Multi-agent frameworks — چارچوب‌های چندعامله

چارچوب‌های چندعاملی مبتنی بر LLM — پلتفرم‌های نرم‌افزاری هستند که به چندین عامل (agent) هوش مصنوعی خودمختار، ساخته‌شده بر پایه مدل‌های زبانی بزرگ (LLM)، امکان می‌دهند با یکدیگر تعامل داشته باشند تا به‌صورت مشترک مسائل پیچیده را حل کنند. در این سیستم‌ها تأکید بر تنوع نقش‌های عاملان، ارتباط میان آن‌ها و تصمیم‌گیری جمعی است. این رویکرد از «هوش جمعی» گروه بهره می‌برد، جایی که هر عامل نقش تخصصی‌ای ایفا می‌کند و تبادل پیام میان آن‌ها همکاری انسانی را شبیه‌سازی می‌کند.

این امر امکان مدل‌سازی سناریوهای پیچیده دنیای واقعی و حل مسائلی را که از توانایی یک عامل هوشمند منفرد فراتر می‌روند، فراهم می‌کند. سیستم‌های چندعاملی LLM در حوزه‌هایی نظیر توسعه نرم‌افزار، شبیه‌سازی‌های اجتماعی، بازی‌های اقتصادی و مدل‌سازی مناظرات سیاسی نتایج موفقی نشان داده‌اند.

چارچوب‌ها و رویکردهای کلیدی

توسعه سیستم‌های چندعاملی به پدیدار شدن تعدادی چارچوب متن‌باز منجر شده که ساخت و پژوهش در این زمینه را تسهیل می‌کنند.

MetaGPT (2023)

یکی از اولین چارچوب‌های متن‌باز که بر همکاری به اصل «خط مونتاژ» (assembly line) تمرکز دارد. MetaGPT رویه‌های عملیاتی استاندارد (SOPs) را به سیستم وارد می‌کند و به هر عامل نقش مشخصی (مانند مدیر محصول، مهندس، آزمایشگر) می‌دهد. این رویکرد امکان تجزیه یک وظیفه پیچیده به وظایف فرعی و توزیع آن‌ها میان عاملان تخصصی را فراهم می‌آورد و در نتیجه آشفتگی و خطر توهم‌زایی (hallucination) را کاهش می‌دهد.

CAMEL (2023)

چارچوب CAMEL (Communicative Agents for "Mind" Exploration) بر تعامل خودمختار عاملان از طریق گفتگو تمرکز دارد. این چارچوب روش inception prompting را برای هماهنگی مکالمه میان عاملان LLM ارائه می‌دهد و آن‌ها را به سمت هدف مشترک هدایت می‌کند. هر عامل با نقش و زمینه‌ای مشخص تجهیز می‌شود، پس از آن عاملان به زبان طبیعی ارتباط برقرار کرده و به تدریج راه‌حلی مشترک می‌یابند. CAMEL در سناریوهایی که نیاز به همکاری بدون دخالت مستقیم انسان دارند، عملکرد موثری نشان داده است.

AutoGen (2023)

چارچوبی همه‌جانبه و قابل تنظیم از پژوهشگران Microsoft، طراحی‌شده برای ساخت برنامه‌های پیچیده مبتنی بر گفتگوی چند LLM. AutoGen امکان برنامه‌ریزی منطق تعامل عاملان را هم از طریق کد و هم به زبان طبیعی فراهم می‌کند. این چارچوب از یکپارچه‌سازی با ابزارها و API های خارجی پشتیبانی می‌کند و آن را برای طیف گسترده‌ای از وظایف — از توسعه نرم‌افزار تا ساخت سیستم‌های گفتگومحور — مناسب می‌سازد.

AgentVerse (2023)

پلتفرمی متن‌باز که توسط جامعه OpenBMB برای مطالعه همکاری پویا و رفتار پدیدار (emergent) عاملان توسعه یافته است. AgentVerse دو حالت کاری ارائه می‌دهد:

1. حل وظیفه (task-solving): چندین عامل LLM برای انجام یک وظیفه پیچیده (مانند توسعه مشترک نرم‌افزار) در یک تیم گرد هم می‌آیند.
2. شبیه‌سازی محیط (simulation): به کاربر اجازه می‌دهد یک محیط مجازی تعریف کرده و تعامل عاملان را مشاهده کند (مانند شبیه‌سازی کلاس درس یا معضل زندانی).

این پلتفرم بر اهمیت محیط استانداردشده و پروتکل‌های ارتباطی برای مدیریت ارتباطات تأکید دارد.

CrewAI (2024)

چارچوبی متمرکز بر یکپارچه‌سازی عاملان LLM در فرآیندهای کسب‌وکار و تحلیل داده. CrewAI مفهوم AI-Based Agents Workflow (AgWf) را پیاده‌سازی می‌کند، جایی که عاملان گام‌هایی را که در قالب دستورالعمل‌های متنی توصیف شده‌اند اجرا می‌کنند و می‌توانند از ابزارهای خارجی (کلاس‌ها/توابع Python) استفاده کنند. این امر امکان خودکارسازی سناریوهای تحلیلی پیچیده با ترکیب انعطاف‌پذیری LLM و کد تعیین‌پذیر را فراهم می‌آورد.

LangGraph (2024)

چارچوبی آزمایشی که از ساختارهای گرافی برای بازنمایی حالت و زمینه در گفتگوها با LLM استفاده می‌کند. ویژگی کلیدی LangGraph پشتیبانی از گردش‌کارهای چرخه‌ای است. این امر به عاملان اجازه می‌دهد از طریق یک گراف دانش مشترک داده رد و بدل کنند، به‌صورت تکراری اطلاعات را جستجو کرده، قابلیت اطمینان آن را ارزیابی کنند و پاسخ‌ها را اصلاح نمایند؛ این ویژگی به‌ویژه در وظایف جستجوی اطلاعات (QA) با پایگاه دانش تقویت‌شده مفید است.

سایر پروژه‌ها

پروژه‌های آزمایشی AutoGPT و AgentGPT نیز توجه گسترده‌ای جلب کردند و پتانسیل عاملان هوش مصنوعی کاملاً خودمختار را که می‌توانند به‌طور مستقل هدف تعیین کنند، جستجوی وب انجام دهند، کد اجرا کنند و فایل‌ها را مدیریت نمایند، نشان دادند. هرچند این پروژه‌ها داوری علمی نشدند، اما اهمیت مؤلفه‌های برنامه‌ریزی، حافظه و ابزار را برای ساخت عاملان واقعاً مستقل برجسته کردند.

کاربردهای سیستم‌های چندعاملی

• خودکارسازی توسعه نرم‌افزار: گروه‌هایی از عاملان LLM در نقش‌های مدیر، برنامه‌نویس و آزمایشگر ظاهر می‌شوند و به‌صورت مشترک پروژه‌های نرم‌افزاری را برنامه‌ریزی و اجرا می‌کنند. پژوهش ChatDev نشان داد که تیمی از چهار عامل توانست در عرض چند دقیقه یک برنامه ساده بسازد و در تمام مراحل از تعریف وظیفه تا آزمایش گفتگو داشته باشند.
• دستیارهای هوشمند: محصولات سازمانی مانند Microsoft 365 Copilot و IBM Watsonx Orchestrate از چندین عامل برای انجام وظایف پیچیده استفاده می‌کنند، جایی که یک عامل درخواست را پردازش می‌کند، دیگری حقایق را از پایگاه داده استخراج می‌کند و سومی گزارش تهیه می‌کند.
• پژوهش علمی: عاملان برای تولید و نقد فرضیه‌ها به کار می‌روند. در رویکردهایی نظیر Guided Debate یا Self-Refine، یک عامل راه‌حل پیشنهاد می‌دهد و عامل دیگری آن را ارزیابی و اصلاح می‌کند، که به کاهش تعداد خطاها کمک می‌کند.
• مدل‌سازی اجتماعی و دنیاهای مجازی: در پروژه نمادین Generative Agents، ده‌ها عامل LLM مجهز به شخصیت و حافظه، زندگی یک شهرک مجازی کوچک را شبیه‌سازی کردند و تعامل اجتماعی باورپذیری نشان دادند. چنین شبیه‌سازی‌هایی می‌توانند در بازی‌ها (برای ساخت NPC های واقع‌گرایانه)، آموزش و علوم اجتماعی کاربرد یابند.

چالش‌ها و چشم‌اندازها

علی‌رغم پیشرفت‌ها، سیستم‌های چندعاملی با تعدادی از مشکلات جدی روبه‌رو هستند:

• توهم‌زایی و خطاهای آبشاری: خطای ارتکاب‌یافته توسط یک عامل می‌تواند به عاملان دیگر منتقل شود که آن را مبنای استدلال خود قرار می‌دهند و این امر موجب اختلال در عملکرد کل گروه می‌شود.
• مقیاس‌پذیری و منابع‌بری: هر عامل مبتنی بر LLM به منابع محاسباتی قابل توجهی نیاز دارد. تضمین کارکرد همزمان ده‌ها عامل یک چالش فنی پیچیده است.
• هماهنگی و مدیریت: با افزایش تعداد عاملان، خطر آشفتگی افزایش می‌یابد. مکانیسم‌های اندیشیده‌شده‌ای برای «ارکستراسیون» و مدیریت تعاملات آن‌ها لازم است.
• ارزیابی و آزمایش: benchmark های پذیرفته‌شده عمومی برای مقایسه عینی چارچوب‌های مختلف چندعاملی وجود ندارد.

در آینده انتظار می‌رود سیستم‌های چندوجهی (multimodal) کارآمدتر و ایمن‌تری پدیدار شوند که در آن‌ها عاملان نه‌تنها متن، بلکه تصاویر و سایر داده‌ها را نیز رد و بدل کنند. به‌کارگیری Reinforcement Learning می‌تواند به گروه‌های عاملان بیاموزد که با گذشت زمان بهتر هماهنگ شوند و به اثر «هوش جمعی» دست یابند. در نهایت، چارچوب‌های چندعاملی گامی به سوی ساخت سیستم‌های هوش مصنوعی منعطف‌تر و قدرتمندتر هستند، جایی که شمار زیادی از «ذهن‌های» تخصصی با یکدیگر همکاری می‌کنند.

پیوندها

• مقاله مروری: Large Language Model based Multi-Agents (2024)
• مقاله مروری: LLMs Working in Harmony (2025)

منابع

• Yao, S. et al. (2022). ReAct: Synergizing Reasoning and Acting in Language Models. arXiv:2210.03629.
• Hong, S. et al. (2023). MetaGPT: Meta Programming for a Multi-Agent Collaborative Framework. arXiv:2308.00352.
• Li, G. et al. (2023). CAMEL: Communicative Agents for "Mind" Exploration of Large Language Model Society. arXiv:2303.17760.
• Wu, Q. et al. (2023). AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation. arXiv:2308.08155.
• Liu, X. et al. (2023). AgentBench: Evaluating LLMs as Agents. arXiv:2308.03688.
• Yao, S. et al. (2023). Tree of Thoughts: Deliberate Problem Solving with Large Language Models. arXiv:2305.10601.
• Shinn, N. et al. (2023). Reflexion: Language Agents with Verbal Reinforcement Learning. arXiv:2303.11366.
• Chen, W. et al. (2023). AgentVerse: Facilitating Multi-Agent Collaboration and Exploring Emergent Behaviors. arXiv:2308.10848.
• Park, J. S. et al. (2023). Generative Agents: Interactive Simulacra of Human Behavior. arXiv:2304.03442.
• Guo, T. et al. (2024). Large Language Model Based Multi-Agents: A Survey of Progress and Challenges. arXiv:2402.01680.
• Chen, Q. et al. (2024). ChatDev: Communicative Agents for Software Development. arXiv:2307.07924.
• Duan, Z.; Wang, J. (2024). Exploration of LLM Multi-Agent Application Implementation Based on LangGraph + CrewAI. arXiv:2411.18241.
• Aratchige, R. M.; Ilmini, W. M. K. S. (2025). LLMs Working in Harmony: A Survey on the Technological Aspects of Building Effective LLM-Based Multi-Agent Systems. arXiv:2504.01963.