Hogyan futtassunk párhuzamosan több AI kódoló ügynököt?

Az AI-alapú fejlesztés igazi kihívása nem a modellek ereje, hanem az összehangolásuk. Ha egyszerre több ügynök dolgozik egy projekten, hamar előkerül a kérdés: ki mit csinál, és hogyan kerüljük el a káoszt?

A Fleet nevű Python eszköz erre ad választ. Egy központi felügyeleti rendszer, ami lehetővé teszi, hogy több AI kódoló ügynököt irányítsunk anélkül, hogy egymás dolgába ütköznének.

Miért nem működik a kézi megoldás?

Ha valaki egyszerűen több külön könyvtárban indít Claude-példányokat, az hamar kezelhetetlenné válik. Nincs áttekintés arról, hogy melyik ügynök hol tart, ki milyen feladatot kapott, és mennyi tokent fogyasztanak együtt. A függőségek és a prioritások kezelése is megoldatlan marad.

Szükség van egy központi rendszerre, ami nyomon követi az összes munkamenetet.

A Fleet három legfontosabb építőköve

A rendszer három egyszerű, de hatékony ötletre épül.

1. Egyetlen feladatlista

A Fleet egy beads nevű adatbázist használ, ami a ~/.fleet könyvtárban tárolja a feladatokat. Amikor létrehozol egy új bejegyzést, az eszköz automatikusan elmenti azt a munkakönyvtárat is, ahol dolgozni kell. Így minden ügynök pontosan oda kerül, ahová tartozik.

Ez a központosított megközelítés megakadályozza a duplikált munkát és a merge-konfliktusokat.

2. Többféle modell támogatása

Nem kell egy szolgáltatóhoz ragaszkodni. A Fleet jelenleg a Claude-t, az Agy/Antigravity-t és a Codexet támogatja. Új modellt hozzáadni percek kérdése. Ez azért hasznos, mert egyes modellek jobban teljesítenek architekturális feladatokban, mások pedig rutinfeladatokban.

3. Automatikus párhuzamossági szabályozás

Alapértelmezés szerint legfeljebb három ügynök fut egyszerre, de ez akár tízig is növelhető. A Fleet kezeli a várólistát és betartja a korlátokat. A szűk keresztmetszet általában nem az eszköz, hanem az előfizetés tokenkerete.

Hasznos parancsok

A parancssori felület egyszerű és áttekinthető:

• fleet tasks – mutatja az aktív feladatokat és a tokenfogyasztást
• fleet task <azonosító> log – megnézhető, mit csinált az ügynök
• fleet task <azonosító> plan – az ügynök megközelítése olvasható ki belőle
• fleet config set max_concurrent=10 – a párhuzamos munkamenetek számának beállítása

Nincs szükség grafikus felületre vagy bonyolult beállításokra.

A tokenek a valódi korlát

A tapasztalt felhasználók szerint nem az ügynökök száma jelenti a szűk keresztmetszetet, hanem a rendelkezésre álló tokenek mennyisége. Több fiók használata és a kontextus takarítása sokat segít. Gyakran előfordul, hogy ugyanaz a kontextus többször is betöltődik, feleslegesen növelve a költségeket.

Miért érdemes vele foglalkozni?

A Fleet azt mutatja, hogy az AI-alapú fejlesztés akkor válik igazán hatékonnyá, ha az ügynököket nem különálló eszközökként, hanem összehangolt csapatként kezeljük. A specifikáció-alapú munka, a kontextus hatékony kezelése és a kísérletezés párhuzamos futtatással mind elérhetővé válik.

A rendszer mögött nincs bonyolult infrastruktúra – eredetileg egy egyszerű bash szkript volt. A lényeg az, hogy a feladatokat jól bontsuk részfeladatokra, és okosan gazdálkodjunk a tokenekkel.