Apa itu kumpulan agen dan bagaimana cara kerjanya?

Kumpulan agen AI dianggap sebagai bentuk sistem multi-agen. Namun, alih-alih memiliki beberapa agen dalam sistem yang sama, istilah "kumpulan (kumpulan)" sering menekankan kolaborasi di antara banyak agen yang relatif otonom. Nama ini sebagian terinspirasi oleh sistem di alam seperti koloni serangga, di mana banyak individu bekerja sama untuk menyelesaikan berbagai tugas yang kompleks.

Ide utamanya adalah koordinasi. Kumpulan membutuhkan cara untuk menentukan pekerjaan apa yang harus dilakukan, menetapkan pekerjaan itu, dan menyatukan Hasil. Bergantung pada desainnya, koordinasi dapat berasal dari orkestrator pusat, hierarki agen atau interaksi yang lebih terdesentralisasi.

Misalnya, satu agen mungkin merencanakan proyek sementara agen lain menangani tugas individu. Agen terpisah dapat meninjau pekerjaan sebelum agen lain menggabungkan hasilnya. Agen dapat bekerja secara berurutan atau paralel. Mereka juga dapat berbagi informasi, mendelegasikan tugas, dan menanggapi pekerjaan agen lain. Kumpulan yang sepenuhnya terdesentralisasi terutama bergantung pada interaksi lokal dan sinyal bersama daripada pengendali pusat.

Kelompok agen dapat berguna ketika suatu tugas terdiri dari berbagai bagian berbeda yang dapat didelegasikan atau ketika agen yang berbeda dapat memberikan kemampuan yang saling melengkapi. Namun, menambahkan lebih banyak agen tidak secara otomatis membuat sistem lebih baik. Banyaknya agen yang ada membutuhkan koordinasi, komunikasi, dan penggunaan sumber daya yang lebih besar, sehingga nilai dari suatu kelompok agen bergantung pada apakah kemampuan tambahan tersebut sebanding dengan kompleksitas yang bertambah.

Kumpulan agen AI dapat mengubah cara organisasi menyusun dan mengelola pekerjaan yang dibantu AI. Alih-alih mengandalkan asisten AI tunggal untuk menangani seluruh proses, organisasi dapat mendistribusikan bagian dari alur kerja di beberapa agen. Organisasi juga dapat menyematkan alur kerja agen ini ke dalam proses bisnis dan aplikasi yang sudah ada. Implementasi dapat memengaruhi bagaimana pekerjaan diberikan, bagaimana tugas-tugas bergerak melalui suatu proses, dan seberapa banyak kolaborasi manusia yang dibutuhkan.

Salah satu dampak potensial adalah skala operasi yang dibantu AI. Ketika tugas dapat dibagi menjadi subtugas independen, beberapa agen dapat bekerja secara bersamaan daripada membutuhkan satu loop agen untuk memproses setiap bagian secara berurutan.

Sekelompok agen dapat mendistribusikan beban kerja yang lebih besar ke beberapa agen sekaligus, memungkinkan berbagai tugas independen untuk dilakukan secara bersamaan. Koordinasi ini dapat berguna untuk alur kerja yang kompleks atau dengan volume tinggi.

Kumpulan serangga juga dapat mengubah cara pengorganisasian pekerjaan khusus. Agen yang berbeda dapat menangani riset, analisis atau tinjauan berdasarkan kemampuan mereka. Dengan cara ini, alur kerja AI dapat dibagi menjadi peran dengan tanggung jawab yang berbeda daripada mengandalkan satu agen untuk melakukan setiap bagian dari proses.

Dampaknya tidak selalu positif. Lebih banyak agen membuat lebih banyak bagian yang bergerak. Organisasi perlu mengelola bagaimana agen berkomunikasi, bagaimana pekerjaan diserahkan dan apa yang terjadi ketika agen menghasilkan hasil yang bertentangan. Menjalankan beberapa agen juga dapat meningkatkan biaya, terutama ketika agen sering berinteraksi.

Kumpulan juga dapat mengubah peran orang dalam alur kerja yang didukung AI. Karyawan mungkin menghabiskan lebih banyak waktu untuk menentukan tujuan AI, meninjau hasil dan mengelola pengecualian alih-alih menyelesaikan setiap tugas secara langsung. Pergeseran tanggung jawab itu dapat mengurangi pekerjaan manusia dalam beberapa proses sambil menciptakan kebutuhan untuk lebih banyak pengawasan dan manajemen.

Perubahan ini mempengaruhi bagaimana organisasi menyusun alur kerja, mengalokasikan sumber daya, dan melibatkan orang dalam pekerjaan yang dibantu AI. Efek-efek tersebut penting untuk dipertimbangkan ketika mengevaluasi apakah segerombolan cocok dengan tugas tertentu.

Kumpulan agen AI dan sistem multi-agen keduanya melibatkan beberapa agen AI yang bekerja dalam sistem yang sama. Istilah-istilah ini kadang-kadang digunakan secara bergantian, tetapi sistem multi-agen umumnya merupakan istilah yang lebih luas.

• Sistem multi-agen dapat mencakup agen yang bekerja secara independen, mengikuti alur kerja yang telah ditentukan atau berinteraksi satu sama lain. Agen dapat memiliki peran dan kemampuan yang berbeda, tetapi mereka tidak perlu berkolaborasi erat.
  
  
• Kumpulan agen menggambarkan pengaturan yang lebih kolaboratif. Agen dapat membagi tugas yang lebih besar, mengkhususkan diri dalam berbagai jenis pekerjaan, berbagi informasi dan menanggapi tindakan atau hasil agen lain. Tingkat koordinasi dapat bervariasi. Beberapa kumpulan bergantung pada agen pusat atau orkestrator sementara yang lain memungkinkan agen untuk berinteraksi lebih langsung.

Perbedaan tersebut tidak selalu jelas. Sebuah sistem dengan beberapa agen independen dapat menjadi sistem multi-agen tanpa berfungsi sebagai kumpulan, sedangkan kumpulan dapat diatur dalam beberapa cara berbeda. Dalam praktiknya, istilah-istilah tersebut sering tumpang tindih, dengan "swarm (kumpulan)" lebih menekankan pada aktivitas agen yang terkoordinasi.

Kumpulan agen AI mengatur pekerjaan sehingga beberapa agen dapat berkontribusi pada tujuan bersama. Proses yang tepat tergantung pada desain kumpulan, tetapi sebagian besar sistem perlu menjawab empat pertanyaan:

1. Apa yang perlu dilakukan?
2. Siapa yang harus melakukannya?
3. Bagaimana seharusnya hasil kembali bersama?
4. Kontrol tata kelola apa yang menentukan apa yang dapat diakses, diputuskan, dan diubah oleh setiap agen?

Pertimbangkan perusahaan yang ingin melakukan riset pasar baru. Sebuah kumpulan mungkin meminta satu agen untuk mengembangkan rencana riset, beberapa agen menyelidiki berbagai aspek pasar secara paralel, dan agen lain melakukan ulasan serta menggabungkan temuan mereka. Pengaturan ini memungkinkan bagian riset yang berbeda terjadi secara bersamaan sambil memberikan masing-masing agen area tanggung jawab yang terfokus.

Pertama-tama, kelompok tersebut perlu memecah tujuan keseluruhan menjadi tugas-tugas yang lebih kecil. Agen perencanaan mungkin melakukan ini secara eksplisit, atau tugas-tugas tersebut mungkin didefinisikan sebagai bagian dari alur kerja sebelumnya.

Cara kerja dibagi tergantung pada masalahnya. Beberapa tugas dapat ditangani secara independen dan dikirim ke beberapa agen sekaligus. Tugas lain tergantung pada hasil sebelumnya dan perlu dilakukan secara berurutan. Seorang agen riset, misalnya, mungkin perlu menyelesaikan pekerjaannya sebelum agen lain dapat menganalisis temuan.

Agen juga dapat mengambil peran khusus. Satu agen mungkin fokus pada pengumpulan informasi sementara yang lain menganalisis data atau memeriksa kualitas pekerjaan. Prompt sistem dapat menentukan instruksi atau perilaku agen, sementara alat dan kemampuan lainnya menentukan pekerjaan apa yang dapat dilakukan agen. Spesialisasi memungkinkan kumpulan untuk menetapkan pekerjaan sesuai dengan instruksi, alat, atau kemampuan agen.

Setelah pekerjaan dibagi, agen memerlukan akses ke informasi yang diperlukan untuk menyelesaikan tugas mereka. Informasi itu dapat berpindah antar agen dengan cara yang berbeda.

Agen dapat mengirim pesan langsung satu sama lain. Mereka juga dapat menggunakan panggilan fungsi untuk menggunakan alat atau sistem eksternal dan meneruskan informasi yang dihasilkan ke alur kerja. Ruang kerja atau memori bersama dapat memungkinkan beberapa agen mengakses informasi yang sama.

Agen juga dapat meneruskan file, temuan riset, kode atau output lainnya saat satu tugas mengarah ke yang lain. Sistem pencarian juga dapat menyediakan konteks eksternal kepada agen dari sumber-sumber seperti dokumen, basis data, atau basis pengetahuan yang terhubung. Pendekatan seperti pencarian vektor dan grafik RAG dapat mengambil informasi yang relevan dengan cara yang berbeda, tergantung pada bagaimana data yang mendasarinya terstruktur.

Jumlah informasi yang dibagikan itu penting. Memberi setiap agen seluruh riwayat tugas dapat menghabiskan jendela konteksnya dan meningkatkan jumlah informasi yang perlu diproses sistem. Memberikan konteks yang terlalu sedikit kepada agen dapat menyebabkan pekerjaan yang tidak lengkap atau tidak konsisten. Desain kumpulan membutuhkan cara untuk menyediakan agen dengan informasi yang mereka butuhkan tanpa menciptakan overhead yang tidak perlu.

Komunikasi saja tidak membuat kumpulan menjadi efektif. Sistem juga perlu mengoordinasikan apa yang terjadi selanjutnya.

Agen pusat atau lapisan orkestrasi agen mungkin menetapkan tugas, memantau kemajuan, dan memutuskan kapan hasil siap untuk digabungkan. Dalam sistem yang lebih besar, observabilitas dapat membantu tim melacak aktivitas agen, panggilan alat, serah tangan, dan hasil. Dalam desain lain, agen dapat menentukan tindakan selanjutnya berdasarkan pesan, status bersama atau hasil agen lain.

Koordinasi juga dapat melibatkan peninjauan pekerjaan. Agen mungkin memeriksa output agen lain sebelum menjadi bagian dari hasil, atau alur kerja mungkin memerlukan persetujuan manusia sebelum agen bertindak. Jika pekerjaan belum selesai, kelompok agen dapat mengembalikan tugas tersebut untuk dicoba lagi atau menugaskannya kepada agen lain.

Langkah terakhir adalah menyatukan output individu. Satu agen mungkin mensintesis temuan ke dalam laporan akhir, sementara sistem lain mungkin menggabungkan output secara otomatis. Tujuannya adalah untuk mengubah banyak karya yang terpisah menjadi satu hasil yang menangani tugas asli.

Kumpulan agen bukan sekadar kumpulan agen AI. Ini adalah proses terkoordinasi di mana pekerjaan dibagi, informasi bergerak antara agen dan hasil individu berkontribusi pada tujuan bersama. Cara aktivitas-aktivitas tersebut diorganisir menentukan bagaimana perilaku kumpulan dan jenis tugas apa yang dapat ditanganinya.

Arsitektur kumpulan agen AI bervariasi bergantung pada tugas, hubungan antara tugas dan tingkat koordinasi yang diperlukan. Berbagai pilihan ini merupakan bagian dari arsitektur multi-agen yang lebih luas, dengan beberapa pola yang menjelaskan bagaimana pekerjaan dijalankan, sementara pola lainnya menjelaskan bagaimana agen diorganisasi atau bagaimana mereka berkolaborasi dan mengambil keputusan. Pola-pola ini juga dapat digabungkan dalam kelompok yang sama.

• Sekuensial: Agen menangani pekerjaan satu langkah pada satu waktu, dengan setiap agen menggunakan output agen sebelumnya. Misalnya, satu agen mungkin mengumpulkan informasi, yang lain mungkin menganalisisnya dan yang ketiga mungkin menyiapkan laporan akhir. Pendekatan ini sesuai dengan tugas-tugas di mana langkah-langkah selanjutnya bergantung pada yang sebelumnya, tetapi membatasi kesempatan untuk melakukan pekerjaan secara paralel.
  
  
• Paralel : Beberapa agen mengerjakan bagian-bagian tugas yang berbeda secara bersamaan sebelum hasilnya digabungkan. Kumpulan riset pasar, misalnya, dapat memiliki agen yang berbeda untuk menyelidiki pesaing, pelanggan, dan tren industri. Eksekusi paralel dapat mempersingkat alur kerja ketika tugas benar-benar independen dan overhead koordinasi tidak melebihi waktu yang dihemat.
  
  
• Iteratif: Agen mengulangi atau memperbaiki pekerjaan berdasarkan hasil langkah sebelumnya. Agen mungkin menghasilkan output awal, yang lain mungkin meninjaunya dan pekerjaan mungkin kembali ke agen asli untuk direvisi. Pola ini dapat berguna ketika kualitas output bergantung pada evaluasi dan penyempurnaan berulang.

• Terpusat atau dipimpin manajer: Agen pusat atau lapisan orkestrasi mengarahkan pekerjaan, menetapkan tugas dan mengumpulkan hasil dari agen lain. Struktur ini dapat memberikan titik kontrol yang jelas, tetapi agen atau sistem koordinasi juga dapat menjadi ketergantungan untuk sisa alur kerja.
  
  
• Hierarkis: Agen diatur ke dalam tingkat, dengan agen tingkat yang lebih tinggi menugaskan pekerjaan ke agen tingkat yang lebih rendah. Seorang koordinator mungkin memecah tujuan yang lebih besar menjadi tugas, sementara agen lain mengelola kelompok agen khusus yang lebih kecil. Struktur hierarkis dapat membantu mengatur alur kerja yang kompleks tetapi menambahkan lapisan koordinasi tambahan.
  
  
• Desentralisasi atau peer-to-peer: Agen berkoordinasi lebih langsung tanpa mengandalkan agen tunggal untuk mengelola setiap interaksi. Agen dapat menanggapi pesan, status bersama atau hasil agen lain dan menentukan tindakan mereka selanjutnya berdasarkan informasi yang tersedia bagi mereka. Hal ini dapat mengurangi ketergantungan pada koordinator pusat tetapi dapat membuat koordinasi dan kontrol menjadi lebih sulit.

• Serah terima: Satu agen mentransfer tanggung jawab untuk tugas ke agen lain ketika kemampuan atau peran yang berbeda diperlukan. Misalnya, agen triase mungkin mengarahkan permintaan ke agen khusus yang dapat menanganinya. Proses serah terima memungkinkan agen yang berbeda untuk bertanggung jawab atas bagian-bagian yang berbeda dari suatu alur kerja.
  
  
• Supervisor-pekerja: Agen supervisor mendelegasikan tugas kepada agen pekerja dan mengevaluasi atau menggabungkan Hasil. Supervisor dapat menentukan pekerjaan apa yang dibutuhkan, menugaskannya ke agen yang sesuai dan memutuskan apa yang terjadi selanjutnya.
  
  
• Debat atau kritik: Beberapa agen memeriksa masalah atau output yang ada dari perspektif yang berbeda. Satu agen mungkin menantang alasan lain atau mengidentifikasi kelemahan dalam responsnya. Ini dapat berguna ketika mengekspos ketidaksepakatan atau kemungkinan kesalahan lebih berharga daripada mengandalkan satu respons.
  
  
• Pemungutan suara atau konsensus: Beberapa agen menghasilkan rekomendasi atau penilaian yang kemudian dibandingkan untuk mencapai hasil gabungan. Pendekatan ini dapat berguna ketika perjanjian independen informatif, meskipun kesepakatan antar agen tidak menjamin bahwa hasilnya benar.
  
  
• Kolaborasi keadaan bersama: Agen bekerja dari representasi bersama tugas, seperti ruang kerja, memori, atau status bersama lainnya. Agen dapat membaca dan memperbarui informasi seiring berlangsungnya alur kerja, alih-alih meneruskan setiap hasil secara langsung dari satu agen ke agen lainnya. Pendekatan ini dapat mendukung kolaborasi dalam alur kerja yang lebih kompleks, tetapi memerlukan pengelolaan yang cermat terhadap informasi yang dapat diakses dan diubah oleh agen.

Kerangka kerja dapat mengimplementasikan dan menggabungkan pola-pola ini dengan berbagai cara. OpenAI Agents SDK menyediakan alat untuk membangun agen, mengelola serah tangan, dan mengoordinasikan alur kerja multi-agen. AutoGen menyediakan komponen untuk membangun dan mengoordinasikan aplikasi multi-agen. LangChain menyediakan alat untuk membangun aplikasi di sekitar model bahasa dan agen, termasuk alur kerja multi-agen. Kerangka kerja ini menggunakan pendekatan yang berbeda, sehingga pola yang mereka dukung tidak mewakili taksonomi arsitektur universal.

Polanya ini tidak saling eksklusif. Kumpulan agen dapat menggunakan struktur koordinasi hierarkis untuk membagi pekerjaan, menjalankan tugas-tugas yang independen secara paralel, dan melakukan peninjauan secara iteratif sebelum menghasilkan hasil akhir. Oleh karena itu, arsitektur dan pola eksekusi harus dipahami sebagai pilihan desain yang dapat digabungkan sesuai dengan persyaratan alur kerja.

Kumpulan agen AI dapat menawarkan keuntungan ketika alur kerja mendapat manfaat dari koordinasi di antara beberapa agen. Nilai berasal lebih sedikit dari jumlah agen yang terlibat dan lebih dari seberapa efektif kemampuan mereka digabungkan. Bergantung pada contoh penggunaan, kumpulan dapat meningkatkan kecepatan, kapasitas, fleksibilitas, atau kualitas output. Untuk beberapa alur kerja, satu agen dapat tetap menjadi pendekatan yang lebih sederhana dan lebih efektif.

• Kemampuan beradaptasi: Kumpulan dapat menyesuaikan saat informasi baru muncul. Agen dapat merespons perubahan kondisi, merevisi rencana atau mengalihkan pekerjaan tanpa memerlukan setiap langkah untuk ditentukan sebelumnya. Kemampuan ini berguna ketika informasi baru dapat mengubah apa yang perlu terjadi selanjutnya atau ketika pekerjaan sulit diprediksi di muka.
  
  
• Eksekusi yang didelegasikan: Bagian rutin dari alur kerja dapat dilanjutkan tanpa seseorang mengarahkan setiap langkah individu, asalkan agen memiliki izin dan aturan koordinasi yang jelas. Ulasan manusia dapat tetap wajib untuk tindakan sensitif atau konsekuensial.
  
  
• Beban kerja terdistribusi: Mendistribusikan pekerjaan di beberapa agen dapat membantu organisasi menangani volume pekerjaan yang lebih besar, sehingga lebih mudah untuk mendukung alur kerja volume tinggi atau padat sumber daya. Manfaat ini relevan ketika pekerjaan independen dapat disebar ke beberapa agen, termasuk melalui penskalaan horizontal.
  
  
• Berbagai perspektif: Agen independen dapat mendekati masalah yang sama dari sudut yang berbeda, menghasilkan ide alternatif, rekomendasi atau analisis. Ini dapat membantu tim ketika membandingkan perspektif, mengeksplorasi opsi, menantang asumsi dan mengidentifikasi masalah yang perlu diselidiki lebih lanjut. Dalam beberapa alur kerja, menggabungkan kontribusi ini dapat menciptakan bentuk kecerdasan kolektif dengan memanfaatkan beberapa tanggapan independen.
  
  
• Eksekusi yang lebih cepat: Pekerjaan paralel dapat mengurangi waktu yang telah berlalu dengan memungkinkan tugas independen berjalan pada waktu yang sama.
  
  
• Peningkatan kontrol kualitas: Memiliki agen memeriksa masalah yang sama atau meninjau output satu sama lain dapat memunculkan ketidaksepakatan dan kemungkinan kesalahan. Ini paling berguna ketika perbedaan tersebut akan sulit diidentifikasi melalui satu lintasan, tetapi tidak menjamin kebenaran, terutama ketika agen berbagi model, data, atau asumsi yang sama.
  
  
• Kemampuan khusus: Bagian yang berbeda dari alur kerja dapat menggunakan kemampuan yang sesuai dengan kebutuhan spesifik mereka. Kemampuan ini sangat membantu ketika satu proses membutuhkan kombinasi model, alat, atau lingkungan eksekusi, seperti model Claude Anthropic dan alat pengodean seperti Claude Code.
  
  
• Fleksibilitas alur kerja: Alur kerja dapat diubah dengan memodifikasi komponen individual daripada mendesain ulang seluruh proses. Modularitas ini dapat berharga ketika persyaratan, alat, atau model cenderung berubah seiring waktu.

Kelompok agen dapat gagal dalam beberapa cara karena pekerjaan berpindah antar agen. Agen mungkin menghasilkan hasil yang salah atau tidak lengkap. Agen lain mungkin membangun hasil itu, atau agen yang berbeda mungkin mencapai kesimpulan yang bertentangan.

Masalah juga muncul ketika agen menerima konteks yang salah, kehilangan informasi di antara langkah-langkah atau mengambil tindakan yang tidak diinginkan. Kegagalan ini dapat membuat perilaku kumpulan lebih sulit untuk dipecahkan masalahnya dan dikendalikan.

• Output yang bertentangan: Agen independen dapat mencapai kesimpulan yang berbeda atau menghasilkan hasil yang tidak kompatibel. Kumpulan ini membutuhkan cara untuk membandingkan output dan memutuskan bagaimana perselisihan harus ditangani.
  
  
• Manajemen konteks: Seiring alur kerja menjadi lebih kompleks, menentukan informasi apa yang harus diterima oleh setiap agen dapat menjadi tantangan.
  
  
• Overhead koordinasi: Sistem perlu mengelola penugasan tugas, berbagi informasi, dan konflik antar agen. Koordinasi bisa menjadi lebih sulit karena alur kerja melibatkan lebih banyak agen dan interaksi.
  
  
• Penyebaran kesalahan: Sebuah kesalahan dari satu agen dapat menjadi input bagi agen lainnya. Tanpa pemeriksaan yang tepat, kesalahan dapat bergerak melalui alur kerja dan memengaruhi hasil akhir.
  
  
• Biaya yang lebih tinggi: Menjalankan beberapa agen dapat meningkatkan biaya model dan komputasi, terutama ketika agen bertukar informasi dalam jumlah besar, sering berinteraksi atau mengulangi pekerjaan.
  
  
• Debugging yang lebih sulit: Ketika kumpulan menghasilkan hasil yang salah, sumbernya dapat berupa agen individu, interaksi antara agen atau cara informasi dilewatkan melalui alur kerja. Ini dapat membuat masalah lebih sulit untuk dilacak daripada dalam sistem agen tunggal.
  
  
• Keamanan dan akses: Agen yang berbeda mungkin memerlukan akses ke data, alat, atau sistem yang berbeda. Izin tersebut perlu dikontrol dengan hati-hati, terutama ketika agen dapat bertindak tanpa instruksi langsung manusia.
  
  
• Kompleksitas yang tidak perlu: Beberapa agen tidak memberikan manfaat untuk setiap tugas. Untuk masalah yang lebih sederhana, koordinasi dan infrastruktur ekstra dapat menambah kompleksitas tanpa memberikan nilai yang cukup untuk membenarkannya.

Kumpulan agen AI dapat berguna ketika membagi tugas di antara beberapa agen memberikan keuntungan yang jelas dibandingkan menanganinya dengan satu agen atau pendekatan lain. Untuk implementasi yang lebih kompleks, bukti konsep (POC) dapat membantu menentukan apakah manfaat membenarkan koordinasi, sumber daya, dan kompleksitas tambahan sebelum kumpulan menerapkan secara lebih luas. Pertimbangkan suatu kelompok agen ketika:

• Masalahnya dapat dibagi menjadi komponen yang bermakna: Bagian yang berbeda dari pekerjaan memerlukan kegiatan, keputusan, atau bidang keahlian yang terpisah.
  
  
• Bagian dari pekerjaan dapat terjadi secara paralel: Pendekatan ini dapat mengurangi waktu yang telah berlalu, tetapi tugas harus benar-benar independen dan waktu yang dihemat harus lebih besar daripada koordinasi yang diperlukan.
  
  
• Tidak ada agen tunggal yang cocok untuk seluruh tugas: Alur kerja mendapat manfaat dari menggabungkan berbagai kemampuan, alat, model, atau instruksi. Agen terpisah lebih masuk akal ketika tujuannya adalah untuk memberikan setiap bagian dari kemampuan alur kerja yang disesuaikan dengan persyaratan spesifiknya.
  
  
• Skala pekerjaan melebihi apa yang dapat dikelola oleh satu agen secara efisien: Volume atau kompleksitas pekerjaan cukup besar untuk dibagi di antara beberapa agen. Distribusi menjadi lebih relevan ketika satu agen akan berjuang untuk menangani beban kerja yang besar, berkelanjutan, atau padat sumber daya.
  
  
• Alur kerja perlu beradaptasi saat kondisi berubah: Agen mungkin perlu membuat keputusan, menanggapi informasi baru, atau mengalihkan pekerjaan secara dinamis saat proses berlangsung. Satu agen dapat memeriksa output agen lain, atau beberapa agen dapat memecahkan masalah yang sama secara independen. Pendekatan ini paling relevan ketika proses penuh sulit diprediksi atau rentan terhadap perubahan kondisi eksternal. Pendekatan ini juga memungkinkan agen untuk membandingkan hasil, yang dapat mengungkapkan ketidaksepakatan atau kemungkinan kesalahan yang seharusnya tidak diperhatikan.
  
  
• Koordinasi itu sendiri menciptakan nilai: Hasilnya tidak hanya bergantung pada penyelesaian tugas, tetapi pada menggabungkan kontribusi dari beberapa agen—bahkan beberapa tim—untuk menghasilkan hasil yang lebih bermanfaat.

Penggunaan algoritma kumpulan mungkin tidak tepat ketika tugasnya sederhana, ketika setiap langkah sangat bergantung pada langkah sebelumnya, atau ketika koordinasi tambahan dari beberapa agen tidak memberikan banyak manfaat. Dalam situasi tersebut, agen tunggal atau alur kerja otomatis konvensional dapat lebih sederhana, lebih mudah diatur, dan lebih murah untuk dioperasikan.