דפוסי תזמור סוכנים שבאמת עובדים בייצור
שלושה דפוסי תזמור סוכנים שאני משתמש בהם יומיומית במערכת האוטונומית שלי עם 7 סוכנים: ניתוב תור משימות, הרצות אוטונומיות מתוזמנות, וזיכרון חוצה-סוכנים דרך Firestore. מספרים אמיתיים, פשרות אמיתיות.
רוב מה שנכתב על תזמור סוכנים נכתב על ידי אנשים שלא הריצו סוכנים בייצור. אני מריץ מערכת אוטונומית של 7 סוכנים מאז תחילת 2026, פרסום מאמרים יומי, תוכן LinkedIn, ניטור פיננסי, עיצוב ווב, תפעול מכירות, תשתית. שלושת הדפוסים האלה הם אלה ששרדו מגע עם המציאות.
הם לא הדפוסים האלגנטיים ביותר שניסיתי. הם אלה שלא נשברו ב-6 בבוקר כשאף אחד לא צפה.
למה תזמור הוא החלק הקשה שאף אחד לא מדבר עליו
לבנות סוכן בודד הוא, בכנות, לא כזה קשה יותר. בוחרים מודל, כותבים system prompt, מחברים לכלים. נגמר באחר-צהריים.
תזמור הוא החלק הקשה. ברגע שיש לך שני סוכנים או יותר שצריכים למסור עבודה אחד לשני, לחלוק זיכרון, או לתאם על תזמון, יש לך בעיית תזמור. והפתרונות שנראים נקיים על לוח לבן מתפרקים מהר.
ביליתי כשלושה שבועות בתחילת 2026 בניסיון לגרום לסוכנים לתקשר ישירות, סוכן A קורא לסוכן B, B מחזיר תוצאה, A ממשיך. זה עבד בדמואים. זה נכשל בייצור בגלל חביון, בגלל כשלים חלקיים, בגלל שכש-B עשה timeout, ל-A לא היה נתיב התאוששות. המערכת נכנסה למצבים שלא יכולתי לדבג.
אז זרקתי את זה. מה שאני מריץ עכשיו הוא פשוט יותר, משעמם יותר, ודרמטית יותר מהימן.
דפוס 1 - תור משימות + סוכן נתב
זה הבסיס של כל השאר. במקום שסוכנים יקראו אחד לשני ישירות, כל העבודה חוצת-הסוכנים זורמת דרך תור משותף. כשסוכן אחד צריך שאחר יעשה משהו, הוא כותב משימה לתור. סוכן נתב, Vision במערכת שלי, קורא את התור מדי פעם ומקצה משימות לסוכן הנכון.
למה זה עובד:
- סוכנים מנותקים. Aria לא קוראת ל-Jams. Aria כותבת "צור פוסט LinkedIn למאמר הזה" לתור, ו-Vision מנתב את זה כש-Jams זמין.
- התור ניתן לביקורת. לכל משימה יש חותמת זמן, סטטוס, מבצע. כשמשהו נשבר, אני רואה בדיוק מה קרה.
- התאוששות טריוויאלית. אם סוכן נכשל באמצע משימה, המשימה נשארת בתור כ-PENDING ונאספת במחזור הבא.
דוגמה אמיתית: כש-Aria מפרסמת מאמר (כמו זה, עכשיו), היא יוצרת משימת תור ל-Jams לכתוב פוסט LinkedIn שמכריז עליו. Jams מעבד את המשימה הזו בהרצה המתוזמנת הבאה שלו. שני הסוכנים אף פעם לא מדברים ישירות. כל המסירה היא הודעה מובנית במאגר משותף.
התור עצמו חי ב-Firestore. לכל מסמך משימה יש: to (שם סוכן), task (תיאור בשפה טבעית), priority (urgent/high/normal/low), status (pending/done), createdAt, completedAt. זהו. בלי סכמות מסובכות.
מספרים: בשבוע טיפוסי, Vision מעבד 40-60 פריטי תור. זמן חציוני מיצירת משימה להשלמה: 14 דקות בשעות פעילות, פחות משעתיים בלילה. שיעור כשל משימות: כ-3%, כמעט כולם ניתנים להתאוששות ב-retry.
דפוס 2 - הרצות אוטונומיות מתוזמנות
קריאות ישירות בין סוכנים נכשלות בשקט. הרצות מתוזמנות לא.
לכל אחד מהסוכנים שלי יש לוח זמנים מוגדר. Aria מריצה את צינור התוכן שלה כל יום חול ב-06:30 שעון ישראל. Albert מריץ סריקה פיננסית כל בוקר. ה-llm-citation-tracker רץ שבועית. אלה לא webhooks. אלה עבודות Cloud Scheduler שפונות ל-endpoints ייעודיים על שירותי Cloud Run.
הדפוס הזה פתר בעיה שלא ידעתי שיש לי עד שנתקלתי בה: סחיפת סוכנים. כשסוכן A מפעיל את סוכן B על ידי קריאה אליו, התזמון לא צפוי. אם A רץ לאט יום אחד, B נקרא מאוחר. אם A קורס, B אף פעם לא רץ. במשך שבוע, כל המערכת יוצאת מסנכרון.
הרצות מתוזמנות מבטלות תלות תזמונית. כל סוכן אחראי על לוח הזמנים שלו. התור מטפל בתיאום. לוחות זמנים מטפלים בקצב.
ההקמה בפועל:
- Cloud Scheduler מפעיל POST ל-
/cron/aria-daily-contentכל יום חול ב-06:30 +03:00 - שירות Cloud Run מקבל את הבקשה ומאתחל את קונטקסט הסוכן
- הסוכן קורא את התור שלו, קורא זיכרון, עושה את העבודה, כותב פלטים
- Cold start הוא 1.8-2.4 שניות (מקובל לעבודות cron שלא פונות למשתמש)
- סה"כ מקצה לקצה להרצת התוכן היומית של Aria: 3-7 דקות תלוי במורכבות המאמר
תקנו אותי, ההקמה המקורית שלי הייתה עבודת Cloud Scheduler אחת שניסתה לתאם את כל הסוכנים ברצף. זה היה אסון. סוכן איטי אחד היה עושה timeout לכל השרשרת. עכשיו לכל סוכן יש עבודת scheduler משלו, שירות Cloud Run משלו, מחזור חיים משלו. עצמאות מלאה.
מספרים: 7 סוכנים, 14 עבודות מתוזמנות בסך הכל (חלק מהסוכנים רצים פעמיים ביום). עלות Cloud Run משולבת להרצות מתוזמנות: $12-$22 לחודש תלוי בחודש. חודש אחד השארתי endpoint דיבוג פעיל וראיתי את החשבון מגיע ל-$31, תפסתי את זה עם LLM Cost Lens וסגרתי תוך שעה.
דפוס 3 - זיכרון חוצה-סוכנים דרך Firestore
זה הדפוס שאני הכי גאה בו, וזה עם מצבי הכשל הכי מעניינים.
סוכנים חולקים זיכרון דרך Firestore. יש שלושה סוגי זיכרון במערכת שלי: learning (תובנות שהתגלו), decision (בחירות אסטרטגיות שנעשו), feedback (תגובות קהל). כל סוכן יכול לקרוא מכל אוסף זיכרון או לכתוב אליו.
הנה למה זה משנה לתזמור: סוכנים שרצו לפני שבועות מיידעים סוכנים שרצים היום. כש-Jams כותב learning שאומר "פוסטים על מצבי כשל של סוכנים מקבלים פי 3 יותר engagement מפוסטי how-to טכניים", Aria קוראת את זה לפני כתיבת מאמרים. כש-Albert מסמן חריגת תקציב, Vision קורא את זה לפני תזמון משימות כבדות-API יקרות.
זיכרון הוא איך המערכת נהיית חכמה יותר עם הזמן בלי שאני מתדרך ידנית כל סוכן. זה גם איך סוכנים נשארים מיושרים בלי תקשורת ישירה.
הדפוס בפועל:
1. כל סוכן קורא זיכרון רלוונטי בתחילת כל הרצה (החלטות, learnings, feedback)
2. כל סוכן כותב זיכרון בסוף כל הרצה אם גילה משהו ששווה לשמור
3. רשומות זיכרון מסווגות, בעלות חותמת זמן, וכתובות בשפה טבעית, קל ל-LLMs לנתח
4. שום רשומת זיכרון אף פעם לא נמחקת, הן מצטברות, והטיית העדכניות בשליפה שומרת עליהן רלוונטיות
איפה זה נשבר: זיהום זיכרון. אם סוכנים כותבים תובנות באיכות נמוכה, אוסף הזיכרון מתמלא ברעש. הייתה לי תקופה ביוני שבה Albert כתב רשומת learning בכל הרצה ("העלות השבוע הייתה $X"), נתון שימושי, אבל לא learning. הוספתי שער איכות: לפני כתיבה לזיכרון, הסוכנים מונחים לשאול "האם זה עדיין יהיה חשוב בעוד 4 שבועות?" אם לא, דלג.
מספרים: מאגר הזיכרון הנוכחי מכיל 287 רשומות על פני 3 סוגים. סוכן טיפוסי קורא 8-12 רשומות בהרצה (האחרונות מכל סוג). עלות Firestore לפעולות זיכרון: $0.80-$1.20 לחודש. זול באופן אבסורדי למה שהוא נותן.
הדפוס שלא נכנס לרשימה
ניסיתי עוד דפוס אחד שחשבתי שיהיה חכם: פירוק משימות היררכי. סוכן מקבל משימה גדולה, מפרק אותה לתת-משימות, מזריע תת-סוכנים לטפל בכל אחת, מקבץ תוצאות.
זה עובד בתיאוריה. בפועל, החביון מצטבר. אם משימה מתפרקת ל-4 תת-משימות, וכל תת-משימה לוקחת 30 שניות, אתה מסתכל על דקותיים של עבודה מקבילית פלוס תקורת תיאום. בסדר לעבודת batch לא מקוונת, גרוע לכל דבר רגיש-זמן. והטיפול בשגיאות באמת כואב, אם תת-משימה 3 נכשלת, מה עושים עם התוצאות של 1, 2 ו-4?
אני עדיין משתמש בפירוק מדי פעם, אבל אני עושה את זה ידנית, אני מפרק משימות מראש וכותב פריטי תור נפרדים. פחות אוטומטי, יותר מהימן.
איך שלושת הדפוסים האלה מתחברים
זה לא שלושה דפוסים עצמאיים. זו מערכת אחת:
תור + נתב = איך סוכנים מתאמים עבודה
הרצות מתוזמנות = איך סוכנים מתאמים זמן
זיכרון משותף = איך סוכנים מתאמים ידע
הסר כל אחד מהם והמערכת נהיית טיפשה יותר. הסר את התור ואתה חוזר לסוכנים שקוראים אחד לשני ישירות, שביר. הסר לוחות זמנים ועבודה קורית באופן לא צפוי. הסר זיכרון משותף וכל סוכן מתחיל מחדש בכל הרצה, מגלה מחדש דברים שהמערכת כבר יודעת.
בפועל, יום טיפוסי נראה ככה: הרצת 06:30 של Aria מופעלת. היא קוראת זיכרון (החלטות אחרונות, feedback על מאמרים קודמים). היא בוחרת נושא מהתור, בודקת את שער הכפילויות, כותבת את המאמר, עושה commit. היא יוצרת משימת תור ל-Jams לכתוב פוסט LinkedIn. היא שומרת learning אם גילתה משהו ששווה לשמור. סוף הרצה.
ארבע שעות אחר כך, ההרצה של Jams מופעלת. הוא קורא את התור, מוצא את המשימה של Aria, כותב את פוסט ה-LinkedIn, מסמן את המשימה כ-done. הוא קורא זיכרון לבדוק דפוסי engagement לפני כתיבה. הוא שומר feedback אחרי פרסום.
בלי קריאות ישירות. בלי מצב משותף מלבד התור והזיכרון. כל סוכן רץ בתהליך משלו, בלוח זמנים משלו, עם ממשק ברור למערכת המשותפת.
מה הייתי אומר למישהו שמתחיל מאפס
אל תתחיל עם הדפוסים. תתחיל עם סוכן אחד שעושה דבר אחד טוב.
הרצתי שירות Cloud Run בודד שמטפל בהודעות WhatsApp במשך שלושה חודשים לפני שהוספתי סוכן שני. האילוץ הזה אילץ אותי להבין את התשתית, מצבי הכשל, מאפייני החביון. כשהוספתי סוכנים 2 עד 7, בניתי על משהו שבאמת הבנתי.
הדפוסים למעלה עלו מבעיות אמיתיות. התור בא מסוכנים שקראו אחד לשני ונכשלו. לוחות זמנים באו מסחיפה תזמונית. זיכרון בא מסוכנים ששכחו קונטקסט בין הרצות. אם הייתי קורא פוסט בבלוג ומנסה ליישם את כל השלושה מהיום הראשון, הייתי בונה משהו שלא יכולתי לדבג.
בנה סוכן אחד. שבור אותו. תקן אותו. הוסף את הבא.
טעיתי בזה לזמן מה, חשבתי שהארכיטקטורה היא הדבר הראשון לדייק בו. היא האחרונה. הדבר הראשון לדייק בו הוא הבנה איך נראה כשל במערכת הספציפית שלך. ארכיטקטורה באה אחר כך.
התפקיד של ctxauditor בכל זה
דבר אחד שלא הזכרתי: ניהול קונטקסט הוא השכבה הרביעית הנסתרת של תזמור.
כל אחד מהסוכנים האלה רץ עם חלון קונטקסט. כשהם קוראים זיכרון, קוראים תורים, קוראים פלטי כלים, הקונטקסט הזה מתמלא. בלי ניהול, סוכנים פוגעים במגבלות שלהם באמצע הרצה ומתחילים להזות או לסרב להשלים משימות.
ctxauditor, אחד מאבות-הטיפוס שלי, מריץ בדיקת רלוונטיות על קונטקסט הסוכן לפני כל פעולה משמעותית. הוא הפחית קונטקסט לא רלוונטי מ-38% לכ-12% על פני הסוכנים שלי. זה ההבדל בין סוכן שמסיים את ההרצה שלו נקי לאחד שנגמר לו חלון הקונטקסט ב-70% מהדרך ומפיק זבל.
שלושת הדפוסים למעלה מניחים שניהול קונטקסט מטופל. אם אתם מיישמים את הדפוסים האלה ומדלגים על הצעד הזה, תפגעו בקירות שאני כבר פגעתי בהם.
מקורות
ההפניות האלה תומכות במושגים הטכניים שנדונים כאן. הן לא מאמתות באופן עצמאי את הניסויים האישיים, העלויות או נתוני הביצועים המדווחים במאמר זה. התנהגות מוצר יכולה להשתנות אחרי פרסום.
- Building effective agents: דפוסי תזמור ופשרות.
- שירותים מתוזמנים: הפעלה מתוזמנת על Cloud Run.
שאלות נפוצות
מהו תזמור סוכנים?
תזמור סוכנים הוא איך מתאמים מספר סוכני AI שעובדים על משימות קשורות. במקום AI אחד שעושה הכל, יש סוכנים מתמחים, לכל אחד תפקיד מוגדר, שמוסרים עבודה אחד לשני, חולקים זיכרון, ופועלים על לוחות זמנים. תזמור מגדיר איך הם מתקשרים בלי לדרוך אחד לשני על הרגליים.
מה ההבדל בין תזמור סוכנים למערכות מרובות-סוכנים?
מערכת מרובת-סוכנים מתארת מה יש לך, מספר סוכנים. תזמור מתאר איך הם עובדים יחד, הדפוסים, הפרוטוקולים והתשתית שמתאמים אותם. אפשר שתהיה מערכת מרובת-סוכנים עם תזמור גרוע. המטרה היא הראשון עם עיצוב מכוון לשני.
למה להשתמש בתור משימות במקום קריאות ישירות סוכן-לסוכן?
קריאות ישירות יוצרות צימוד הדוק: אם סוכן B איטי או נכשל, סוכן A חסום. תור משותף מנתק אותם. סוכן A כותב משימה וממשיך הלאה. סוכן B מרים אותה בהרצה המתוזמנת הבאה שלו. המערכת ממשיכה לפעול גם אם סוכן אחד מושבת, וכל מסירה ניתנת לביקורת.
איך מונעים מסוכנים לכתוב נתונים גרועים לזיכרון משותף?
הוסף שער איכות להוראת כתיבת הזיכרון: לפני כתיבת learning או החלטה, הסוכן צריך לשאול "האם זה עדיין יהיה רלוונטי בעוד 4 שבועות?" אם לא, דלג על הכתיבה. גם, ערוך ביקורת תקופתית על רשומות זיכרון, אני עושה את זה חודשית, וקצץ רשומות שהיו שימושיות באותה עת אבל מיושנות עכשיו.
איזו תשתית צריך כדי להריץ סוכני AI מתוזמנים?
ההקמה שלי: Cloud Run (שירותי סוכנים), Cloud Scheduler (טריגרים של cron), Firestore (תור + זיכרון). עלות תשתית כוללת: $12-$31 לחודש תלוי בשימוש. אפשר להשתמש ב-AWS Lambda + EventBridge + DynamoDB להקמה דומה. הדפוס משנה יותר מהכלים הספציפיים.
איך מטפלים בכשלי סוכנים במערכת תזמור מתוזמנת?
עצב לאידמפוטנטיות. לכל משימה בתור יש שדה סטטוס. אם סוכן קורס באמצע הרצה, המשימה נשארת PENDING ונאספת במחזור הבא. אל תמחק משימות בכשל, סמן אותן כ-FAILED עם הערת שגיאה. רוב הכשלים חולפים ומתאוששים ב-retry תוך מחזור או שניים.
אפשר להתחיל עם רק אחד משלושת הדפוסים האלה?
כן. התחל עם תור המשימות. זה הדפוס בעל המינוף הגבוה ביותר כי הוא מנתק את הסוכנים שלך מיד. הוסף הרצות מתוזמנות ברגע שיש לך 2+ סוכנים עם קצבים נפרדים. הוסף זיכרון משותף ברגע שאתה רוצה שסוכנים ילמדו אחד מהשני על פני סשנים. כל דפוס שימושי באופן עצמאי.
איך ניהול חלון קונטקסט משתלב בתזמור סוכנים?
קונטקסט הוא האילוץ הנסתר בכל דפוס תזמור. סוכנים שקוראים מתורים, זיכרון ופלטי כלים ממלאים את חלון הקונטקסט שלהם מהר. בלי ניהול קונטקסט אקטיבי, קיצוץ רשומות לא רלוונטיות לפני שהן מצטברות, סוכנים מתדרדרים באמצע הרצה. ctxauditor הפחית קונטקסט לא רלוונטי במערכת שלי מ-38% ל-12%, מה ששיפר ישירות את שיעורי השלמת ההרצות.
קריאה נוספת
- העלות האמיתית של ניהול צוות AI אישי (המספרים שלי)
פירוט כנה של מה שבאמת עולה בחודש להפעיל מערכת אוטונומית של 7 סוכנים - הוצאות LLM API, Cloud Run, Firestore, והכלים שאף אחד לא מדבר עליהם. מספרים אמיתיים מבונה AI סולו.
- איך אני מכמת את כל צינור התוכן שלי עם סוכני AI
פירוק של פרקטישנר על איך החלפתי שעות של עבודת תוכן שבועית בצינור אוטונומי של 5 סוכנים: מחקר נושאים, כתיבה, עריכה, פרסום והפצה מטופלים בלי שאני בלולאה.
- איך להפוך סוכני AI למוכנים לפרודקשן (מה שהמדריכים לא אומרים לכם)
רוב סוכני ה-AI שנראים מרשימים בדמו קורסים בפרודקשן. הנה מה שבאמת עושה את ההבדל - מחלונות הקשר ועד מצבי כשל - על בסיס פריסות אמיתיות.
יומן הבנייה
לעקוב אחרי העבודה.
מאמרים ואבטיפוסים חדשים, ישר לקורא ה-RSS שלכם. מנויי המייל בהשהיה זמנית, עד שאחבר שירות משלוח עובד. לא נאסף כאן אימייל.
עקבו ב-RSS