9.7.1 マルチ Agent ロードマップ：役割、メッセージ、責任者

マルチ Agent は役割分担の仕組みであり、複数のチャットボットを並べることではありません。役割分離、並列作業、相互チェック、専門家協調の利益が調整コストを上回るときだけ使います。

まず協調コストを見る

重要な問いは、分業の利益がメッセージ、重複コンテキスト、衝突、最終統合のコストを上回るかです。

役割境界チェックを動かす

各役割には 1 つの責務と 1 つの出力が必要です。最終判断の責任者を 1 人残します。

agents = {
    "researcher": "collect evidence",
    "editor": "rewrite content",
    "reviewer": "check beginner clarity",
}

final_owner = "reviewer"

print("agent_count:", len(agents))
for name, job in agents.items():
    print(f"{name}: {job}")
print("final_owner:", final_owner)

期待される出力：

agent_count: 3
researcher: collect evidence
editor: rewrite content
reviewer: check beginner clarity
final_owner: reviewer

2 つの役割が同じ出力を出すなら統合します。最終責任者がいないとシステムは迷走します。

この順番で学ぶ

手順	読む内容	実践アウトプット
1	マルチ Agent を使う時	単一 Agent のほうがよい時を書く
2	よくあるパターン	supervisor-executor、pipeline、debate、expert committee を比較する
3	コミュニケーション	メッセージ形式、共有状態、交接ルールを定義する
4	調整	責任者、キュー、衝突ルール、集約を追跡する
5	実践とリスク	コスト、ループ、重複作業、役割越権を測る

残す証拠

このページを終えたら、この証拠カードを残します。

役割

所有者、作業者、レビュー担当、または専門担当の責務

メッセージ契約

artifact、request、response、handoff 状態

調整

ルーティング、タスク分割、衝突解決、最終責任者

失敗確認

重複作業、文脈喪失、責任者不在、またはメッセージループ

評価アクション

マルチ Agent の結果を単一 Agent のベースラインと比較する

合格ライン

2〜3 体の Agent のデモが追跡可能な入力、出力、交接、最終責任を持ち、単一 Agent より良い理由を説明できれば、この章は合格です。

確認の考え方と解説

1. 合格レベルの答えでは、agent loop を goal、plan、tool call、observation、memory/state update、stop condition として説明します。
2. 証拠には、最終回答だけでなく、別の開発者が確認できる trace を残します。
3. tool schema、permission boundary、retry、evaluation case、人間レビューなど、安全性または信頼性の制御を1つ説明できれば十分です。