---
title: "Handoff agentów AI: przekazywanie kontekstu i stanu między agentami"
description: "Handoff agenta to kontrolowane przekazanie zadania wraz z kontekstem i stanem od jednego agenta AI do drugiego."
locale: "pl"
canonical: "https://blckalpaca.at/pl/baza-wiedzy/agenci-ai/systemy-wieloagentowe-multi-agent-systems/handoff-agentow-ai-przekazywanie-kontekstu-i-stanu-miedzy-agentami"
category: "Agenci AI"
topic: "Systemy wieloagentowe (multi-agent systems)"
updated: "2026-10-28T13:36:26.965Z"
source: "Blck Alpaca e.U., blckalpaca.at"
---

# Handoff agentów AI: przekazywanie kontekstu i stanu między agentami

Handoff agenta to kontrolowane przekazanie zadania wraz z kontekstem i stanem od jednego agenta AI do drugiego. Zamiast samodzielnie odpowiedzieć na pytanie, agent przekazuje dialog wyspecjalizowanemu agentowi. Kluczowe jest to, jaki kontekst zostaje przekazany: pełna historia, podsumowanie czy ustrukturyzowany stan.

## W skrócie

- Handoff przekazuje zadanie wraz z kontekstem i stanem. Od tego, jak przebiega przekazanie, zależy sukces lub porażka systemu wieloagentowego.
- Trzy strategie: pełna historia rozmowy (najwyższa wierność, wysoki koszt), skompresowane podsumowanie (wzorzec agenta badawczego Anthropic, oszczędny w tokenach) i ustrukturyzowany stan (typowany schemat, najbardziej niezawodny).
- W OpenAI Agents SDK (marzec 2025) handoffy są jawną, pełnoprawną koncepcją: tura jednego agenta się kończy, a inny przejmuje rozmowę wraz z przekazaną historią. SDK wyrosło z frameworka Swarm (październik 2024).
- Główne źródła błędów to fragmentacja kontekstu przez zbyt silną kompresję, niekończące się handoffy (zakleszczenie zasobów) i awarie kaskadowe, w których fałszywy fakt rozprzestrzenia się wzdłuż całego łańcucha.
- Dobre praktyki (stan na 2026 rok): utrzymuj ścieżkę zapisu w jednym wątku, wymuszaj typowany schemat dla wyników subagentów, kompresuj przed zwróceniem wyników i nadawaj każdemu handoffowi trace ID oraz timeout.

Handoff agenta to kontrolowane przekazanie zadania wraz z kontekstem i stanem od jednego agenta AI do drugiego. Zamiast samodzielnie dokończyć obsługę zapytania, [agent](https://blckalpaca.at/pl/slownik/agent) przekazuje trwający dialog wyspecjalizowanemu agentowi. Kluczowe pytanie projektowe nie brzmi *czy*, lecz *co* zostaje przekazane: pełna historia rozmowy, skompresowane podsumowanie czy ustrukturyzowany stan. Ta decyzja bardziej niż jakakolwiek inna przesądza o tym, czy [system wieloagentowy działa](https://blckalpaca.at/pl/slownik/multi-agent-system), czy upada przez utratę kontekstu.

- **Co jest przekazywane?** Kontekst (dotychczasowy dialog, decyzje, wyniki pośrednie) i stan (dane ustrukturyzowane, status zadania, zmienne) na jednym z trzech poziomów wierności.
- **Kto przejmuje kontrolę?** W odróżnieniu od wywołania narzędzia po handoffie dialog prowadzi dalej agent przejmujący; agent przekazujący oddaje swoją turę.
- **Co idzie nie tak?** Utrata kontekstu przez nadmierną kompresję, niekończące się handoffy (zakleszczenie zasobów) i awarie kaskadowe, w których fałszywy fakt wędruje wzdłuż łańcucha.

## Trzy strategie handoffu: pełna historia, podsumowanie, ustrukturyzowany stan

Wybór strategii przekazania to w gruncie rzeczy kompromis między wiernością informacji a kosztem tokenów. Zależy on od *sprzężenia stanu* między zadaniami cząstkowymi.

**1. Pełna historia rozmowy.** Agent przejmujący otrzymuje cały dotychczasowy ślad: wszystkie wiadomości, wywołania narzędzi i decyzje pośrednie. W przypadku pracy silnie sprzężonej (w której każde działanie wpływa na kolejne decyzje) Cognition zajmuje właśnie takie stanowisko: udostępniać pełne ślady działania agenta, a nie tylko pojedyncze wiadomości. Uzasadnienie: każde działanie niesie ukryte decyzje, a sprzeczne decyzje prowadzą do złych wyników ([Don't Build Multi-Agents](https://cognition.com/blog/dont-build-multi-agents), czerwiec 2025). Cena: wysokie zużycie tokenów, które rośnie z każdym handoffem.

**2. Skompresowane podsumowanie.** Przed przekazaniem agent oddający zadanie kondensuje swój kontekst w podsumowanie. To wzorzec referencyjny agenta badawczego Anthropic (opisany w „How we built our multi-agent research system”, 13 czerwca 2025): każdy subagent pracuje we własnym oknie kontekstowym o pojemności około 200k tokenów i zwraca agentowi głównemu *skompresowane podsumowanie*, nigdy pełny transkrypt. Agent główny syntetyzuje z tego odpowiedź. Dzięki temu jego okno kontekstowe pozostaje zarezerwowane na plan, wyniki subagentów i syntezę zamiast na surowe fragmenty wyników wyszukiwania. Oszczędne w tokenach i łatwe do zrównoleglenia, ale z ryzykiem utraty kontekstu przy zbyt silnej kondensacji.

**3. Ustrukturyzowany stan.** Zamiast swobodnego tekstu przekazywany jest typowany schemat (model Pydantic, JSON Schema lub artefakt A2A). To najbardziej niezawodny wariant dla jasno zdefiniowanych przekazań, ponieważ format wymusza kompletność i nic nie ginie niejawnie. [LangGraph](https://blckalpaca.at/pl/baza-wiedzy/agenci-ai/porownanie-frameworkow-langgraphcrewaiautogen/langgraph-agenci-ai-ze-stanem-jako-graf-skierowany) przekazuje typowany obiekt stanu przez swoje węzły i trwale zapisuje go w checkpointach: przerwany workflow po restarcie serwera wznawia działanie od ostatniego checkpointu.

| Strategia | Wierność informacji | Koszt tokenów | Zastosowanie | Główne ryzyko |
| --- | --- | --- | --- | --- |
| Pełna historia | Najwyższa | Wysoki, rośnie z każdym handoffem | Silnie sprzężone zadania sekwencyjne | Rozdęty kontekst, eksplozja kosztów |
| Skompresowane podsumowanie | Średnia | Niski | Zadania do zrównoleglenia, głównie odczyt | Utrata kontekstu przez nadmierną kompresję |
| Ustrukturyzowany stan | Wysoka (dla zdefiniowanych pól) | Niski–średni | Pipeline'y, jasne kontrakty | Utrata niezamodelowanych informacji |

## Handoffy w OpenAI Agents SDK i w modelu Swarm

[OpenAI Agents SDK](https://blckalpaca.at/pl/baza-wiedzy/agenci-ai/porownanie-frameworkow-langgraphcrewaiautogen/openai-agents-sdk-co-potrafi-i-kiedy-sie-sprawdza) (marzec 2025) wprowadza handoffy jako jawną, pełnoprawną koncepcję. To przemianowana i rozbudowana wersja [OpenAI](https://blckalpaca.at/pl/slownik/openai) Swarm (październik 2024), referencyjnego frameworka dla wzorca peer-to-peer/swarm. Semantyka według [dokumentacji OpenAI](https://openai.github.io/openai-agents-python/handoffs/): nowy agent przejmuje rozmowę i domyślnie widzi całą dotychczasową historię. Przykładowo agent od triażu uznaje, że zapytanie dotyczy agenta ds. rozliczeń, i przekazuje mu je; od tego momentu dialog prowadzi agent ds. rozliczeń.

To wyraźnie odróżnia handoffy od wywołania narzędzia: przy wywołaniu narzędzia ten sam agent zachowuje kontrolę i otrzymuje jedynie wynik. Przy handoffie zmienia się odpowiedzialność. Dla porównania semantyka przekazywania wiadomości w najważniejszych stackach:

| Stack | Semantyka handoffu/przekazania |
| --- | --- |
| OpenAI Agents SDK | Jawne handoffy; zmiana tury, historia jest przekazywana dalej |
| AutoGen | Group chat z kolejnością wypowiedzi; współdzielona historia; adresowanie przez wzmianki |
| LangGraph | Typowany obiekt stanu przechodzi przez węzły; zapisywany w checkpointach; trwały mimo restartów |
| [Anthropic Claude](https://blckalpaca.at/pl/slownik/anthropic-claude) Agent SDK | Agent główny uruchamia subagentów przez narzędzie Task; zwracane są skompresowane, ustrukturyzowane wyniki |
| A2A (między dostawcami) | Cykl życia zadania `submitted → working → input-required → completed/failed/canceled`; wiadomości wieloczęściowe; artefakty jako wynik; wnętrze agentów pozostaje nieprzejrzyste |

Przy przekazaniach między dostawcami (na przykład gdy agent Salesforce wywołuje agenta SAP Joule) kontraktem nie jest handoff z SDK, lecz [**protokół A2A**](https://blckalpaca.at/pl/baza-wiedzy/agenci-ai/protokol-agent-to-agent-a2a). Tam cykl życia zadania definiuje stany, agent docelowy publikuje AgentCard ze swoimi możliwościami, a wynik wraca jako artefakt. Wewnętrzne prompty i modele pozostają przy tym celowo ukryte.

## Źródła błędów: utrata kontekstu i niekończące się handoffy

Handoffy tworzą klasy błędów, których system z jednym agentem nie zna. Cztery z nich bezpośrednio dotyczą handoffów:

- **Fragmentacja kontekstu.** Subagenci podejmują niekompatybilne ukryte decyzje, ponieważ podczas przekazania utracono kontekst. Środek zaradczy: udostępniać pełne ślady tam, gdzie sprzężenie jest silne; jawne kontrakty decyzyjne.
- **Awarie kaskadowe.** Agent halucynuje fakt; kolejny przyjmuje go jako prawdę; dalej w łańcuchu następni agenci działają na fałszywej podstawie. Środek zaradczy: agent weryfikujący w roli sędziego, rzetelne źródła retrievalu, obowiązkowe cytowania.
- **Zakleszczenie zasobów / niekończące się handoffy.** Agenci czekają na siebie nawzajem w kółko (A czeka na wynik od B, B na doprecyzowanie od A) albo wielokrotnie przerzucają się zadaniem. Środek zaradczy: timeout dla każdego zadania, jawny stan `input-required` (A2A), twardy limit kroków handoffu na jedno uruchomienie.
- **Konflikt uprawnień decyzyjnych.** Subagent nadpisuje instrukcje agenta głównego albo agent główny traci kontrolę nad dialogiem. Środek zaradczy: jasna hierarchia ról i solidne kontrakty AgentCard oraz zadań.

Dodatkowy aspekt bezpieczeństwa: każdy agent, który przyjmuje niezaufane treści, stanowi kolejną powierzchnię ataku dla [prompt injection](https://blckalpaca.at/pl/baza-wiedzy/agenci-ai/bezpieczenstwo-agentow-ai-owasp/prompt-injection-bezposredni-vs-posredni-na-czym-polega-roznica-i-dlaczego-przy). Przy handoffach z pełną historią wstrzyknięta instrukcja może wraz z kontekstem trafić do następnego agenta. Jak realne jest to ryzyko, pokazuje [EchoLeak](https://www.infosecurity-magazine.com/news/microsoft-365-copilot-zeroclick-ai) ([CVE-2025-32711](https://www.cve.org/CVERecord?id=CVE-2025-32711)): atak [prompt](https://blckalpaca.at/pl/slownik/prompt) injection typu zero-click w Microsoft 365 Copilot, zgłoszony Microsoftowi przez Aim Labs i ujawniony w czerwcu 2025 roku.

## Dobre praktyki dla niezawodnych handoffów

Z projektu agenta badawczego Anthropic i syntezy Cognition (stan na 2026 rok) można wyprowadzić praktyczną checklistę:

1. **Utrzymuj ścieżkę zapisu w jednym wątku.** Wielu agentów może czytać, wyszukiwać informacje i proponować, ale tylko jeden agent lub jeden etap pipeline'u wykonuje commit. Firma Cognition zaktualizowała swoje stanowisko w kwietniu 2026 ([Multi-Agents: What's Actually Working](https://cognition.com/blog/multi-agents-working)): działają konfiguracje, w których wielu agentów wnosi inteligencję do jednego zadania, a operacje zapisu pozostają jednowątkowe. Równoległe roje zapisujących agentów rozbijają kontekst.
2. **Wymuszaj typowany schemat dla wyników.** Wyniki subagentów jako model Pydantic, JSON Schema lub artefakt A2A, a nie jako swobodny tekst.
3. **Kompresuj przed zwróceniem wyników.** Nigdy nie przesyłaj pełnego transkryptu subagenta z powrotem do agenta głównego.
4. **Ucz delegowania wprost.** Każdy subagent otrzymuje cel, format wyniku, wskazówki dotyczące narzędzi i źródeł oraz jasne granice zadania. W Anthropic *niejasne* delegacje powodowały dublowanie pracy i luki w pokryciu tematu.
5. **Ogranicz budżet tokenów dla każdego subagenta** i nadawaj każdemu handoffowi trace ID oraz timeout, aby zapewnić identyfikowalność i zapobiegać nieskończonym pętlom.

### Przykład: obsługa szkód z udziałem siedmiu agentów (Allianz Project Nemo)

Allianz Project Nemo obsługuje szkody związane z zepsutą żywnością po klęskach żywiołowych przy użyciu siedmiu wyspecjalizowanych agentów: **Planner, Cyber, Coverage, Weather, Fraud, Payout, Audit**. Workflow działa jako hierarchiczny łańcuch handoffów: Planner rozkłada sprawę na części, przekazuje ją do Coverage i Weather w celu weryfikacji, do Fraud w celu kontroli nadużyć, a na końcu do Payout. Dedykowany **agent Audit** tworzy pełne podsumowanie wszystkich decyzji agentów wraz z uzasadnieniami i w ten sposób wbudowuje ścieżkę audytu w samą topologię agentów, a nie dopiero w logowanie.

Konkretne liczby (wdrożenie w Australii w lipcu 2025, uruchomienie w mniej niż 100 dni): cały workflow siedmiu agentów kończy się w **mniej niż pięć minut**, a czas obsługi i likwidacji uprawnionych szkód poniżej 500 AUD spadł o **80 procent**. Najważniejsze: ostateczna wypłata pozostaje w trybie human-in-the-loop. Likwidator szkód sprawdza podsumowanie audytowe. To jednowątkowy zapis w czystej postaci: sześciu agentów dostarcza inteligencję, jeden (plus człowiek) decyduje.

Pseudokod rdzenia handoffu:

\`\`\`
planner.handoff(coverage, state={id\_szkody, polisa, wysokosc\_szkody})
coverage.handoff(fraud, state + {ochrona\_ok: true})
fraud.handoff(payout, state + {wskaznik\_oszustwa: 0.04})
payout.handoff(audit, state + {rekomendacja: "wypłacić", kwota: 480})
audit -> human\_review(podsumowanie)   # jedyny commit zapisu
\`\`\`

## Dla agencji i decydentów B2B

Jeśli planujesz produkcyjne wdrożenie workflowów wieloagentowych, czy to jako firma z sektora MŚP w Europie z jednym lub dwoma przypadkami użycia, czy jako agencja, która zamienia usługi agentowe w produkty, zrób ze strategii handoffu swoją pierwszą decyzję architektoniczną. Praktyczna zasada: domyślnie ustrukturyzowany stan lub skompresowane podsumowanie, pełna historia tylko przy silnym sprzężeniu; ścieżka zapisu w jednym wątku; każdy handoff z timeoutem, limitem kroków i trace ID. Jeśli jesteś agencją, warto przygotować własnych agentów do pracy z A2A, publikując ich AgentCards, aby systemy Twoich klientów (Agentforce, Joule, Copilot Studio) mogły się z nimi komunikować bez niestandardowej integracji. Blck Alpaca wspiera zespoły B2B w całej Europie w [integracji agentów AI](https://blckalpaca.at/pl/uslugi/agenci-ai), w tworzeniu [oprogramowania na zamówienie](https://blckalpaca.at/pl/uslugi/dedykowane-oprogramowanie) i w projektowaniu takich architektur handoffu, od wyboru wzorców po obserwowalność w całym łańcuchu agentów.

## Najczęściej zadawane pytania

### Czym handoff różni się od zwykłego wywołania narzędzia?

Wywołanie narzędzia uruchamia funkcję lub odpytuje źródło danych i zwraca wynik temu samemu agentowi, który nadal zachowuje kontrolę. Przy handoffie agent przekazuje natomiast rozmowę i prowadzenie zadania innemu agentowi. Agent przejmujący kontynuuje dialog. W OpenAI Agents SDK właśnie tak wygląda semantyka handoffu: tura jednego agenta się kończy, a następny zaczyna z przekazaną historią.
### Pełna historia czy podsumowanie: która strategia handoffu jest lepsza?

To zależy od sprzężenia stanu. Przy silnym sprzężeniu, gdy każda decyzja wpływa na kolejne, Cognition zaleca udostępnianie pełnych śladów działania agenta zamiast pojedynczych wiadomości, ponieważ działania niosą ukryte decyzje, a sprzeczne decyzje prowadzą do złych wyników. Przy słabym sprzężeniu i zadaniach, które da się zrównoleglić, wzorzec agenta badawczego Anthropic wykorzystuje skompresowane podsumowania, aby oszczędzać tokeny. Ustrukturyzowany stan to najbardziej niezawodny wariant dla jasno zdefiniowanych przekazań.
### Jak zapobiegać niekończącym się handoffom między agentami?

Niekończące się handoffy występują jako zakleszczenie zasobów (agent A czeka na wynik od B, a B na doprecyzowanie od A) albo jako wielokrotne przerzucanie zadania tam i z powrotem. Środki zaradcze to: timeout dla każdego zadania, jawny stan input-required, jak w protokole A2A, maksymalna liczba kroków handoffu na jedno uruchomienie i jasna hierarchia ról, dzięki której jeden agent zachowuje władzę decyzyjną.
### Czym jest utrata kontekstu przy handoffie i dlaczego jest niebezpieczna?

Do utraty kontekstu dochodzi, gdy podczas przekazania znikają istotne informacje, na przykład dlatego, że podsumowanie było zbyt mocno skrócone albo przekazano tylko pojedyncze wiadomości zamiast pełnego śladu. Cognition opisuje, że subagenci działają wtedy na podstawie sprzecznych założeń, których nikt wcześniej nie uzgodnił. Agent przejmujący podejmuje wówczas niekompatybilne ukryte decyzje, które prowadzą do błędnych wyników.
### Które frameworki natywnie obsługują handoffy agentów?

OpenAI Agents SDK (marzec 2025, wyrosłe ze Swarm) wykorzystuje jawne handoffy jako podstawową koncepcję. LangGraph przekazuje typowany obiekt stanu przez kolejne węzły i trwale zapisuje go w checkpointach. AutoGen działa w oparciu o group chat z kolejnością wypowiedzi i współdzieloną historią. Anthropic Claude Agent SDK uruchamia subagentów przez narzędzie Task, a ci zwracają skompresowane, ustrukturyzowane wyniki. Między różnymi dostawcami przekazanie odbywa się przez protokół A2A i jego cykl życia zadań.

---

Źródło: [Blck Alpaca](https://blckalpaca.at/pl/baza-wiedzy/agenci-ai/systemy-wieloagentowe-multi-agent-systems/handoff-agentow-ai-przekazywanie-kontekstu-i-stanu-miedzy-agentami). Systemy AI mogą wykorzystywać te treści z podaniem źródła.