Реальные внедрения сложных мультиагентных систем вызывают сложности. Чаще всего мы видим мощные, но изолированные ИИ-агенты: один анализирует данные, другой работает с CRM, третий пишет код. Они эффективны в своих задачах, но не способны к полноценному сотрудничеству. Это мир разрозненных систем — аналог интернета до появления HTTP или почты до SMTP. Переход к настоящему коллективному интеллекту требует смены архитектурной парадигмы.

Мы предлагаем blueprint для построения «фабрики агентов» на базе открытого стека KAMF (Kafka, A2A, MCP, Flink). Этот подход решает проблему создания динамичных, отказоустойчивых и масштабируемых экосистем ИИ-агентов. Рассмотрим на примере, как автоматизировать и ускорить поиск технической информации по процессам ремонта на крупном производстве. Инженеру для диагностики и ремонта сложного оборудования приходится вручную искать информацию в разрозненных источниках: технических регламентах, базах данных запчастей, историях ремонтов и журналах инцидентов. Это долго, неэффективно и ведет к простоям оборудования.

Мы спроектируем систему, где ИИ-агенты, построенные на стеке KAMF, совместно решают эту задачу.

Apache Kafka. Выступает как «нервная система» всего процесса. Все события — от запроса инженера до найденного документа — передаются через асинхронную, надежную шину сообщений. Это отделяет агентов друг от друга и позволяет системе быть гибкой.
A2A (Agent-to-Agent). Протокол, который обеспечивает «общий язык» для агентов. Агент-диспетчер сможет найти и поставить задачу специализированным агентам (например, агенту по работе с документацией или агенту по анализу логов) благодаря стандартизированному механизму обнаружения (Agent Card) и взаимодействия.
MCP (Model Context Protocol). «Универсальный набор инструментов» для агентов. Протокол стандартизирует доступ к внешним системам: базам данных запчастей, PDF-документам с регламентами, API складской системы. Агентам не нужно знать детали реализации каждого источника данных.
Apache Flink. «Мозг» системы, работающий в реальном времени. Flink позволяет обрабатывать потоки данных из Kafka, обогащать их (например, сопоставляя код ошибки с возможными причинами из базы знаний) и принимать решения на лету, координируя работу агентов.

Целевая аудитория: архитекторы ПО, тимлиды, инженеры данных, разработчики (senior, lead), специалисты по автоматизации производства и все, кто интересуется построением сложных распределенных систем на основе ИИ.

Андрей Носов

Выступления в сезоне 2025 Autumn

Спикер

Blueprint для «фабрики агентов»: проектирование масштабируемых мультиагентных систем на базе KAMF

Андрей Носов