Multi-Agent System

マルチエージェントシステムが「より強力な単一エージェント」より効率的なのはなぜですか？複数のエージェントが本当に必要なシナリオはありますか？

マルチエージェントの効率的優位性は3つの方向から来ています。第一に、コンテキストウィンドウの制限を突破。10個のDeFiプロトコルのリアルタイムデータを同時に分析し、30日間の取引記録を照会し、5つの候補戦略を評価するエージェントは容易にオーバーフローします。タスクを複数のサブエージェントに分割することでこの問題が解消されます。第二に、専門化が推論品質を向上させます。各サブエージェントのSystem Promptをその職責域に正確にスコープできます。第三に、並列実行が総時間を短縮します。単一エージェントは直列ですが、マルチエージェントでは複数のサブエージェントを同時に派遣できます。

単一エージェントが本当にできないシナリオ：複数のプラットフォームで同時にリアルタイム監視（オンチェーンデータ、コミュニティセンチメント、CEXオーダーブック）が必要で、すべてが並列処理を必要とする場合。

マルチエージェントシステムでOrchestratorはどのようにサブエージェントを「管理」しますか？どのプロトコルが使われますか？

Orchestratorのサブエージェント管理は主にA2A（Agent-to-Agent）通信プロトコルに依存します——エージェント間でタスク、中間結果、最終出力を渡すために特別に設計されたプロトコル層です。

Orchestratorのワークフロー：ユーザーの高レベル目標を受け取る→LLMでタスク分解を推論→A2A経由で対応するサブエージェントにサブタスクと必要な入力データを送る→サブエージェントからA2A経由で結果が返るのを待つ→複数のサブエージェントの結果を統合→最終決定を行うかユーザーに報告。

A2AとMCPは異なる層のプロトコルです：MCPはエージェントと外部ツール間の通信；A2Aはエージェントとエージェント間の通信。クリプトシナリオでは、OrchestratorがSubエージェントに送る認可指示には暗号署名が含まれるべきです。

マルチエージェントシステムでは障害はどのように伝播しますか？1つのサブエージェントがエラーを起こすとシステム全体に影響しますか？

マルチエージェントシステムのエラー伝播は設計で最も難しい部分の一つです。3つの一般的な伝播パターン：

第一、データ汚染型：データサブエージェントが誤った情報を返し、分析サブエージェントがその誤情報に基づいてもっともらしい提案を生成し、Orchestratorが提案を信頼して実行を承認します。各リンクは個別に「正常に機能」していますが、全体の結果は間違っています。

第二、過度な自信型：分析サブエージェントが「信頼度95%」などの高度に断定的な言葉で提案を出力し、Orchestratorがリスク評価ステップをスキップして直接実行を承認します。

第三、無限再試行型：実行サブエージェントの操作がガス代やコントラクト条件により失敗し、Orchestratorが繰り返し再試行してタイムアウトまで大量のトークンとガス代を消費します。

防御設計：各サブエージェントの返り値に信頼度とデータソースを含める；Orchestratorに失敗カウンターとサーキットブレーカーを設ける。

主要なマルチエージェントフレームワーク（LangGraph、AutoGen、CrewAI）のメリット・デメリットは何ですか？クリプトシナリオではどう選びますか？

3つのフレームワークはクリプトマルチエージェントシナリオへの適用性で大きく異なります。

LangGraph（LangChainのマルチエージェント拡張）：有向非巡回グラフでエージェント間ワークフローを定義します。長所：プロセスの可視化と制御性が優れており、精密な実行パスが必要な戦略システムに最適です。短所：柔軟性が低く、動態的なタスク割り当てには追加設計が必要。

AutoGen（Microsoft）：対話ベースのマルチエージェントフレームワーク。長所：設計の敷居が低く、迅速なプロトタイプに適している。短所：自然言語通信はプロンプトインジェクションの影響を受けやすく、クリプト資産管理には追加のセキュリティ強化が必要。

CrewAI：概念が直感的ですが、細粒度のセキュリティ制御サポートが限られています。

クリプト推奨：高セキュリティ要件の実行パスにはLangGraph；分析系エージェントの通信にはAutoGenまたはカスタムA2A；オンチェーン資産管理にCrewAIは非推奨。