Praktische Multi-Agenten-Orchestrierung in Codex

@pvncher
ENGLISCHvor 2 Tagen · 24. Juli 2026
112K
1.0K
70
41
2.0K

TL;DR

Ein technischer Deep Dive in die Multi-Agent V2-Technologie von OpenAI. Erfahren Sie, wie Sie GPT-5.6 Sol-Agenten durch variable Reasoning-Efforts und Kontextmanagement für komplexe Aufgabenausführungen orchestrieren.

GPT-5.6 Sol wird besonders interessant, wenn es ein Team zur Zusammenarbeit hat. Codex' neue Multi-Agent V2 Tools geben Sol und Terra eine natürliche Möglichkeit, Aufgaben zu delegieren, Updates zu teilen und sich durch komplexe Aufgaben zu koordinieren.

Ultra macht die Koordination von Agenten zum Standard und ist am besten für anspruchsvolle Aufgaben reserviert, bei denen Unklarheiten oder verteilter Kontext die zusätzliche Tiefe rechtfertigen.

Für andere Aufgaben kann ein kurzer Prompt oder eine Fertigkeit das gleiche kollaborative Verhalten von Sol Medium fördern, da es während der Organisation der Arbeit im Hintergrund im Gespräch mit dir bleibt. Mit dem richtigen Anstoß kann Sol breite Anfragen in fokussierte Aufgaben umwandeln, andere Agenten einbeziehen und entscheiden, wann ein Problem tiefgründigeres Denken erfordert.

Denkaufwand an die Aufgabe anpassen

Es ist zwar möglich, dass Sol Aufgaben an ein anderes Modell wie Terra delegiert, aber der einfachste Aufbau verwendet eine Modellfamilie und passt nur den Denkaufwand an, mit dedizierten Rollen wie folgt:

  • Späher — GPT-5.6 Sol Light. Beantwortet enge, reine Lesefragen: Dateien lokalisieren, einen Codepfad verfolgen oder relevante Tests finden.
  • Arbeiter — GPT-5.6 Sol Medium. Führt abgegrenzte Änderungen durch, führt Prüfungen durch oder übernimmt unterstützende Arbeiten.
  • Kluger Arbeiter — GPT-5.6 Sol High. Übernimmt schwierige Implementierungen, löst Unklarheiten oder koordiniert bei Bedarf Hilfe.

Betrachte diese Rollen als nützliche Standardeinstellungen. Sol Light behält das Urteilsvermögen, um nützlichen Kontext zu finden, ohne zu viel Denkaufwand für die Erkundung aufzuwenden.

Das Team koordinieren lassen

Der Koordinator fungiert als primärer Delegierer: Er weist substanzielle Arbeit zu, vermeidet doppelte Untersuchungen und verfolgt, was die einzelnen Agenten tun. Späher können parallel ermitteln, während Arbeiter die Implementierung teilen können, wenn die Zuständigkeiten klar sind.

Agenten können sich auch über ein gemeinsames Nachrichtensystem mit separaten Posteingängen direkt miteinander austauschen. Wenn ein Späher etwas entdeckt, das ein Arbeiter benötigt, kann er die Abhängigkeit erkennen und seine Erkenntnisse weitergeben, ohne darauf zu warten, dass der Koordinator sie übermittelt.

Die Gleichzeitigkeit ist pro Thread konfigurierbar und beträgt standardmäßig vier Agenten, einschließlich des Koordinators. Innerhalb dieses Budgets könnte ein kluger Arbeiter einen Späher und einen anderen Arbeiter koordinieren, oder der Koordinator könnte drei Späher aussenden, um separate Fragen zu untersuchen.

Auswählen, welchen Kontext Agenten erben

Das Abzweigen des Gesprächsverlaufs hilft Agenten, das übergeordnete Ziel und frühere Entscheidungen zu verstehen. Mit fork_turns: "none" erhält ein Agent stattdessen einen frischen, fokussierten Auftrag. Agenten mit neuem Kontext können dennoch erkennen, wann ein Teammitglied Informationen benötigt, und sich selbstständig an es wenden.

Agenten, die den Kontext ihres übergeordneten Elements erben, sehen möglicherweise auch dessen Orchestrierungsanweisungen. Wenn ein Agent ein Blatt bleiben soll, gib ihm eine kurze Grenze:

Erledige diesen Auftrag direkt. Erzeuge keine anderen Agenten; die Delegationsanweisungen deines übergeordneten Elements gelten nur für dein übergeordnetes Element.

Agenten mit neuem Kontext erben keine aufgabenspezifischen Tool- oder Sicherheitsgrenzen. Gib daher alle wesentlichen Einschränkungen direkt in ihren Aufträgen an.

Das Muster in einer Fertigkeit erfassen

Eine praktische Fertigkeit kann dem Koordinator einige grundlegende Anweisungen geben:

Bleibe für den Benutzer verfügbar, während du substanzielle Arbeit delegierst. Sende fokussierte, reine Lese-Späher parallel mit reasoning_effort: "low" und fork_turns: "none" aus. Verwende reasoning_effort: "medium" für Routineimplementierungen und reasoning_effort: "high" für schwierigere Probleme. Gib jedem Agenten klare Zuständigkeiten, vermeide überlappende Aufgaben und weise Blattarbeiter an, nicht zu delegieren. Führe die Ergebnisse zusammen und behalte die Freigaben beim Benutzer.

Mit den Stellschrauben experimentieren

Beginne mit diesen Standardeinstellungen und experimentiere dann mit dem Denkaufwand, der Kontextvererbung, der Delegationsbefugnis und der Art und Weise, wie Agenten zusammenarbeiten. Das Ziel ist zu verstehen, welche Einstellungen einem Team helfen, die Arbeit voranzubringen, ohne mehr Denkaufwand zu verbrauchen, als die Aufgabe erfordert.

In YouMind remixen

Turn one viral article into a full content workflow

Collect the source, decode the pattern, create assets, draft the story, and distribute from one AI workspace.

Explore YouMind
Für Creator

Verwandle dein Markdown in einen sauberen 𝕏-Artikel

Wenn du eigene Langtexte veröffentlichst, wird die 𝕏-Formatierung von Bildern, Tabellen und Codeblöcken mühsam. YouMind macht aus einem ganzen Markdown-Entwurf einen sauberen, sofort postbaren 𝕏-Artikel.

Markdown zu 𝕏 testen

Mehr Muster zum Entschlüsseln

Aktuelle virale Artikel

Mehr virale Artikel entdecken