Мультиагентная оркестрация в бизнесе 2026: роли, handoff, QA

Мультиагентная оркестрация в бизнесе 2026 окупается только там, где процессы реально делятся на роли с разными инструментами и SLA; в большинстве МСП один узкий агент с жёстким handoff дешевле и стабильнее «роя» из пяти LLM.

Я вижу одну и ту же ошибку: команда услышала про CrewAI/LangGraph/AutoGen и GPT-5.x с programmatic tool calling — и сразу проектирует «оркестр». На практике сначала выигрывает один процесс, один владелец, один критерий качества. Ниже — как я раскладываю роли, handoff и QA, и когда сознательно остаюсь на single-agent.

---

Один агент vs «рой»: критерий выбора

Правило простое: сложность оркестрации растёт быстрее, чем качество ответа, если нет чётких границ ответственности.

Сигнал	Один агент	Мультиагент
1 процесс, 1 система правды	✅ старт здесь	избыточно
Разные права (read CRM / write 1С / платежи)	рискованно без guard	✅ разделение ролей
Разные SLA (FAQ 30 с vs сверка 10 мин)	смешивает приоритеты	✅ отдельные воркеры
Нужен параллельный research + draft + review	узко, но возможно	✅ пайплайн
Команда <2 людей на поддержку агента	✅	почти всегда провал
Нет логов session_id и policy_version	любой вариант сломается	сломается дороже

Когда один агент лучше «роя»: support first-line, квалификация лида, статус заказа, внутренняя FAQ-база. Там выигрывает глубина знаний и stop-list, а не число «персон».

Когда рой оправдан: длинный B2B-цикл (research → brief → draft КП → legal check → CRM update), документный конвейер с разными tool-whitelist, или когда review обязан быть отдельным агентом с read-only на исходные факты.

---

Роли, которые реально живут в production

Я не пложу «креативных» имён. Беру 4–6 ролей максимум, иначе handoff превращается в пинг-понг.

Роль	Задача	Инструменты (пример)	Право на side-effect
Router / Triage	intent, приоритет, stop-list	классификатор, правила	нет
Worker	выполнить шаг SOP	CRM read, KB, калькулятор	ограниченный write
Specialist	узкая экспертиза (цены, юр. шаблон)	свой whitelist	только в зоне
Reviewer / Guard	проверка политики, PII, money	rules + LLM-judge	блок / эскалация
Executor	финальный write/send	CRM write, email, мессенджер	да, по whitelist
Human desk	edge, деньги, жалобы	UI + контекст сессии	полный

Чеклист границ роли

• У роли есть один primary outcome (не «помочь клиенту во всём»)
• Whitelist tools записан в коде/конфиге, не только в промпте
• Max steps / max tokens / wall-time на роль
• Явный отказ: что роль никогда не делает
• Версия policy и версии знаний в audit trail

Стек 2026 (LangGraph, CrewAI, AutoGen, programmatic tool calling в новых моделях) — это способ описать граф. Бизнес-ценность даёт не фреймворк, а контракт роли: вход, выход, tools, stop.

---

Handoff без потери контекста

Handoff ломается в трёх местах: обрезанный контекст, размытая ответственность, отсутствие «почему передали».

Минимальный пакет handoff

1. session_id, trace_id, время, канал
2. Intent + confidence + причина маршрутизации
3. Краткая история (не весь сырой лог) + ключевые факты (ID заказа, ИНН, сумма)
4. Что уже сделано / что запрещено повторять
5. Ожидаемый next action и SLA
6. Ссылка на policy_version и KB snapshot

Тип handoff	Когда	Риск
Agent → Agent	смена компетенции	дубль действий, loop
Agent → Human	money, legal, low confidence, жалоба	оператор без контекста
Human → Agent	рутина после решения	агент «забывает» решение человека
Guard → stop	policy breach	ложные срабатывания без апелляции

Анти-паттерны

• Передача «всего чата» без структуры — токены горят, факты тонут
• Два агента с правом write в одну сущность без lock/идемпотентности
• Handoff по «ощущению модели» без порога confidence и правил
• Нет кнопки «вернуть в очередь» у человека

Я фиксирую handoff как событие в логе наравне с tool call: from_role, to_role, reason_code, payload_hash. Иначе разбор инцидента — археология.

---

Контроль качества multi-agent

Качество «роя» — это не средняя оценка диалога. Это метрики на стыках.

Слой QA	Что меряю	Частота
Router	precision/recall топ-интентов, % unknown	ежедневно
Worker	task success, tool error rate, retries	ежедневно
Guard	false block / miss rate на gold set	2–3× в неделю
End-to-end	% автозакрытия в scope, CSAT/CES, re-open	еженедельно
Handoff	время до принятия, % incomplete package	еженедельно
Cost	токены/сессия, доля reviewer	еженедельно

Практический минимум на первую боевую версию

• Shadow-mode или 20–40% трафика в scope
• Gold-set 50–100 кейсов с эталонным маршрутом
• LLM-as-judge только как сигнал; финальное — человек на выборке
• Circuit breaker: N ошибок tool API → degrade to human
• Freeze ролей на 7–14 дней после go-live (не плодить агентов «на ходу»)

Правило стоимости: если reviewer съедает >30–40% токенов сессии без снижения re-open — оркестрация декоративная. Упрощаю граф.

---

Часто задаваемые вопросы

Сколько агентов достаточно для МСП на старте?

Одного worker + router (можно rules-based) + human desk. Reviewer — вторым этапом, когда есть gold-set и понятные policy. Пять «персон» в первую неделю — почти всегда overhead.

Чем multi-agent отличается от обычного workflow в n8n?

В n8n/Make шаги детерминированы: if/then, фиксированные API. Multi-agent добавляет LLM-решения на развилках. Я оставляю LLM там, где язык и неоднозначность, а money/write — за детерминированными guardrails.

Когда «рой» точно не нужен?

Один канал, одна CRM, узкий FAQ, команда без владельца observability. Там multi-agent маскирует отсутствие процесса и знаний.

Как не поймать infinite loop между агентами?

Лимит handoff hops (например 3–5), запрет A→B→A без new fact, wall-time на сессию, явный terminal state и алерт на hop-count.

---

Читайте также

• Оркестрация tool calling, SOP и audit AI-агента
• Архитектура AI-агента: роли, guardrails, handoff
• Протокол handoff AI-агента: QA и скоринг в production
• 7 ошибок production AI-агентов и handoff

---

Готов разобрать ваш процесс и сказать честно: хватит одного агента или нужен граф ролей — raisovich.ru

Какие метрики качества важны для multi-agent в проде?

Смотрю стыки: precision router, task success worker, false block guard, incomplete handoff package и cost/session — средняя «оценка диалога» без разреза по ролям почти бесполезна.

Что обязательно класть в пакет handoff между агентами?

Минимум: session_id/trace_id, intent и confidence, ключевые факты, что уже сделано, next action со SLA и ссылка на policy_version — «весь чат» без структуры жечь токены и топить факты.

Когда reviewer-агент оправдан по стоимости?

Когда есть gold-set и понятные policy, а re-open реально падает; если reviewer съедает больше 30–40% токенов сессии без эффекта — граф декоративный и его упрощаю.