--- title: "Spracovanie chýb v multi-agentových systémoch: opakované pokusy, fallbacky, circuit-breakery" description: "Spracovanie chýb v multi-agentových systémoch zahŕňa všetky mechanizmy, ktoré zabraňujú tomu, aby chyba jediného agenta zhodila celý systém: timeouty, opakované pokusy (retries) s backoffom, fallba…" locale: "sk" canonical: "https://blckalpaca.at/sk/vedomosti/ai-agenti/multi-agent-systemy-zaklady/spracovanie-chyb-multi-agent" category: "AI agenti" topic: "Multiagentové systémy" updated: "2026-10-17T15:33:51.375Z" source: "Blck Alpaca e.U., blckalpaca.at" --- # Spracovanie chýb v multi-agentových systémoch: opakované pokusy, fallbacky, circuit-breakery Spracovanie chýb v multi-agentových systémoch zahŕňa všetky mechanizmy, ktoré zabraňujú tomu, aby chyba jediného agenta zhodila celý systém: timeouty, opakované pokusy (retries) s backoffom, fallback-agentov, circuit-breakery a end-to-end observability. Cieľom je odolnosť voči chybám: sub-agent smie zlyhať bez toho, aby chyby kaskádovali alebo sa šírili ďalej. ## Na prvý pohľad - Multi-agentové systémy majú osem tried chýb, ktoré single-agentové systémy nemajú, medzi nimi kaskádové chyby, resource-deadlock, fragmentáciu kontextu a debuggability-collapse. - Najdôležitejšou ochranou proti šíreniu chýb je oddelenie zápisovej a čítacej cesty: mnohí agenti čítajú paralelne, ale zapisuje len jeden agent alebo jeden stupeň pipeline (princíp single-threaded writes od Cognition). - Timeouty pre každú A2A úlohu, explicitný stav input-required a limity tokenov pre sub-agentov zabraňujú deadlockom a explózii nákladov. - Verifier-judge-agent (často silnejší model) zachytí halucinované fakty skôr, než ich lead-agent syntetizuje ako pravdu. - Observability je v regióne DACH aj otázkou compliance: BaFin odporúča finančným spoločnostiam zaznamenávať všetky relevantné udalosti v systémoch AI a FINMA pozoruje, že výsledky AI často nie sú reprodukovateľné. Jednotné trace ID naprieč každou A2A úlohou a každým volaním MCP sú praktickou cestou k auditovateľnosti. - Allianz Project Nemo (Allianz Australia, 2025) ukazuje tento vzor: vyhradený audit-agent a human-in-the-loop na kritickom stupni výplaty robia chyby zvládnuteľnými. [Spracovanie chýb v multi-agentových systémoch](https://blckalpaca.at/sk/sluzby/integracia-ai-agenta) zahŕňa všetky mechanizmy, ktoré zabraňujú tomu, aby chyba jediného agenta zhodila celý systém: timeouty, opakované pokusy (retries) s backoffom, fallback-agentov, circuit-breakery a end-to-end observability. Cieľom je odolnosť voči chybám: sub-[agent](https://blckalpaca.at/sk/slovnik/agent) smie zlyhať bez toho, aby chyby kaskádovali alebo sa šírili ďalej. V single-agentovom systéme je spracovanie chýb z veľkej časti vyriešený problém; akonáhle spolupracuje viacero agentov s vlastnými kontextovými oknami, nástrojmi a rolami, vznikajú triedy chýb, ktoré v jedinom tool-use loope jednoducho neexistujú. - **Oddeľ čítaciu a zápisovú cestu:** Mnohí agenti smú paralelne čítať a navrhovať, ale commit robí len jeden (alebo jeden stupeň pipeline). To je najúčinnejší prostriedok proti šíreniu chýb. - **Obmedz každú úlohu:** Timeout, limit tokenov a explicitný stav `failed` pre každého sub-agenta zabraňujú deadlockom a explózii nákladov. - **Overuj pred syntézou:** Verifier-judge-agent zachytí halucinované fakty skôr, než ich lead-agent zapíše do odpovede ako pravdu. ## Prečo je spracovanie chýb v multi-agentových systémoch iné [Multi-agentový systém](https://blckalpaca.at/sk/slovnik/multi-agent-system) pozostáva z viacerých agentov založených na [LLM](https://blckalpaca.at/sk/slovnik/llm) (každý s vlastným promptom, vlastnou rolou, vlastnou sadou nástrojov a v prísnom prípade aj vlastným kontextovým oknom), ktorí spoločne riešia jednu úlohu. Práve toto rozdelenie vytvára nové zdroje chýb. Už neexistuje jeden trace, ale N trajektórií sub-agentov plus syntéza. Behy sú nedeterministické: ten istý vstup spustí rôznych sub-agentov v rôznom poradí. A systém môže vykazovať emergentné správanie, ktoré takto neplánoval žiadny jednotlivý agent. Ústredným nebezpečenstvom je [**šírenie chýb**](https://blckalpaca.at/sk/vedomosti/ai-agenti/multi-agent-systemy-zaklady/shared-memory-vs-message-passing). Ak sub-agent halucinuje fakt, lead-agent ho syntetizuje do finálnej odpovede a nadväzujúci agenti konajú na základe tohto nesprávneho faktu. Z lokálnej chyby sa stane chybné rozhodnutie celého systému. Spracovanie chýb v multi-agentových systémoch preto znamená dve veci: urobiť jednotlivých agentov odolnými voči tranzientným výpadkom *a* zabrániť tomu, aby sa chyby šírili po reťazci agentov. ## Osem tried chýb, ktoré single-agentové systémy nemajú Nasledujúci prehľad je naše zhrnutie tried chýb, ktoré Anthropic, Cognition, Sierra, Salesforce a Microsoft opísali na základe skúseností so svojimi produkčnými systémami. Kto nasadzuje multi-[agentové systémy](https://blckalpaca.at/sk/slovnik/agentove-systemy) do produkcie, musí ich poznať. | # | Trieda chýb | Čo sa stane | Protiopatrenie | | --- | --- | --- | --- | | 1 | Cascading-Failures (kaskádové chyby) | Sub-agent halucinuje, lead-agent to syntetizuje ako fakt, nadväzujúce kroky na tom stavajú | Verifier-judge-agent, grounded retrieval, povinné uvádzanie zdrojov | | 2 | Echo-Chamber | Sub-agenti zosilňujú nesprávnu premisu lead-agenta | Diverzifikovať modely/prompty (štýl MoA), zaviesť rolu kritika | | 3 | Authority-Confusion | Sub-agent prepíše pokyny lead-agenta, lead-agent stráca kontrolu | Jasné hierarchie rolí, A2A kontrakty úloh so silnými AgentCards | | 4 | Resource-Deadlock | Agent A čaká na B, B čaká na vyjasnenie od A | Timeout pre každú úlohu, explicitný stav `input-required` v A2A | | 5 | [Prompt](https://blckalpaca.at/sk/slovnik/prompt)-Injection-Amplification | každý kontext sub-agenta je nová útočná plocha | Rozdelenie promptov (partitioning), riadenie prístupu podľa pôvodu (provenance), žiadna autonómna inštalácia [MCP](https://blckalpaca.at/sk/slovnik/mcp) | | 6 | Context-Fragmentation | Sub-agenti robia nezlučiteľné implicitné rozhodnutia | Pri vysokom previazaní zdieľať úplné traces, single-threaded writes, kontrakty rozhodnutí | | 7 | Cost-Explosion | Spotreba tokenov prudko rastie (podľa [Anthropic](https://www.anthropic.com/engineering/multi-agent-research-system) spotrebuje multi-agentový systém približne 15-krát a jeden agent približne 4-krát viac tokenov ako chat) | Limity tokenov pre sub-agentov, QoS úrovne, routing na single-agent pod prahom komplexnosti | | 8 | Debuggability-Collapse | žiadny jednotlivý trace nepokrýva celý beh | Distribuovaný tracing naprieč A2A meshom, korelačné ID v každej úlohe a každom volaní MCP | Tri z týchto tried (kaskády, deadlock a fragmentácia kontextu) sú skutočnými hnacími silami šírenia chýb. Ostatných päť ich zosilňuje alebo robí neviditeľnými. ## Ako zabrániť šíreniu chýb: oddeliť čítaciu a zápisovú cestu Najdôležitejšie architektonické rozhodnutie proti šíreniu chýb nie je nástroj, ale princíp. Spoločnosť Cognition ho presne pomenovala v texte „Don't Build Multi-Agents“ (jún 2025) a v aktualizácii „Multi-Agents: What's Actually Working“ (apríl 2026): **Multi-agentový fan-out na čítanie je robustný, multi-agentový fan-out na zápis je krehký.** Dôsledkom je pravidlo [single-threaded writes](https://blckalpaca.at/sk/vedomosti/ai-agenti/prehlad-architektur-ai-agentov/hierarchische-agent-architektur): - **Single-threaded writes:** Mnohí agenti čítajú, skúmajú a navrhujú, ale commit robí len jeden agent alebo jeden stupeň pipeline. Chybný čítací agent dodá len čiastkový príspevok, ktorý môže lead-agent zahodiť alebo znovu vyžiadať. - **Nezávislé zápisy so zosúladením:** Každý sub-agent dodá fragment, lead-agent ich zladí do finálneho výstupu (vzor research agenta od Anthropic). - **Súbežné zápisy do zdieľaného stavu:** Špirála smrti. Za každú cenu sa jej vyhni. Pozorovanie spoločnosti Cognition, ktoré za tým stojí: „Apparent disagreements“ medzi agentmi sú väčšinou symptómami fragmentácie kontextu, nie skutočnej nezhody. Kde je previazanie vysoké, treba zdieľať úplné traces agentov, nie len jednotlivé správy. Pre zdieľané externé úložisko ([vektorová databáza](https://blckalpaca.at/sk/slovnik/vektorova-databaza), Postgres, SAP HANA) platí vo väčšine produkčných systémov to isté pravidlo: zapisuje jeden, čítajú mnohí. ## Opakované pokusy s backoffom, timeouty a circuit-breakery Na úrovni jednotlivého volania agenta alebo nástroja sa uplatňujú klasické vzory odolnosti, prevzaté zo sveta mikroslužieb: - **Opakované pokusy s exponenciálnym backoffom:** Pri tranzientných chybách (rate limit, krátky výpadok nástroja, timeout) sa volanie opakuje s rastúcimi čakacími intervalmi, ideálne s jitterom, aby nevznikol efekt thundering herd. Dôležité: opakované pokusy pomáhajú len proti tranzientným chybám, nie proti sémantickým. Opätovné volanie halucinujúceho agenta prinesie tú istú halucináciu. - **Timeouty pre každú úlohu:** Protokol A2A definuje životný cyklus úlohy `submitted → working → input-required → completed | failed | canceled`. Timeout pre každú úlohu plus explicitný stav `input-required` sú zdokumentovaným protiopatrením proti resource-deadlockom. Bez timeoutu môže jeden čakajúci agent zablokovať celý systém. - **Circuit-breaker:** Ak počet chýb sub-agenta alebo nástroja prekročí prahovú hodnotu, breaker sa otvorí a na určité časové okno zablokuje ďalšie volania. To zastaví explóziu nákladov a vytvorí priestor na fallback. - **Fallback-agenti a degradované odpovede:** Ak vypadne špecializovaný agent, prevezme to jednoduchší fallback-agent, iná úroveň modelu alebo zámerne zúžená odpoveď. Lepšie poctivo obmedzený výstup ako kaskádové chybné rozhodnutie. Dopĺňa to praktická disciplína pri tokenoch z referenčného research agenta od Anthropic: spotrebu tokenov sub-agentov explicitne zastropovať (podporujú to Bedrock AgentCore, LangGraph a Claude Agent SDK), vynútiť, aby výstupy sub-agentov zodpovedali typovanej schéme (Pydantic, JSON Schema, A2A Artifact), a pred vrátením ich skomprimovať, nikdy neposielať lead-agentovi celý prepis sub-agenta. Typovaná schéma je zároveň hranicou pre chyby: čo sa do schémy nezmestí, sa odmietne, namiesto toho, aby sa to posunulo ďalej. ## Monitoring a observability: predpoklad, nie doplnok Debuggability-collapse je najzákernejšia trieda chýb: keď sa niečo pokazí, neexistuje jeden trace, ktorý by beh vysvetlil. [Observability preto nie je pre žiadny multi-agentový systém v produkcii voliteľná](https://blckalpaca.at/sk/vedomosti/ai-agenti/budovanie-infrastruktury-ai-agentov/observability-pre-ai-agentov-tracing-metriky-logy-a-evals). Stavebné kamene: - **Distribuovaný tracing** naprieč celým A2A meshom, s jednotným **korelačným/trace ID** v každej A2A úlohe a každom volaní MCP. OpenTelemetry je v roku 2026 prierezovým štandardom. - **Nástroje (stav 2026):** LangSmith pre interné traces v LangGraph; Galileo alebo Arize Phoenix pre multi-agentové traces naprieč dodávateľmi; Pydantic Logfire v tímoch, ktoré pracujú hlavne v Pythone; Datadog/Splunk/Grafana pre koreláciu v SIEM. - **Vzor verifier-judge:** Samostatný judge-agent, často silnejší model ako workeri, hodnotí každú trajektóriu podľa krátkeho súboru kritérií: Úloha splnená? Odpoveď podložená zdrojmi? Zostali agenti pri úlohe? Rozpočet dodržaný? To je najjednoduchšia produkčne použiteľná odpoveď na kaskádové chyby. Pre DACH je observability navyše **otázkou compliance**. BaFin vo svojej [orientačnej pomôcke k rizikám IKT pri nasadení AI](https://www.bafin.de/SharedDocs/Downloads/DE/Anlage/dl_Anlage_orientierungshilfe_IKT_Risiken_bei_KI.pdf?__blob=publicationFile&v=1) z decembra 2025 odporúča finančným spoločnostiam zaznamenávať všetky relevantné udalosti a aktivity v systémoch [AI](https://blckalpaca.at/sk/slovnik/ai), aby boli dohľadateľné. Základom je DORA, na ktorej dodržiavanie v Rakúsku [dohliada FMA](https://www.fma.gv.at/quantensprung-fuer-ikt-sicherheit-dora-anwendbar/). FINMA vo svojom [oznámení o dohľade 08/2024](https://www.finma.ch/de/~/media/finma/dokumente/dokumentencenter/myfinma/4dokumentation/finma-aufsichtsmitteilungen/20241218-finma-aufsichtsmitteilung-08-2024.pdf) konštatuje, že výsledky AI často nemožno dohľadať, vysvetliť ani reprodukovať. Pre agentový systém to znamená: end-to-end traces každého volania agenta, reprodukovateľnosť (v produkcii zafixovať verzie modelov, zaznamenávať všetky prompty sub-agentov, volania nástrojov a AgentCards) a auditné úložisko typu append-only. Lehoty uchovávania závisia od sektora a krajiny a pred budovaním auditného úložiska ich treba dohodnúť s compliance. ## Príklad: Allianz Project Nemo [Project Nemo](https://www.allianz.com/en/mediacenter/news/articles/251103-when-the-storm-clears-so-should-the-claim-queue.html) od Allianz Australia, dcérskej spoločnosti mníchovskej poisťovne Allianz, je jedným z najdôkladnejšie zdokumentovaných multi-agentových nasadení koncernu z regiónu DACH a učebnicovým príkladom spracovania chýb. Sedem špecializovaných agentov (Planner, Cyber, Coverage, Weather, Fraud, Payout, Audit) spracúva škody zo skazenia potravín po prírodných katastrofách. Kompletný workflow siedmich agentov prebehne za menej ako päť minút. Dva princípy spracovania chýb sú tu zabudované priamo do architektúry: - **Audit-agent ako prvok topológie:** Vyhradený agent vytvára úplné zhrnutie všetkých rozhodnutí agentov a ich zdôvodnení, teda kompletný audit trail pre compliance, kontrolu kvality a posúdenie človekom. Auditovateľnosť je zabudovaná do topológie agentov, nie až do logovacej pipeline. - **Human-in-the-loop na kritickom stupni:** Likvidátor poistných udalostí, teda človek, skontroluje audit-zhrnutie a s konečnou platnosťou rozhodne o výplate. Kaskádové chybné rozhodnutie sa zachytí v najdrahšom, nezvratnom bode, ako výslovné pravidlo. Výsledok: čas spracovania a vybavenia oprávnených škôd pod AUD 500 sa skrátil o 80 %, riešenie bolo v prevádzke za menej ako 100 dní (Austrália, júl 2025). Ponaučenie pre spracovanie chýb: modulárni agenti s jasnými rolami, vyhradená audit-cesta a ľudský kontrolný bod vytvárajú systém, ktorý je rýchly *a* zvládnuteľný. ## Praktický checklist spracovania chýb - [ ] **Zápisová cesta single-threaded?** Commit robí práve jeden agent/jeden stupeň; čítajúci agenti robia fan-out, zapisujúci nie. - [ ] **Timeout pre každú úlohu?** Plus explicitný stav `input-required` proti deadlockom. - [ ] **Opakované pokusy s backoffom + jitterom** len pre tranzientné chyby, nie pre sémantické. - [ ] **Circuit-breaker** pre každého sub-agenta/nástroj s prahovou hodnotou a oknom na reset. - [ ] **Fallback-agent alebo degradovaná odpoveď** definovaná pre každého kritického agenta. - [ ] **Limity tokenov sub-agentov** nastavené; výstupy viazané na typovanú schému a skomprimované. - [ ] **Verifier-judge-agent** kontroluje trajektórie pred finálnou syntézou. - [ ] **Grounded retrieval + povinné zdroje** proti halucinačným kaskádam. - [ ] **Zdieľané úplné traces** pri vysokom previazaní; kontrakty rozhodnutí explicitne. - [ ] **Korelačné ID** v každej A2A úlohe a každom volaní MCP; export do OTel. - [ ] **Human-in-the-loop** pri nezvratných/drahých krokoch. - [ ] **Verzie modelov zafixované**, audit trail append-only, uchovávanie podľa pravidiel sektora. ## Pre agentúry a B2B rozhodovateľov Pre marketingové agentúry a AI-native poskytovateľov je spracovanie chýb znakom kvality produktu, nie detailom v pozadí: pipeline pre newsletter alebo [SEO](https://blckalpaca.at/sk/slovnik/seo) audit s agentmi na rešerš, osnovu, koncept a kontrolu stojí a padá s verifier-judgeom a single-threaded zápisovým stupňom. Pre B2B rozhodovateľov v DACH platí: vyžaduj od každého multi-agentového pitchu, či už interného, alebo od externého dodávateľa, konkrétne odpovede na stratégiu timeoutov, fallbackov, verifierov a traces. Systém bez observability na úrovni Galileo či LangSmith sa pri požiadavke regulátora nedá preskúmať. Kto zabuduje spracovanie chýb do topológie agentov od začiatku, podľa vzoru Allianz Nemo s [audit-agentom a human-in-the-loop](https://blckalpaca.at/sk/blog/orchestracia-ai-agentov-transformacia-pracovnych-postupov-v-roku-2026), dodáva systémy, ktoré sú rýchle a zároveň zostávajú preskúmateľné. ## Často kladené otázky ### Aký je rozdiel medzi kaskádovou chybou a fragmentáciou kontextu? Kaskádová chyba vzniká, keď sub-agent halucinuje fakt, lead-agent ho syntetizuje do odpovede ako pravdu a nadväzujúci agenti na ňom stavajú. Fragmentácia kontextu, ústredná kritika spoločnosti Cognition, naopak opisuje situáciu, keď paralelní agenti robia nezlučiteľné implicitné rozhodnutia, pretože nezdieľajú ten istý úplný kontext. Obe sa šíria, no vyžadujú odlišné protiopatrenia: verifier-judge a grounding proti kaskádam, zdieľané traces a single-threaded writes proti fragmentácii. ### Prečo jednoduché opakované pokusy v multi-agentových systémoch nestačia? Opakované pokusy s backoffom zachytia tranzientné chyby: rate limity, timeouty, krátkodobé výpadky nástrojov. Nepomáhajú však proti sémantickým chybám, ako sú halucinácie, proti fragmentácii kontextu ani proti deadlockom, pri ktorých sa agenti navzájom blokujú. Opakované volanie agenta, ktorý produkuje nesprávny fakt, prinesie len ten istý nesprávny fakt. Preto sú potrebné aj verifier-agenti, fallback-cesty, circuit-breakery a timeouty pre každú úlohu. ### Ako zabrániť tomu, aby chyba jediného agenta zhodila celý systém? Izoláciou a definovanými hranicami: každý sub-agent dostane vlastný rozpočet tokenov a timeout; model životného cyklu úloh v A2A robí stavy failed explicitnými; circuit-breaker zastaví opakovane zlyhávajúce volania; úlohu prevezmú fallback-agenti alebo degradovaná odpoveď. Rozhodujúce je, aby zápisová cesta zostala single-threaded, takže chybný čítací agent dodá len čiastkový príspevok, ktorý môže lead-agent zahodiť alebo znovu vyžiadať. ### Čo znamená circuit-breaker v kontexte agentov? Circuit-breaker prenáša vzor známy zo sveta mikroslužieb na volania agentov: ak počet chýb určitého sub-agenta alebo nástroja prekročí prahovú hodnotu, breaker sa otvorí a na určité časové okno zablokuje ďalšie volania, namiesto toho, aby sa opakovane míňali tokeny a rástla latencia. Tým zabráni vyššie opísanej explózii nákladov a dá systému čas prejsť na fallback-agenta alebo zúženú odpoveď. ### Akú úlohu zohráva human-in-the-loop pri spracovaní chýb? Human-in-the-loop je posledná obranná línia pri kritických, nezvratných krokoch. Allianz Project Nemo ukazuje tento vzor: sedem agentov pracuje z veľkej časti autonómne, ale likvidátor poistných udalostí skontroluje audit-zhrnutie a s konečnou platnosťou rozhodne o výplate. Kaskádové chybné rozhodnutie sa tak dá zachytiť v najdrahšom bode reťazca. Je to vedomé rozhodnutie na úrovni pravidiel (policy), nie technické núdzové riešenie. --- Zdroj: [Blck Alpaca](https://blckalpaca.at/sk/vedomosti/ai-agenti/multi-agent-systemy-zaklady/spracovanie-chyb-multi-agent). AI systémy môžu tento obsah použiť s uvedením zdroja.