / R. Sheng [et al.] // Proc. CHI. arXiv:2602.05446. 2026.
