О чём урок
` Зачем это может понадобиться? Во многих производственных процессах требуется ответить на несколько независимых вопросов об одном и том же фрагменте контента. Выполнение этих анализов поочередно увеличивает задержку и может повысить общую стоимость, если какой-либо шаг завершится неудачей и потребует повторной попытки. Одновременный "разброс" (fanning out) нескольких специализированных агентов с последующим "сбором" (fanning in) их output'ов в финальный "мета"-агент позволяет сократить эту задержку. В этом notebook'е представлен игрушечный пример, который в реальном мире вы, вероятно, не стали бы распараллеливать, но он демонстрирует следующее: Как определить несколько сфокусированных агентов с помощью OpenAI Agents SDK. Как выполнять их одновременно, используя либо Python asyncio для снижения задержки и легковесного распараллеливания, либо напрямую через Agents SDK для простоты управления и динамического планирования вызовов инструментов (tool call planning). Как собрать их индивидуальные output'ы и передать их последующему мета-агенту, который формирует окончательный, готовый для пользователя ответ. Простая визуализация временной шкалы, чтобы вы могли увидеть преимущество распараллеливания в плане задержки. Этот же паттерн можно адаптировать к реальным сценариям, таким как сортировка обращений в службу поддержки (customer-support triage), модерация контента или другие ситуации, когда требуется выполнить несколько независимых анализов на основе одного input'а и объединить их в единый результат. Установка зависимостей Определение агентов Создание функции для параллельного выполнения
Урок входит в полный доступ. Полный текст и видео открываются после оплаты. Первые уроки каждого курса бесплатны.