TCAndon-Router: Adaptive Logik für Multi-Agenten-Kollaboration
Multi-Agenten-Systeme (MAS) haben sich als leistungsstarkes Paradigma für die Entwicklung intelligenter Anwendungen etabliert. Im Mittelpunkt steht dabei der Router, der entscheidet, welche Expert-Agenten eine bestimmte Anfrage bearbeiten sollen. Seine Qualität beeinflusst die gesamte Systemleistung maßgeblich.
Aktuelle Routing-Strategien lassen sich in zwei Hauptkategorien einteilen: Performance‑Routing, das Latenz und Kosten über Modelle unterschiedlicher Größe ausbalanciert, und Task‑Routing, das Anfragen gezielt an domänenspezifische Experten weiterleitet, um die Genauigkeit zu erhöhen. In unternehmerischen Anwendungen ist Task‑Routing meist die bessere Wahl, doch die meisten Ansätze setzen auf statische, ein‑Label‑Entscheidungen. Diese Vorgehensweise birgt zwei wesentliche Schwächen: Erstens erschwert sie die nahtlose Integration neuer Agenten, wenn sich Geschäftsbereiche erweitern. Zweitens führen Überschneidungen in den Agentenfähigkeiten zu Routing‑Konflikten, die die Genauigkeit und Robustheit des Systems mindern.
Um diese Probleme zu lösen, wurde der TCAndon‑Router (TCAR) entwickelt – ein adaptiver, reasoning‑basierter Router für Multi‑Agenten‑Kollaboration. TCAR ermöglicht dynamisches Onboarding neuer Agenten und erzeugt zunächst eine natürliche Sprach‑Reasoning‑Kette, bevor er eine Kandidatenliste potenzieller Agenten vorhersagt. Dieser Ansatz reduziert die Abhängigkeit von statischen Entscheidungen und erhöht die Flexibilität des Systems.
Der TCAR nutzt zudem eine kollaborative Ausführungs‑Pipeline: Die ausgewählten Agenten liefern unabhängig voneinander Antworten, die anschließend von einem dedizierten Refining‑Agenten zusammengeführt und verfeinert werden. Das Ergebnis ist eine einzige, qualitativ hochwertige Antwort, die die Stärken aller beteiligten Agenten bündelt.
Experimentelle Untersuchungen auf öffentlichen Datensätzen sowie auf realen Unternehmensdaten zeigen, dass TCAR die Routing‑Genauigkeit signifikant steigert und gleichzeitig die Fehleranfälligkeit reduziert. Damit demonstriert der TCAndon‑Router, wie adaptive Reasoning‑Methoden die Leistungsfähigkeit von Multi‑Agenten‑Systemen in praxisnahen Szenarien verbessern können.