AI Automatizácia & Agenty📖 6 min čítania
Advanced Agent Systems
Multi-agent
Multi-agent workflows. Sub-agents. Connectors. MCP servery.
Čo sa naučíš
✓Multi-agent architektúra
✓Sub-agents a dispatch
✓MCP servery a connectors
✓Reálne use cases
✓Production deployment
Ochutnávka lekcie
Obsah
- 📖 Multi-agent patterns: Supervisor, Pipeline, Swarm, Hierarchical
- 📖 Frameworky porovnanie: Claude Agent SDK, LangGraph, CrewAI
- 📖 Kedy potrebuješ multi-agent (vs single agent)
<a id="patterns"></a>
📖 Multi-agent patterns: Supervisor, Pipeline, Swarm, Hierarchical
Prečo multi-agent
Jeden agent má limity:
- Context window sa zaplní pri dlhých úlohách
- Tool overload — ak má agent 50 toolov, rozhoduje pomalšie a horšie
- Specializácia — agent optimalizovaný pre sales píše inak ako agent pre support
- Parallelizácia — jeden agent = sekvenčné kroky, multi-agent = paralelné
Multi-agent = viacerí agenti spolupracujú na jednej úlohe.
Pattern 1: Supervisor (Orchestrator)
Štruktúra: 1 orchestrátor + N specialized agents.
[Supervisor (Opus 4.6)]
/ | \
[Research] [Writer] [Editor]
(Sonnet) (Sonnet) (Sonnet)
Flow:
- Supervisor dostane úlohu
- Rozloží ju na subtasks
- Deleguje každý subtask na špecializovaného agenta
- Zozbiera výsledky, zloží finálny output
Kedy použiť:
- Úloha má jasné subtasks s rôznou špecializáciou
- Potrebuješ "manažéra", ktorý koordinuje
Reálny príklad: Research asistent.
User: "Napíš mi report o AI trende v SME 2026."
Supervisor (Opus):
1. Research agent → nájdi zdroje, extrahuj dáta
2. Analysis agent → analyzuj trendy
3. Writer agent → napíš report
4. Reviewer agent → finálna kontrola
Supervisor skladá výstup → final report.
Pattern 2: Pipeline (Sequential handoff)
Štruktúra: Agenti si podávajú prácu ako štafetu.
[Research] → [Outline] → [Draft] → [Edit] → [Publish]
Flow:
- Každý agent robí jednu fázu
- Výstup jedného = vstup ďalšieho
- Žiadny orchestrátor — flow je pevný
Kedy použiť:
- Úloha má jasné sekvenčné fázy
- Každá fáza má iné požiadavky (model, tooly, prompt)
Reálny príklad: Content pipeline.
1. RESEARCH agent (Gemini 3.1 Pro — long context pre scrape)
→ zozbiera 20 zdrojov
2. OUTLINE agent (Sonnet 4.6)
→ vytvorí štruktúru článku
3. DRAFT agent (Opus 4.6)
→ napíše 3000-word draft
4. EDIT agent (Sonnet 4.6)
→ vylepší štýl, gramatiku
5. PUBLISH agent (Haiku 4.5)
→ SEO metadata,
Pokračuje ešte 4 minút praktického obsahu + build-along projekt
Odomkni s PRO — od €19.99/mesPre koho je táto lekcia
- →SK/CZ AI konzultanti a freelanceri, ktorí stavajú custom AI riešenia pre klientov a potrebujú škálovať beyond jednoduchých chatbotov
- →Tech leaderi v stredných firmách (50-200 ľudí), ktorí zvažujú nasadenie AI agentov do interných procesov (support, sales, research)
- →Product manažéri AI startupov, ktorí potrebujú rozhodnúť medzi LangGraph/CrewAI/AutoGen pre svoje MVP a nevedia, ktorý framework kedy má zmysel
- →Skúsení Python developeri s prvými AI projektmi za sebou, ktorí riešia problémy s context window a tool overload pri komplexnejších agentoch
PRO
Dostupné s PRO predplatným
Odomkni všetkých 6 modulov s okamžitým prístupom ku všetkým lekciám.
Začať s PRO — od €19.99/mesalebo €199/rok (ušetri 17%)