# Multi-Agent-Koordination
SUMMARY: Mehrere LLM-Agenten über geteilte Synapse-Minds, Tasks und Chat koordinieren.

Multi-Agent-Koordination
Wenn du mehrere LLM-Agenten hast, die an verwandten Aufgaben arbeiten, stellt
Synapse die Koordinationsschicht bereit — Shared Memory, Task-Zuweisung und
asynchronen Chat.
Patterns
Pattern 1: Shared Mind (Single Source of Truth)
Alle Agenten teilen sich einen Mind Key. Sie lesen/schreiben denselben
Memory-Store.
[CODE BLOCK]
Anwendungsfall: Kleines Team von Agenten, das an einem Projekt arbeitet.
Setup:
[CODE BLOCK]
Koordination via Tasks:
[CODE BLOCK]
Pattern 2: Specialized Minds (isolierte Kontexte)
Jeder Agent hat seinen eigenen Mind. Sie kommunizieren über einen geteilten
„Koordinations"-Mind.
[CODE BLOCK]
Anwendungsfall: Agenten mit unterschiedlichen Spezialisierungen (Coding,
Review, Deployment).
Setup:
[CODE BLOCK]
Koordination via Shared Mind:
[CODE BLOCK]
Pattern 3: Hub-and-Spoke (Orchestrator)
Ein zentraler Orchestrator-Agent weist Worker-Agenten Tasks zu.
[CODE BLOCK]
Anwendungsfall: Komplexe Workflows mit paralleler Arbeit.
Implementierung:
[CODE BLOCK]
Koordination via Chat
Agenten können über das Chat-System kommunizieren:
[CODE BLOCK]
> [!NOTE]
> Chat-Nachrichten sind rollen-getaggt. Setze role=agent für Agent-zu-Agent-
> Nachrichten, role=human für Mensch-zu-Agent.
Koordination via Variablen
Variablen für leichtgewichtige Koordination verwenden (Locks, Flags):
[CODE BLOCK]
Best Practices
> [!TIP]
> - Separate Minds für separate Belange — nicht Coder- und Reviewer-Memory mischen
> - Agenten im Chat taggen —  für klare Adressierung
> - Tasks für Arbeits-Zuweisung verwenden — nicht Chat (Chat ist für Diskussion)
> - Idempotenz implementieren — Agenten können fehlgeschlagene Operationen wiederholen
> - Alles loggen — Entscheidungen im Memory für Auditierbarkeit speichern
Nächste Schritte
- Persistenter LLM-Agent
- LLM-Cookbook
- Webhook-Automation