# การประสานงาน Multi-Agent
SUMMARY: ประสานงาน LLM agent หลายตัวโดยใช้ Synapse mind, task และ chat ที่แชร์กัน

การประสานงาน Multi-Agent
เมื่อคุณมี LLM agent หลายตัวทำงานที่เกี่ยวข้องกัน Synapse ให้ชั้นประสานงาน — shared memory, การมอบหมาย task, และ async chat
รูปแบบ
รูปแบบ 1: Shared Mind (Single Source of Truth)
agent ทั้งหมดแชร์ Mind Key เดียว พวกเขาอ่าน/เขียน memory store เดียวกัน
[CODE BLOCK]
กรณีใช้งาน: ทีมเล็กของ agent ที่ทำงานบนโปรเจกต์เดียว
การตั้งค่า:
[CODE BLOCK]
การประสานงานผ่าน task:
[CODE BLOCK]
รูปแบบ 2: Specialized Minds (Isolated Contexts)
แต่ละ agent มี mind ของตัวเอง พวกเขาสื่อสารผ่าน mind "coordination" ที่แชร์กัน
[CODE BLOCK]
กรณีใช้งาน: agent ที่มีความเชี่ยวชาญต่างกัน (coding, review, deployment)
การตั้งค่า:
[CODE BLOCK]
การประสานงานผ่าน shared mind:
[CODE BLOCK]
รูปแบบ 3: Hub-and-Spoke (Orchestrator)
orchestrator agent กลางมอบหมาย task ให้ worker agent
[CODE BLOCK]
กรณีใช้งาน: workflow ที่ซับซ้อนพร้อมงานขนาน
การ implement:
[CODE BLOCK]
การประสานงานผ่าน Chat
agent สื่อสารผ่านระบบแช็ต:
[CODE BLOCK]
> [!NOTE]
> ข้อความแช็ตถูก tag ด้วย role ตั้ง role=agent สำหรับข้อความ agent-to-agent, role=human สำหรับ human-to-agent
การประสานงานผ่าน Variable
ใช้ variable สำหรับการประสานงานเบา (lock, flag):
[CODE BLOCK]
แนวทางปฏิบัติที่ดีที่สุด
> [!TIP]
> - ใช้ mind แยกสำหรับความกังวลแยก — อย่าผสม memory ของ coder และ reviewer
> - Tag agent ในแช็ต —  สำหรับการระบุชัดเจน
> - ใช้ task สำหรับการมอบหมายงาน — ไม่ใช่แช็ต (แช็ตสำหรับการสนทนา)
> - implement idempotency — agent อาจ retry การดำเนินการที่ล้มเหลว
> - log ทุกอย่าง — เก็บการตัดสินใจใน memory เพื่อ auditability
ขั้นตอนถัดไป
- Persistent LLM Agent
- LLM Cookbook
- Webhook Automation