Рой LLM‑агентов звучит заманчиво, пока не столкнёшься с отсутствием реального доступа к данным.

В статье «Agent swarms and the new model economics» от Cursor авторы показывают, что крупные модели‑агенты могут совместно решать задачи, снижая стоимость вычислений, и утверждают, что экономика роем меняет баланс между вычислительными и инфраструктурными расходами.

На практике такой подход выглядит привлекательно лишь в лабораторных условиях. Когда агенту нужен доступ к бизнес‑данным, CRM‑записям или внутренним API, роем‑модель быстро «застревает» — нет нужного контекста, а обмен информацией между агентами становится дорогим и медленным.

По моему опыту в реальных проектах лучше комбинировать роем‑логики с традиционными пайплайнами: один «ядро‑агент» получает данные, а остальные‑помощники распределяют нагрузку на вычисления. Это сохраняет экономию от совместного вывода, но не теряет связь с бизнес‑слоем.

Источник: cursor.com/blog/agent-swarm-model-economics