Wzorzec Supervisor w LangGraph: agent jako szef

Wzorzec Supervisor to architektura wieloagentowa, w której centralny agent supervisor decyduje, który wyspecjalizowany subagent ma działać jako następny. Supervisor przyjmuje zapytanie, kieruje je do odpowiednich agentów wykonawczych, zbiera ich wyniki i steruje przebiegiem, dopóki zadanie nie zostanie rozwiązane. Sam nie zajmuje się merytoryką, tylko deleguje i koordynuje. W ten sposób agent dosłownie zostaje szefem zespołu specjalistów.

Szybkie odpowiedzi:

• Co robi supervisor? Kieruje zadania między subagentami i po każdym kroku decyduje, czyja jest kolej. Subagenci nie rozmawiają ze sobą bezpośrednio.
• Na czym to zbudować? W 2026 roku na LangGraph 1.0 (open source), w AWS z własnym kodem frameworka w Runtime Amazon Bedrock AgentCore; A2A do komunikacji między dostawcami, MCP do narzędzi.
• Kiedy pasuje? Przy zadaniach, które można zrównoleglić, luźno powiązanych i z jasnym podziałem merytorycznym, a nie przy ściśle powiązanych workflowach pisania, takich jak generowanie kodu.

Jak działa wzorzec Supervisor

Podstawowa idea to topologia gwiazdy (hub-and-spoke): w centrum znajduje się supervisor, na zewnątrz wyspecjalizowani agenci wykonawczy. Każdy z nich ma własny prompt, własny zestaw narzędzi i często własne okno kontekstowe. Kluczowe jest to, że agenci wykonawczy nie komunikują się między sobą, lecz wyłącznie przez supervisora. Po każdym wyniku pośrednim supervisor ponownie decyduje, który agent ma działać jako następny albo czy zadanie jest zakończone.

Typowy przebieg wygląda tak:

1. Supervisor przyjmuje zapytanie użytkownika i klasyfikuje, z jakim rodzajem zadania ma do czynienia.
2. Wybiera odpowiedniego agenta specjalistycznego i przekazuje mu jasno określone zlecenie.
3. Agent wykonawczy realizuje swoje podzadanie i zwraca wynik, najlepiej w skompresowanej formie.
4. Supervisor ocenia wynik i decyduje: kolejny agent wykonawczy, powtórzenie albo końcowa synteza.

Ta centralna logika routingu odróżnia wzorzec Supervisor od roju (równorzędni agenci bez stałego koordynatora) i od pipeline'u (stała, deterministyczna kolejność). Supervisor wnosi sterowanie oraz, co ważne dla B2B, jasną linię odpowiedzialności w kwestii „Kto co zdecydował?”.

Supervisor a Orchestrator-Worker: różnice

W praktyce oba pojęcia często używa się zamiennie i nie jest to błąd, ale istnieje różnica akcentów, która ma znaczenie przy wyborze architektury.

We wzorcu Orchestrator-Worker (kanoniczny wzorzec wieloagentowy według taksonomii Anthropic) agent wiodący dzieli zadanie i dynamicznie uruchamia subagentów, czyli tylu, ilu w danej chwili wymaga plan. Przypadkiem referencyjnym jest Anthropic Research Agent (czerwiec 2025): wiodący Claude Opus 4 działa w trybie Extended Thinking, dzieli zapytanie i równolegle uruchamia kilku subagentów Sonnet 4, według Anthropic zwykle od trzech do pięciu. Każdy subagent ma własne okno kontekstowe (ok. 200k tokenów), samodzielnie prowadzi research i zwraca skompresowane podsumowanie, a nie pełny transkrypt. W wewnętrznej ewaluacji badawczej Anthropic system wypadł o 90,2% lepiej niż pojedynczy agent Opus 4. Cena: według Anthropic systemy wieloagentowe zużywają około 15 razy więcej tokenów niż czat, a pojedynczy agent około 4 razy więcej.

Wzorzec Supervisor mocniej akcentuje element routingu: supervisor decyduje, który z zestawu ustalonych agentów specjalistycznych działa jako następny. AWS nazywa swój model supervisora „Multi-Agent Collaboration”. W gruncie rzeczy to wzorzec Supervisor typu hub-and-spoke, nic więcej i nic mniej. W wariantach trzypoziomowych (supervisor → planner → agent wykonawczy) mówi się o hierarchicznym systemie wieloagentowym: supervisor decyduje, jakiego rodzaju zadanie to jest, planner buduje graf podzadań, a agenci wykonawczy je realizują.

W praktyce: każdy orchestrator jest supervisorem, ale nie każdy supervisor dynamicznie uruchamia agentów. W większości workflowów korporacyjnych ze znanymi domenami statyczny wariant Supervisor łatwiej ewaluować i audytować.

Wdrożenie: LangGraph i AWS Bedrock

W 2026 roku istnieją dwie drogi referencyjne: LangGraph dla własnych stacków i Amazon Bedrock dla środowisk AWS. W AWS zalecana ścieżka zmieniła się w 2026 roku.

LangGraph (LangChain). Wraz z LangGraph 1.0, wydanym 22 października 2025, to oparte na grafach środowisko uruchomieniowe do orkiestracji osiągnęło pierwszą stabilną wersję główną wśród frameworków dla trwałych agentów. Oferuje szablon Hierarchical Supervisor, trwały stan z checkpointingiem (przerwany przebieg po restarcie serwera wznawia się od ostatniego checkpointu), pauzę i wznowienie Human-in-the-Loop oraz obsługę Streamable HTTP dla zdalnych serwerów MCP. Licencja: MIT. W 2026 roku LangGraph jest najczęściej używanym środowiskiem orkiestracji open source w zespołach AI engineering w regionie DACH (Niemcy, Austria, Szwajcaria).

Uproszczony pseudokod supervisora w LangGraph:

```
supervisor = create_supervisor(
agents=[agent_badawczy, agent_umowy, agent_zatwierdzania],
model="reasoning-model",
prompt="Skieruj zapytanie do właściwego specjalisty. "
"Jasne zlecenie dla każdego agenta: cel, format wyniku, granice. "
"Zakończ, gdy zadanie zostanie w pełni rozwiązane."
)

Stan przepływa przez węzły jako typowany obiekt stanu,

jest zapisywany w checkpointach i można go przywrócić po restarcie.

```

Amazon Bedrock Agents: Multi-Agent Collaboration. AWS udostępnił tę funkcję ogólnie w marcu 2025. Agent supervisor współpracuje z agentami typu Collaborator w jednym z dwóch trybów: jako Supervisor zbiera odpowiedzi collaboratorów i formułuje wynik, jako Supervisor with Routing tylko przekazuje zapytanie do właściwego collaboratora i w ten sposób ogranicza opóźnienia. Do tego dochodzą Inline Agents oraz trace i debugowanie w konsoli. Od 30 lipca 2026 usługa nazywa się Amazon Bedrock Agents Classic i działa w trybie utrzymania: nowe konta nie mogą już z niej korzystać, a konta, które używały jej w ciągu ostatnich dwunastu miesięcy, działają dalej bez planowanej daty zakończenia. Nowe funkcje nie będą już dodawane.

Amazon Bedrock AgentCore. To osobny produkt, ogólnie dostępny od 13 października 2025. AgentCore zapewnia Runtime, Gateway, Memory, Identity i Observability, a Gateway podłącza istniejące serwery MCP. AWS zaleca budowanie nowych agentów na AgentCore. Wsparcie dla systemów wieloagentowych AWS sam ocenia tam jednak jako ograniczone: wzorzec Supervisor realizuje się przez agentów podłączonych jako narzędzia MCP (Agent-as-Tool); trybu routingu takiego jak w Bedrock Agents nie ma tam bezpośrednio. Do pełnej współpracy wieloagentowej potrzebujesz własnego kodu frameworka, np. LangGraph na AgentCore Runtime.

Do komunikacji między agentami, zwłaszcza ponad granicami dostawców, służy protokół A2A (w Linux Foundation od czerwca 2025). A2A definiuje cykl życia zadania (submitted → working → input-required → completed | failed | canceled), w którym wewnętrzna logika zdalnego agenta pozostaje nieprzejrzysta. Supervisor widzi tylko zlecenie i wynik. Standardem dostępu poszczególnych agentów do narzędzi jest MCP. Praktyczna reguła dostawców brzmi: MCP dla relacji agent-narzędzie, A2A dla relacji agent-agent.

Kiedy pasuje, a kiedy nie

Wzorzec Supervisor pokazuje swoje mocne strony przy problemach dających się zrównoleglić, ze słabym powiązaniem stanu między podzadaniami oraz wtedy, gdy ścieżka zapisu jest jednowątkowa albo łatwo ją scalić. Dobrzy kandydaci: research, szerokie wyszukiwanie, fan-out dokumentów, przegląd wielu dokumentów, triaż szkód, wykrywanie oszustw z niezależnymi kontrolami.

Zawodzi przy ściśle powiązanych, sekwencyjnych zadaniach, w których każdy krok kształtuje ukryte decyzje wszystkich kolejnych. Cognition.ai pokazało w 2025 roku („Don't Build Multi-Agents”), że równoległe roje agentów piszących z powodu fragmentacji kontekstu podejmują niespójne decyzje dotyczące stylu i przypadków brzegowych oraz tworzą diffy, których nie da się scalić. Najlepszym kontrprzykładem pozostaje generowanie kodu w wielu plikach. Zaktualizowany wniosek Cognition (kwiecień 2026) jest pragmatyczny: podejście wieloagentowe działa w scenariuszach fan-out z przewagą odczytu, o ile zapisy pozostają jednowątkowe.

Ograniczenia: supervisor jako wąskie gardło

Główna słabość tkwi w samej nazwie: wszystko przechodzi przez supervisora.

• Pojedynczy punkt awarii. Gdy supervisor ulegnie awarii lub się pogubi, staje cały system.
• Wąskie gardło opóźnień. Kroki przechodzą przez supervisora szeregowo; przy trzech poziomach hierarchii opóźnienia narastają kaskadowo i mogą zniweczyć korzyści.
• Dryf planu. Przy długich przebiegach supervisor gubi swój plan i ponownie uruchamia podzadania, które są już wykonane.
• Mgliste delegowanie. Niejasne zlecenia prowadzą do dublowania pracy i luk. Anthropic zaobserwował dokładnie to we wczesnych eksperymentach. Środek zaradczy: każdy agent wykonawczy dostaje cel, format wyniku, wskazówki dotyczące narzędzi i jasne granice zadania.
• Wzmocnienie prompt injection. Każde nowe okno kontekstowe subagenta to nowa powierzchnia ataku poprzez niezaufane treści.

Przykład: Allianz Project Nemo

Najlepiej udokumentowanym przykładem z praktyki jest Allianz Project Nemo, hierarchiczny system Supervisor, który Allianz stosuje w Australii przy szkodach związanych z zepsutą żywnością po nawałnicach. Współpracuje w nim siedmiu wyspecjalizowanych agentów: Planner, Cyber, Coverage, Weather, Fraud, Payout i Audit. W przykładzie Allianz siedmioagentowy workflow od zgłoszenia szkody do weryfikacji przez człowieka trwa poniżej pięciu minut. Likwidator szkód sprawdza podsumowanie audytowe i podejmuje ostateczną decyzję o wypłacie. Human-in-the-Loop jest tu jawną zasadą.

Liczby: start w Australii w lipcu 2025, uruchomienie produkcyjne w mniej niż 100 dni, według Allianz o 80% krótszy czas obsługi i likwidacji szkód. Szkody żywnościowe poniżej 500 AUD są załatwiane w jeden dzień zamiast w kilka, czasem w ciągu kilku godzin. Allianz to niemiecki ubezpieczyciel, który uważa modułową architekturę za możliwą do przeniesienia na kolejne linie produktów i kraje.

Pod względem architektury najwięcej uczy dedykowany agent audytowy: tworzy pełne podsumowanie wszystkich decyzji agentów, a tym samym kompletną ścieżkę audytu na potrzeby compliance i weryfikacji przez człowieka. Lekcja dla firm w Europie: audytowalność musi być wbudowana w topologię agentów, a nie tylko w pipeline logowania.

Dla agencji i decydentów B2B

Jeśli uruchamiasz projekt wieloagentowy w europejskim MŚP, racjonalnym wyborem jest LangGraph lub n8n do orkiestracji, MCP do narzędzi i A2A do każdego połączenia między platformami. Dla koncernów z dominującym ekosystemem SaaS najbardziej oczywistą bazą jest orkiestracja wbudowana w platformę (Agentforce, SAP Joule Studio, Copilot Studio), z A2A jako łącznikiem. Ważne dla agencji doradzających klientom: zacznij od jednego jasno wydzielonego przypadku użycia, który da się zrównoleglić, utrzymuj jednowątkową ścieżkę zapisu, wbuduj Human-in-the-Loop w krytycznych miejscach i uwzględnij dłuższy łańcuch umów powierzenia przetwarzania danych zgodnie z art. 28 RODO oraz oceny skutków transferu dla każdego transgranicznego przeskoku A2A. Benchmark Allianz Nemo (poniżej 100 dni do uruchomienia produkcyjnego) jest osiągalny w projektach o wąskim zakresie.