Мультиагентный анализ инвестиционного портфеля

Цели урока

• Использовать подход «агенты как инструмент», где центральный агент оркестрирует и вызывает других агентов как инструменты для выполнения конкретных подзадач.
• Применять лучшие практики для модульности, параллелизма и наблюдаемости в агентных паттернах.

О чём урок

Это руководство предназначено для читателей, уже знакомых с моделями OpenAI и LLM агентами, и желающих узнать, как оркестрировать команду агентов для решения сложной задачи из реального мира. Что вы узнаете В этом notebook вы узнаете, как использовать OpenAI Agents SDK для проектирования и реализации сложной системы мульти-агентного взаимодействия. В частности, вы увидите, как: Создать рабочий процесс, в котором несколько специализированных агентов (Макроэкономический, Фундаментальный, Количественный) сотрудничают под управлением агента Управляющего портфелем для решения сложной задачи инвестиционного исследования. Использовать все основные типы инструментов, поддерживаемые SDK (пользовательские функции Python, управляемые инструменты, такие как Code Interpreter и WebSearch, а также внешние MCP серверы) в едином, интегрированном рабочем процессе. Почему это важно Паттерн «агенты как инструмент» — это мощный способ построения прозрачного, проверяемого и масштабируемого мульти-агентного взаимодействия. Этот пример демонстрирует, как объединить глубокую специализацию, параллельное выполнение и надёжную оркестрацию с помощью OpenAI Agents SDK. К концу этого руководства у вас будет чёткий план для создания собственных мульти-агентных рабочих процессов для исследований, анализа или любой сложной задачи, которая выигрывает от экспертного сотрудничества. Что такое мульти-агентное взаимодействие? Паттерны взаимодействия: Handoff против «Агент как инструмент» Обзор архитектуры Поддерживаемые типы инструментов Настройка Запуск рабочего процесса Главный агент Управляющего портфелем (PM) Декомпозиция главного агента Управляющего портфелем Пример вывода Лучшие практики при создании агентов Дополнительные материалы и лучшие практики Мульти-агентное взаимодействие означает, что несколько автономных агентов (LLM «узлов») координируют свои действия для достижения общей цели, которую было бы трудно решить одному агенту. Вместо одного монолитного prompt каждый агент обрабатывает конкретную подзадачу или область экспертизы, а слой оркестрации соединяет эти «узлы» агентов в связный рабочий процесс. Этот подход полезен для сложных систем – например, финансовый анализ может быть разбит на макроэкономический анализ, фундаментальный анализ компании и количественный анализ сигналов, каждый из которых обрабатывается отдельным агентом-специалистом. Агенты обмениваются информацией, и их результаты объединяются для получения окончательного итога.

План урока

1. Введение
2. Что такое мульти-агентное взаимодействие?
3. Паттерны взаимодействия: Handoff против «Агент как инструмент»
4. Обзор архитектуры
5. Поддерживаемые типы инструментов
6. Настройка
7. Запуск рабочего процесса
8. Декомпозиция главного агента Управляющего портфелем