วิธีการจัดเตรียมตัวแทน AI ให้ทำงานร่วมกัน

1. Botpress

Botpress เป็นแพลตฟอร์มตัวแทนแบบเต็มรูปแบบที่ให้คุณออกแบบเวิร์กโฟลว์ของตัวแทนแบบแยกส่วน กำหนดบทบาทเฉพาะให้กับพวกเขา และจัดการผ่านเราเตอร์ส่วนกลาง เวิร์กโฟลว์แต่ละเวิร์กโฟลว์ทำงานเหมือนตัวแทนแบบสแตนด์อโลน และคุณ (หรือให้ โหนดอิสระ ) ตัดสินใจว่าควรเปลี่ยนการควบคุมเมื่อใด โดยอิงตามบริบท อินพุตของผู้ใช้ หรือตรรกะทางธุรกิจ

สิ่งที่ทำให้โดดเด่นคือความรวดเร็วในการเปลี่ยนจากแนวคิดไปสู่ระบบที่ใช้งานได้ ตัวแทนสามารถเขียนและรันโค้ดได้ทันที ใช้ API ภายนอก และแม้แต่เชื่อมโยงการใช้งานเครื่องมือแบบไดนามิก ซึ่งทั้งหมดนี้ขับเคลื่อนด้วยโมเดลภาษาชั้นยอด คุณไม่ได้แค่สร้างโฟลว์เท่านั้น แต่คุณกำลังสร้างตรรกะที่อยู่ในตัวแทน

สร้างขึ้นสำหรับนักพัฒนาที่ต้องการความยืดหยุ่นโดยไม่ต้องสร้างโครงสร้างพื้นฐานใหม่ หากคุณกำลังปรับใช้ตัวแทนในฝ่ายสนับสนุน การกำหนดตารางเวลา การเริ่มต้นใช้งาน หรือการดำเนินการภายใน แอปจะไม่ขัดขวางคุณและให้คุณจัดส่งได้

ฟีเจอร์หลัก:

• เวิร์กโฟลว์แบบโมดูลาร์: ตัวแทนแต่ละตัวถูกสร้างขึ้นเป็นไปป์ไลน์แบบแยกที่สามารถนำกลับมาใช้ใหม่ได้
• การกำหนดเส้นทางส่วนกลาง: เราเตอร์แบบภาพทำหน้าที่ควบคุมการส่งต่อตัวแทนและตรรกะ
• การใช้เครื่องมือไดนามิก: ดำเนินการโค้ดและเรียกใช้ API ภายนอกแบบเรียลไทม์
• LLM -Powered: เข้ากันได้กับโมเดลพื้นฐานชั้นนำ เช่น OpenAI และคล็อด
• API-First: เปิดเผยตัวแทนหรือเชื่อมต่อกับ CRM เว็บฮุก และอื่นๆ ได้ง่าย
  
  

ราคา:

• แผนฟรี: $0/เดือน พร้อมเครื่องมือสร้างภาพและ AI ตามการใช้งาน
• Plus แผน: 89 เหรียญ/เดือน พร้อมการวิเคราะห์และการลบแบรนด์
• แผนทีม: 495 เหรียญสหรัฐฯ ต่อเดือน พร้อมเครื่องมือการทำงานร่วมกันและการเข้าถึงตามบทบาท

กำลังใช้งานตัวแทน AI หรือไม่?

อ่านแผนผังการใช้งาน AI Agent ของเรา

อ่านตอนนี้

การเข้าถึงนั้นฟรีเสมอ

2. ครูเอไอ

CrewAI ตอบสนองความต้องการของคุณได้ดี โดยคุณไม่ต้องการสร้างกลไกการประสานงานทั้งหมด กลไกนี้ได้รับการออกแบบโดยอิงตามแนวคิดของทีม: คุณกำหนดบทบาท กำหนดเป้าหมาย และมอบเครื่องมือและหน่วยความจำให้กับตัวแทนของคุณ จากนั้น คุณจึงปล่อยให้พวกเขาทำงานร่วมกันเพื่อทำงานให้สำเร็จ

ส่วนที่ดีที่สุดคือคุณสามารถทำให้บางอย่างทำงานได้รวดเร็วเพียงใด ภายในไม่กี่นาที คุณสามารถสร้างนักวางแผน นักวิจัย และผู้ดำเนินการ และให้พวกเขาพูดคุยกันเป็นขั้นตอนอย่างมีโครงสร้าง 

มันไม่สมบูรณ์แบบ — เวิร์กโฟลว์แบบกำหนดเองอาจยังต้องมีการแฮ็กเล็กน้อย — แต่ในกรณีการใช้งานส่วนใหญ่ มันทำงานได้รวดเร็ว หาก AutoGen ให้ความรู้สึกเหมือนกับการเขียนโปรแกรมโปรโตคอล CrewAI ก็ให้ความรู้สึกเหมือนกับการทำภารกิจร่วมกับทีม

ฟีเจอร์หลัก:

• สถาปัตยกรรมตามบทบาท: ตัวแทนแต่ละตัวมีชื่อ เป้าหมาย เครื่องมือ และหน่วยความจำเสริม
• การมอบหมายงานที่ง่ายดาย: ตัวแทนวางแผนในตัวจะตัดสินใจลำดับงานตามเป้าหมาย
• การรวมเครื่องมือ: รองรับการเรียกใช้ฟังก์ชัน การร้องขอ API และเครื่องมือบนเบราว์เซอร์
• หน่วยความจำที่ใช้ร่วมกัน: ตัวแทนสามารถอ้างอิงและมีส่วนสนับสนุนในบริบทที่ใช้ร่วมกัน

ราคา:

• แผนฟรี: โอเพ่นซอร์ส ไม่มีค่าลิขสิทธิ์
• องค์กร: ไม่ได้จดทะเบียนต่อสาธารณะ — แผนแบบชำระเงินคาดว่าจะครบกำหนดเมื่อผลิตภัณฑ์ที่โฮสต์นั้นเติบโตเต็มที่

3. OpenAI ตัวแทน SDK

เดิมเรียกว่า OpenAI ฝูง OpenAI ตัวแทน SDK คือ OpenAI ก้าวแรกที่แท้จริงสู่โครงสร้างพื้นฐานของตัวแทนของบุคคลที่หนึ่ง ออกแบบมาเพื่อให้ผู้พัฒนาสร้างเวิร์กโฟลว์แบบหลายตัวแทนที่มีโครงสร้างโดยใช้ OpenAI แบบจำลองพร้อมการส่งต่อ เครื่องมือ และหน่วยความจำที่สร้างไว้ในกรอบงาน

ตัวแทนแต่ละคนจะได้รับคำแนะนำ เครื่องมือ และแนวทางป้องกันของตนเอง และคุณจะเป็นผู้กำหนดวิธีที่ตัวแทนแต่ละคนจะส่งต่องานให้กันและกัน แม้ว่านี่จะยังอยู่ในช่วงเริ่มต้น แต่ประสบการณ์ที่ได้รับนั้นถือว่าดีมาก คุณจะได้รับการติดตามในตัว การจัดการบริบท และความสามารถในการสร้างผู้ช่วยที่พร้อมสำหรับการผลิตโดยไม่ต้องเชื่อมกรอบงานแยกจากกันเข้าด้วยกัน

หากคุณกำลังทำงานกับ OpenAI API ของ 's และต้องการวิธีการที่บูรณาการอย่างแน่นแฟ้นและมีความคิดเห็นเป็นของตัวเองเพื่อสร้างตัวแทน AI SDK นี้จะให้รากฐานที่มั่นคงแก่คุณ

ฟีเจอร์หลัก:

• บทบาทของตัวแทน: กำหนดค่าคำแนะนำ เครื่องมือ และสิทธิ์อนุญาตสำหรับตัวแทนแต่ละคน
• การส่งต่อ: การควบคุมการส่งระหว่างตัวแทนโดยใช้ตรรกะในตัว
• การติดตาม: ติดตามและแก้ไขข้อบกพร่องเวิร์กโฟลว์ของหลายตัวแทนด้วยการตรวจสอบภาพ
• ราวกั้น: บังคับใช้การตรวจสอบข้อมูลอินพุตและเอาต์พุต
  
  

ราคา:

• SDK: ฟรีและโอเพ่นซอร์สภายใต้ใบอนุญาต MIT
• ค่าใช้จ่ายการใช้งาน: จ่ายตาม OpenAI การใช้งาน API (เช่น GPT -4o, การเรียกเครื่องมือ, การจัดเก็บเวกเตอร์)
• ตัวอย่างเครื่องมือ: ตัวแปลรหัส: $0.03 ต่อการใช้งาน, การค้นหาไฟล์: $2.50 ต่อ 1,000 การเรียกใช้เครื่องมือ

4. ออโต้เจน

AutoGen เหมาะสำหรับกรณีที่คุณเติบโตจนเกินขอบเขตของแนวทาง "ตัวแทนเดี่ยวพร้อมเครื่องมือ" และต้องการระบบที่ตัวแทนหลายรายสามารถพูดคุยกัน พิจารณาสถานการณ์ และทำงานให้เสร็จเป็นทีม โปรแกรมนี้สร้างขึ้นโดย Microsoft และให้ความรู้สึกเหมือนกับการออกแบบเวิร์กโฟลว์ตามตัวแทนในรูปแบบการสนทนาที่มีโครงสร้าง

มันไม่เป็นมิตรกับผู้เริ่มต้น และไม่ได้พยายามที่จะเป็นเช่นนั้น คุณต้องเชื่อมต่อทุกส่วนเข้าด้วยกัน: ตัวแทน บทบาทของพวกเขา ใครพูดเมื่อไหร่ ส่งข้อความอย่างไร และจะหยุดเมื่อใด แต่ถ้าคุณกำลังทำงานกับระบบ AI ที่มีสถานะจริงจังซึ่งต้องการความโปร่งใสและการควบคุมเต็มรูปแบบ AutoGen จะให้องค์ประกอบพื้นฐานที่คุณต้องการอย่างแท้จริง

เหมาะที่สุดสำหรับทีมวิจัย ผู้สร้างขั้นสูง หรือใครก็ตามที่พยายามสร้างแบบจำลองการใช้เหตุผลที่ซับซ้อนในตัวแทน AI หลายตัว คุณไม่ได้กำลัง "กำหนดค่าแชทบ็อต" แต่คุณกำลังออกแบบโปรโตคอลของปัญญาประดิษฐ์

ฟีเจอร์หลัก:

• กราฟตัวแทนสนทนา: ตัวแทนสื่อสารผ่านกระแสข้อความที่มีโครงสร้างแทนที่จะเป็นโซ่คงที่
• การควบคุมการประสานงาน: คุณกำหนดขอบเขตของงาน ขอบเขตของหน่วยความจำ และขอบเขตของงาน
• การติดตามและแก้ไขข้อบกพร่อง: การติดตามในตัวช่วยให้คุณสามารถตรวจสอบการมีส่วนร่วมของแต่ละตัวแทนในงานหลายขั้นตอน
• การใช้เครื่องมือ: รองรับเครื่องมือที่กำหนดเองและการเรียกใช้ฟังก์ชันข้ามตัวแทน
  
  

ราคา:

• ฟรีและโอเพ่นซอร์ส (ใบอนุญาต MIT)
• ใช้งานได้กับทุกสิ่ง LLM จุดสิ้นสุด ( OpenAI , Azure, โมเดลท้องถิ่น)

5. ลังเชน

ตัวแทน LangChain ช่วยให้คุณสร้างเวิร์กโฟลว์ที่ขับเคลื่อนด้วยตรรกะ โดยที่ตัวแทนจะเลือกเครื่องมือที่จะใช้ในแต่ละขั้นตอน คุณกำหนดเป้าหมาย เสียบเครื่องมือ เช่น การค้นหา การเรียกใช้โค้ด หรือ API และปล่อยให้มันพิจารณางานต่างๆ

เป็นหนึ่งในการตั้งค่าที่มีความยืดหยุ่นมากที่สุดที่มีอยู่ แต่ยังเน้นที่โค้ดเป็นหลักอีกด้วย คุณสามารถจัดการหน่วยความจำ การควบคุมการไหล และการจัดการข้อผิดพลาดด้วยตัวเอง และแม้ว่าพวกเขาจะแนะนำตัวสร้างกราฟสำหรับการประสานงานด้วยภาพ แต่ยังไม่สมบูรณ์แบบเพียงพอสำหรับการดำเนินการของเอเจนต์ทั้งหมดหรือการมองเห็นพฤติกรรมของเอเจนต์อย่างชัดเจน

LangChain เหมาะอย่างยิ่งหากคุณต้องการปรับแต่งได้เต็มที่และไม่สนใจที่จะเชื่อมต่อทุกอย่างเข้าด้วยกันด้วยมือ มันทรงพลังแต่ต้องรองรับงานหนักๆ ด้วย

ฟีเจอร์หลัก:

• การใช้เครื่องมือแบบไดนามิก: ตัวแทนจะตัดสินใจว่าจะเรียกใช้เครื่องมือใดตามอินพุต
• รองรับหน่วยความจำ: เพิ่มหน่วยความจำตามบริบทสำหรับการสนทนาที่ยาวนานขึ้น
• การบูรณาการ LangSmith: ติดตาม แก้ไข และตรวจสอบการทำงานหลายขั้นตอน
• ขยายได้สูง: แทนที่ส่วนประกอบหรือเสียบเครื่องมือของคุณ
  
  

ราคา:

• LangChain Framework: ฟรีและโอเพ่นซอร์ส
• LangSmith (ทางเลือก): เครื่องมือแก้ไขและประเมินผลที่ต้องชำระเงิน
• ต้นทุนการใช้งาน: ขึ้นอยู่กับรุ่นและเครื่องมือของบริษัทอื่นที่ใช้

โครงสร้างการตัดสินใจของตัวแทน

การปล่อยให้ตัวแทนตัดสินใจว่าจะทำอะไรต่อไปตามข้อความของผู้ใช้อาจดูเหมือนเป็นทางลัดที่ชาญฉลาด แต่สุดท้ายก็ทำให้เกิดความสับสนได้ เวิร์กโฟลว์ทำงานไม่เป็นระเบียบ ขั้นตอนต่างๆ ถูกข้าม และระบบก็คาดเดาไม่ได้

สิ่งที่เกิดขึ้นคือคุณปล่อยให้โมเดลเห็นภาพหลอนถึงการกระทำต่อไป โมเดลไม่มีแผนที่ระบบของคุณที่ชัดเจน ดังนั้นโมเดลจึงเดา — และเดาผิด

แทนที่จะทำแบบนั้น ให้ปฏิบัติต่อตัวแทนของคุณเหมือนกับฟังก์ชัน ขอให้ตัวแทนแสดงคำสั่งควบคุม เช่น "กำหนดเส้นทางไปยังตัวแทนปฏิทิน" หรือ "ขั้นตอนต่อไปคือตรวจสอบข้อมูล" จากนั้นผู้ประสานงานของคุณจะใช้คำสั่งนั้นเพื่อตัดสินใจว่าจะเกิดอะไรขึ้นต่อไป ให้เก็บตรรกะไว้ภายนอกโมเดล ซึ่งคุณจะไว้วางใจได้

หน่วยความจำตัวแทนขอบเขต

เมื่อตัวแทนแบ่งปันบริบทมากเกินไป สิ่งต่างๆ ก็จะเริ่มมีปัญหา ตัวแทนคนหนึ่งทำงานให้เสร็จ และอีกคนหนึ่งแก้ไขงานโดยดำเนินการกับข้อมูลเก่าหรือไม่เกี่ยวข้อง ยิ่งคุณเพิ่มเวิร์กโฟลว์มากเท่าไร ก็ยิ่งยุ่งวุ่นวายมากขึ้นเท่านั้น

สิ่งนี้เกิดขึ้นเมื่อตัวแทนของคุณทั้งหมดกำลังอ่านและเขียนไปยังที่เก็บหน่วยความจำเดียวกัน ไม่มีขอบเขต ตัวแทนหนึ่งรายทำให้บริบทของอีกรายหนึ่งสับสน และทันใดนั้น สิ่งต่างๆ ก็ล้มเหลวในลักษณะที่ยากต่อการติดตาม

มอบบริบทเฉพาะของตนเองให้กับตัวแทนแต่ละคน ส่งผ่านเฉพาะสิ่งที่จำเป็นเท่านั้น ไม่ควรเกินนั้น ลองนึกถึงการให้คำอธิบายงานเฉพาะเจาะจงแก่ตัวแทนแต่ละคน ไม่ใช่การเข้าถึงประวัติการแชทแบบกลุ่มของระบบทั้งหมด

การดริฟท์สต็อปลูป

เมื่อคุณใช้คู่ตัววางแผน-ตัวดำเนินการ คุณมักจะสร้างวงจรขึ้นมา: ตัววางแผนตัดสินใจว่าควรเกิดอะไรขึ้น ตัวดำเนินการดำเนินการ และตัววางแผนตรวจสอบผลลัพธ์เพื่อตัดสินใจว่าจะทำอะไรต่อไป

วงจรขาดเนื่องจากตัววางแผนไม่มีหน่วยความจำว่ามีอะไรทำไปแล้ว ไม่มีประวัติงาน ไม่มีรายการตรวจสอบ มันเพียงเห็นสถานะปัจจุบันและตัดสินใจลองใหม่อีกครั้ง

หากคุณใช้ลูปตัวแทน คุณจะต้องติดตามแต่ละรอบของงาน — ใครเป็นผู้ดำเนินการอะไร ส่งคืนอะไร และงานสำเร็จหรือไม่ นั่นคือวิธีที่คุณหยุดระบบไม่ให้ไล่ตามหางของมัน

ส่งคืนผลลัพธ์ที่มีโครงสร้าง

ระบบของคุณอาจดูเหมือนว่าทำงานได้ — มีการตอบกลับกลับมา และตัวแทนก็ดูฉลาด — แต่ไม่มีอะไรเกิดขึ้นเบื้องหลัง ตัวแทนพูดประมาณว่า “นี่คือสรุปของคุณ” แต่ผู้ประสานงานของคุณไม่รู้ว่าจะต้องทำอะไรต่อไป

เหตุผลคืออะไร? ตัวแทนของคุณกำลังพูดกับผู้ใช้ ไม่ใช่กับระบบ ไม่มีเอาต์พุตที่เครื่องอ่านได้ ดังนั้นเลเยอร์ลอจิกของคุณจึงไม่มีอะไรให้ดำเนินการ

Have agents return structured outputs — like { "type": "summary", "status": "complete", "next": "send_confirmation" }. That gives your orchestrator something to route. Modern agentic protocols like the Model Context Protocol are trying to standardize this across platforms, but you can start simple.

ติดตามความคืบหน้าของงาน

บางครั้งระบบของคุณอาจลืมว่ากำลังทำอะไรอยู่ ผู้ใช้ออกนอกสคริปต์ การเรียกใช้ API ล้มเหลว และทันใดนั้น บอตก็เริ่มทำงานใหม่ หรือแย่กว่านั้นคือ บอกว่าเสร็จสิ้นแล้ว ทั้งที่จริง ๆ แล้วไม่ได้ทำงานนั้นให้เสร็จสิ้นเลย

สิ่งนี้เกิดขึ้นเพราะคุณถือว่าความจำเป็นเหมือนความคืบหน้าของงาน แต่ความจำนั้นเป็นเพียงประวัติศาสตร์เท่านั้น ไม่ได้บอกคุณว่าคุณอยู่ในขั้นตอนใดของเวิร์กโฟลว์

คุณต้องมีสถานะงานแยกต่างหากที่ติดตามสิ่งที่ทำไปแล้ว สิ่งที่ยังค้างอยู่ และเป้าหมาย ด้วยวิธีนี้ แม้ว่าจะมีบางอย่างเสียหาย คุณก็สามารถกู้คืนระหว่างกระบวนการและทำงานให้เสร็จสิ้นได้อย่างสมบูรณ์