Prehľad architektúr AI Agentov

Prečo agentové architektúry?

LLM-agent je viac než len model s Tools: potrebuje štruktúru, ktorá určuje, kedy premýšľa, kedy volá Tool, kedy tvorí plán a kedy koriguje sám seba. Práve túto štruktúru opisujú agentové architektúry – opakujúce sa design-patterns, ktoré sa v posledných rokoch stali spoločným slovníkom odvetvia.

Pozoruhodné je, ako blízko leží ich pôvod: päť kanonických vzorov ReAct, Reflexion, Plan-and-Execute, ReWOO a Tree-of-Thoughts vzniklo v úzkom časovom okne medzi októbrom 2022 a májom 2023, prevažne z prostredia Princetonu, Google a Northeastern (Shunyu Yao je spoluautorom troch z piatich paperov). Odvtedy odvetvie tieto vzory buď zovšeobecnilo na framework-primitíva (napríklad LangGraph create_react_agent alebo CrewAI planning=True), alebo hybridizovalo na nástupnícke vzory (LATS, LLMCompiler, Plan-and-Act).

Pre rozhodovateľov a Tech-Leadov v DACH-regióne je kľúčovou otázkou zriedka „Ktorý vzor je najpokročilejší?“, ale „Ktorý vzor rieši túto konkrétnu úlohu pri únosných nákladoch, latencii a audrovateľnosti?“. Tento prehľad k tomu poskytuje výrobcovsky neutrálnu mapu.

ReAct – Reasoning a Acting prepojené

ReAct (Yao et al., arXiv:2210.03629, október 2022, ICLR 2023) je základom takmer všetkých dnešných agentov využívajúcich Tools. Myšlienka: LLM striedavo vytvára voľne formulované „Thought“-tokeny (Reasoning) a „Action“-tokeny (volania Tools) a číta späť „Observation“ – výsledok Toolu. Slučka Thought → Action → Observation → Thought → … beží, kým model nevydá záverečný Finish[answer].

Vyriešený problém: čistý Chain-of-Thought (CoT) halucinuje fakty, pretože nemá ukotvenie v realite. Čisto Action-Only-agenti zasa nedokážu abstraktne premýšľať o dlhodobých cieľoch ani sa zotaviť z chýb. ReAct spája oboje – Reasoning riadi nasadenie Toolov a pozorovania z Toolov korigujú Reasoning. V pôvodnej štúdii to prinieslo na ALFWorld (textové domáce úlohy) +34 percentuálnych bodov a na WebShop (e-commerce navigácia) +10 percentuálnych bodov oproti vtedajším imitation-/RL-baselines – avšak proti modelom generácie GPT-3/PaLM; absolútne čísla sú dnes prekonané a treba ich čítať len ako relatívne efekty.

Silné stránky: nízka latencia, malá implementačná komplexnosť, vysoká interpretovateľnosť vďaka sledovateľnému Reasoning-trace. V LangGraph je ReAct jednoriadkový (create_react_agent); CrewAI ho používa interne v každom agentovi; n8n ponúka s „ReAct AI Agent“ a modernejším „Tools Agent“ dva natívne uzly, ktorých zobrazenie vykonávania protokoluje každý Thought/Action-krok – skutočná výhoda pre nevyvíjajúce marketingové tímy, ktoré potrebujú audrovateľný log.

Slabé stránky: pri nejednoznačných opisoch Toolov model halucinuje argumenty Toolov. Existuje „Reasoning Drift“ – akonáhle sa raz upne na nesprávnu myšlienku, agent interpretuje následné pozorovania prislúchajúco k nej. A kontext sa nafukuje, pretože každý krok znova vlečie so sebou System-Prompt a kompletnú doterajšiu trajektóriu (náklady O(N·T)). V praxi leží horná hranica typicky pri 10–25 krokoch, kým prevládne strata kontextu alebo drift.

Dôležité praktické ponaučenie: moderné frontier-modely ovládajú slučku Reasoning-Action natívne cez Function-Calling. Explicitné ReAct-promptovanie sa podľa n8n-blogu stalo prevažne zbytočným – rozhodujúce sú dnes Memory, horné hranice iterácií a sledovateľnosť. Najčastejšou produkčnou chybou pri slabších modeloch je chybný JSON v argumentoch Toolov; používajte štruktúrovaný výstup, resp. Function-Calling-režim, kdekoľvek ho poskytovateľ podporuje.

Reflexion – agenti, ktorí kritizujú sami seba

Reflexion (Shinn et al., arXiv:2303.11366, NeurIPS 2023) obkladá existujúceho agenta sebakorekčnou slučkou. Tri komponenty do seba zapadajú: Actor (väčšinou ReAct- alebo CoT-agent) vytvára trajektóriu; Evaluator ju hodnotí (binárne, skalárne alebo cez externú testovaciu sadu); Self-Reflection-model premieňa hodnotenie plus trajektóriu na verbálnu spätnú väzbu – odsek prirodzene jazykovej kritiky, ktorý sa ukladá do epizodickej pamäte. Pri ďalšom pokuse sa táto reflexia predradí Actorovi. „Policy-Update“ je čisto jazykový; žiadne váhy sa nemenia.

Centrálne zistenie paperu: samoverbalizovaná analýza chýb LLM je silnejší učiaci signál než len numerický reward – a to plne in-context naprieč viacerými pokusmi. Na HumanEval (generovanie Python-kódu) dosiahol Reflexion 91 % pass@1 oproti zhruba 80 % GPT-4-baseline v čase štúdie.

Ale – a to je ako signál dôveryhodnosti a varovania pre DACH-B2B-čitateľov dôležité: na MBPP Reflexion podvýkonil baseline, pretože samogenerované unit-testy mali vysokú mieru false positives a agent predčasne hlásil „úspech“. Reflexion teda nie je univerzálny zlepšovač. Potrebuje kvalitný signál Evaluatora. Pri úlohách bez jasného orákula (kreatívne písanie, otvorený výskum) reflexie degenerujú na vágne frázy a „konfabulované reflexie“ – teda nesprávne diagnostikované príčiny chýb – dedia nesprávnu korekciu do ďalšieho pokusu.

Náklady: na pokus zhruba 2- až 5-násobok jediného ReAct-behu, vynásobený K pokusmi; pri typickom K=3 teda 5- až 15-násobok. Pokusy sú nutne sekvenčné, čo spravidla vylučuje real-time use-cases.

Tri praktické pravidlá z rešerše: po prvé vždy ohraničte iterácie (max_reasoning_attempts v CrewAI, revision_number ≤ N v LangGraph). Po druhé kde je to možné, poskytnite externý ground-truth-signál (unit-testy, RAG-Evaluator, regex-match) – samohodnotenie samo o sebe je nespoľahlivé. Po tretie reflexie cachujte: mnohé tímy ich perzistujú vo vektorovej pamäti podľa typu úlohy a budujú tak emergentnú skill-knižnicu. Poznámka k pomenovaniu: v niektorých zdrojoch (LangChain-blog) „Reflection“ znamená akúkoľvek sebakritickú slučku, „Reflexion“ naopak špecificky paper od Shinn et al. – v nemčine sa oplatí rozlišovať Reflexion (Shinn et al.) versus Reflection-vzor v širšom zmysle.

Plan-and-Execute – najprv plán, potom realizácia

Vzor Plan-and-Execute odpája plánovanie od vykonávania. Planner jednorazovo vytvorí očíslovaný viackrokový plán, Executor (často ReAct-Sub-Agent) ho spracúva krok za krokom a Replanner po každom vykonaní rozhodne, či sa terminuje alebo sa vydá upravený zvyškový plán. Koncepčne sa zakladá na „Plan-and-Solve“-promptovaní (Wang et al., arXiv:2305.04091, ACL 2023) a BabyAGI; názov agenta pochádza z LangChain-portovania. Správne formulované: architektúra Plan-and-Execute popularizovaná LangChainom na báze Plan-and-Solve-promptovania.

Rozhodujúca páka: plánovanie je ťažká reasoning-úloha (veľký model), vykonávanie je per-krok využitie Toolov (menší, lacnejší model). Toto stupňovanie modelov ušetrí podľa LangChain-blogu empiricky 30–60 % tokenov oproti čistému ReAct pri viac-Tool-úlohách. Explicitne vyformulované plány sú navyše audrovateľné – silný argument pre Enterprise- a Compliance-kontexty.

Slabé stránky: krehkosť plánu – ak je predbežný plán nesprávny, Executor plytvá volaniami na vopred odsúdené kroky, kým si to Replanner nevšimne. Vykonávanie zostáva sekvenčné (žiadna skutočná paralelita). A každý Replan znova volá veľký model; vo silne stochastických prostrediach sa preplánuje takmer pri každom kroku, čo zožerie cenovú výhodu. Praktické pravidlo: nasadiť, keď sa úlohy rozpadajú na viac než tri nezávislé kroky, existuje jasné orákulum pre validitu plánu a latencia nie je priamo pociťovaná na strane používateľa. Nenasadzovať, keď je prostredie vysoko stochastické – vtedy je reaktívna slučka ReAct striktne lepšia. Anthropic-vzor „Orchestrator-Workers“ je v jadre to isté, len novo zarámcované.

ReWOO – Reasoning bez neustáleho pozorovania

ReWOO (Xu et al., arXiv:2305.18323, máj 2023) je nákladovo optimalizovaná odpoveď na tokenový hlad ReAct. Tri moduly: Planner vytvorí v jedinom volaní LLM kompletnú reťaz plánovacích krokov a volaní Toolov, pričom premenná syntax (#E1, #E2, …) umožňuje odkazovať na ešte neexistujúce výsledky. Worker vykoná Tools v zadanom poradí a nahradí zástupné znaky skutočnými výsledkami. Solver napokon v poslednom volaní LLM prečíta úlohu plus všetky evidencie a sformuluje odpoveď.

Efekt: N volaní LLM sa nahradí práve dvoma (Planner + Solver), nezávisle od počtu Tool-krokov. Na HotpotQA paper uvádza 5-násobnú tokenovú efektivitu pri +4 % presnosti oproti ReAct, naprieč šiestimi NLP-benchmarkmi konzistentnú redukciu tokenov. ReWOO je navyše robustný pri výpadkoch Toolov – plán už stojí pevne a Solver čisto rozpozná chýbajúce evidencie.

Hranice: žiadne prispôsobenie uprostred vykonávania – ak evidencia 3 protirečí plánu, ReWOO nedokáže v rovnakom prechode preplánovať. Bez kontextu prostredia sa Planner trápi pri neznámych Tool-ekosystémoch (potrebné Few-Shot-promptovanie alebo Fine-Tuning). A Tools bežia sekvenčne; skutočnú paralelitu poskytuje až nástupca LLMCompiler (Kim et al., arXiv:2312.04511) cez DAG.

Pre DACH-marketingové agentúry je ReWOO často najlepším vzorom v n8n: silnou stránkou n8n sú deterministické, deklaratívne workflows, substitúcia premenných je natívna a úlohy ako „zrešeršuj X → obohaď → naformátuj → odošli“ sú tým debugovateľné, lacné a tolerantné voči chybám. Praktické správy uvádzajú zhruba 65 % redukciu tokenových nákladov pri 4–5 % zisku presnosti. Anti-pattern: ReWOO nenasadzovať pre úlohy, pri ktorých výsledky Toolov často invalidujú plán (napr. interaktívna web-navigácia) – tam sú lepšie Plan-and-Execute alebo ReAct.

Tree-of-Thoughts – prehľadávanie namiesto línie

Tree-of-Thoughts (Yao et al., arXiv:2305.10601, NeurIPS 2023) sa zbavuje striktne zľava-doprava prebiehajúcej logiky CoT. Namiesto jedinej reťaze myšlienok sa rozprestrie strom: každý uzol je „Thought“ (čiastočné riešenie), na každom mieste model generuje k kandidátov, State-Evaluator ich hodnotí (napríklad hlasovaním iste/možno/nemožné) a vyhľadávací algoritmus (BFS alebo DFS s backtrackingom) prehľadáva strom. Paper to explicitne rámcuje ako „System-2“-prehľadávanie v nadväznosti na formalizmy riešenia problémov od Newella & Simona.

Výsledky sú na vyhľadávaním náročných úlohách drastické: Game of 24 vyriešený na 74 % (oproti 4 % CoT, 7,3 % IO), Mini-Crosswords na úrovni slov 60 % (vs. 16 % CoT), kreatívne písanie s lepšou koherenciou. Cena je však enormná – 10- až 100-násobok tokenov oproti jedinému CoT-volaniu, a účinnosť silno závisí od kvality generátora (GPT-3.5+ToT dosiahol pri Game of 24 len 19 % namiesto 74 %).

Najdôležitejšie field-ponaučenie k ToT: pre všeobecný reasoning je v roku 2026 prevažne obsoletný, pretože moderné reasoning-modely (o-séria, Claude s Extended Thinking, Gemini-2.x-Thinking) internalizujú prehľadávanie vnútri modelu. ToT zostáva relevantný ako koncepčný základ pre stromovo štruktúrované agentové prehľadávanie (je základom LATS) a pre tri niky: auditovo povinné regulované odvetvia, puzzle/optimalizácia s overiteľnými rewardmi a Small-Model-deployments s lacnými proposermi. V nástrojoch ako n8n je ToT kvôli kombinatorickej explózii prakticky neškálovateľný; čistou aproximáciou je „Best-of-N-Sampling“ – viaceré paralelné behy, z ktorých kritik vyberie najlepší (ToT s hĺbkou 1).

Routing a hierarchické vzory

Nad rámec piatich reasoning-vzorov uvádza Anthropic v „Building Effective Agents“ (december 2024) dva ďalšie štruktúrotvorné patterns, ktoré v praxi často tvoria rámec. Routing klasifikuje vstup a smeruje ho do špecializovanej cesty – napríklad klasifikátorový krok, ktorý rozdeľuje support-požiadavky podľa typu na rozdielne prompty alebo modely. Hierarchické architektúry vnárajú Orchestrator so Sub-Agentmi: koordinujúce LLM dynamicky rozkladá úlohu a deleguje na podriadených agentov – Plan-and-Execute s ReAct-Sub-Agentmi je práve táto variácia (Anthropic Orchestrator-Workers).

K opatrnosti pri hierarchii poskytuje Cognition (Devin) najcitovanejšie ponaučenie: „Don't Build Multi-Agents“ (jún 2025) varoval, že paralelní agenti implicitne robia protirečivé rozhodnutia a dodávajú krehké výsledky. Aktualizovaný postoj „Multi-Agents: What's Actually Working“ (apríl 2026) považuje Multi-Agent za udržateľný pri čítavo-paralelných, zapisovaco-jednovláknových setupoch. Preložené pre klientov agentúr: stavajte na jednom silnom agentovi s Tools; paralelní Sub-Agenti len na získavanie informácií, nikdy na zápisové alebo stavové zmeny.

Porovnanie – kedy ktorý vzor

Nasledujúca tabuľka rádov sa má čítať ako hrubá orientačná hodnota (syntetizované odhady z údajov paperov a field-správ, nie priame merania) – nameriavajte na vlastnej záťaži:

Červená niť pre prax

Naprieč všetkými vzormi je najdôležitejšie field-ponaučenie z produkčných blogpostov z rokov 2024–2026 (Anthropic, Cognition, LangChain) prekvapivo triezve: Začnite najjednoduchším vzorom, ktorý funguje – väčšinou ReAct – a eskalujte na Planning, Reflexion alebo prehľadávanie až vtedy, keď to vyžadujú namerané chybové režimy. Anthropic to formuluje takto: „Najúspešnejšie implementácie využívali jednoduché, komponovateľné patterns namiesto komplexných frameworkov.“

Generácia vzorov z rokov 2025/2026 je v jadre rekombináciou pôvodných piatich: LATS = ToT + Reflexion + MCTS (natívne v LangGraph), LLMCompiler = ReWOO + paralelný DAG (~3,6× speedup), Plan-and-Act = Plan-and-Execute pre dlhé horizonty. Aj frameworky konvergujú na spoločné primitívum zo State-Graph plus Tool-Calling – Microsoft konsolidoval AutoGen a Semantic Kernel v Microsoft Agent Framework (AutoGen je oficiálne v režime údržby), LangChain prevádza create_react_agent do langchain.agents.create_agent s Middleware. Pre DACH-rozhodovateľov, ktorí evaluujú Microsoft-Stack, je to relevantné nastavenie výhybky.

Tri nenegociovateľné praktické pravidlá na záver: po prvé každý agent potrebuje tvrdé horné hranice (recursion_limit, max_iterations), inak slučky eskalujú v nákladoch. Po druhé observability-nástroje (LangSmith, Langfuse, Arize Phoenix) sú de facto povinnosťou. Po tretie pre compliance sa musia perzistovať kompletné Thought/Action/Observation-traces s PII-scrubbingom – to je obzvlášť centrálne pre systémy relevantné pre GDPR a EU-AI-Act.

Poznámka: Compliance-výroky v tomto texte sú informatívne a nepredstavujú právne poradenstvo. Uvedené benchmark-čísla pochádzajú prevažne z pôvodných paperov rokov 2022–2023 (éra GPT-3.5/GPT-4) a treba ich chápať ako relatívne veľkosti efektov, nie ako absolútne hodnoty pre dnešné frontier-modely.