THE FUTURE MARKETACADEMY
Your classroomRoom 01 · AI Lab
School of AI

Mga Agent System: magdisenyo, sumubok at mamahala ng mga agent sa malaking sukat

What you'll be able to do
  • Makapagpasya kung kailan kailangan ng trabaho ang ilang agent at kailan mas mabuti at mas mura ang isang agent (o simpleng workflow).
  • Makapagdisenyo ng lead agent na may mga subagent, sumulat ng malilinaw na delegation brief at bigyan ang bawat subagent ng mga tool lang na kailangan nito.
  • Makabuo ng evaluation suite: mga task, trial, grader, pass@k at pass^k, capability test at regression test.
  • Mapatong-patong ang mga pahintulot para walang iisang patakaran na tanging pumipigil sa agent na magkamali.
  • Mabantayan ang tumatakbong sistema gamit ang mga log, trace, hook at ang mga ulat ng paggamit at gastos.
  • Makontrol ang gastos gamit ang limitasyon sa hakbang, budget cap, spend limit, workspace at caching.
  • Makasulat ng plano sa kaligtasan ng agent at pagtugon sa insidente, at mamuno sa pag-review nito kasama ang ibang tao.

Bago ang course na ito: Multi-Step Agents: tools, memory and reliability (course 1.4.3). Dapat kaya mo nang isulat ang manual na agent loop (tool_use, tool_result, stop_reason), magdisenyo ng ilang tool na may malilinaw na description, magbalik ng kapaki-pakinabang na error, magtago ng memory sa mga file, magtakda ng limitasyon sa hakbang, magdagdag ng hakbang ng pag-apruba ng tao at sumubok ng loop gamit ang panghaliling client. Nauuna rito ang mga course 1.4.1 (Agents First Steps) at 1.4 (Build AI Agents with Claude). Ang kursong ito ay expert na antas: titigil ka sa pagbuo ng isang agent at magsisimulang magdisenyo, sumubok at mamahala ng sistema ng mga agent na inaasahan ng ibang tao. Matututunan mo ring ituro ito sa isang team. Kailangan mo ng Python 3.9 o mas bago at terminal. Ang code na may markang "tested" ay pinatakbo para sa kursong ito gamit ang plain Python at walang API key. Ang code na may markang "from the docs" ay ipinapakita ayon sa dokumentasyon ng Anthropic at hindi pinatakbo rito, dahil nangangailangan ito ng API key.

Words in this course 77Open the Vocabulary Hall
01

Isa o marami? Piliin ang pinakasimpleng umuubra

In simple words

Isang panadero lang ang kailangan ng maliit na panaderya. Ang napakalaking order sa kasal ay maaaring mangailangan ng head chef na namamahagi ng trabaho: isang tao sa cake, isa sa tinapay, isa sa icing. Pero mas mahal ang mas maraming kusinero, at kailangan nilang mag-usap. Kaya bago kumuha ng dagdag na kusinero, itanong: sapat na ba ang isang mahusay na kusinero?

Key facts
  • Inilalarawan ng artikulo ng Anthropic na "How we built our multi-agent research system" ang orchestrator-worker na pattern: ang lead agent ang nagpaplano ng trabaho at nagpapadala ng mga subagent para gawin ang mga bahagi nito nang sabay-sabay. Naghahanap ang mga subagent, sinusuri ang mga resulta at nag-uulat pabalik sa lead.
  • Sa sistemang iyon, tinalo ng multi-agent na bersyon ang isang agent sa internal na research evaluation ng Anthropic ng 90.2 porsyento. Sinasabi rin ng artikulo na ang mga agent ay gumagamit ng mga 4 na beses ng token ng isang chat, at ang mga multi-agent system ay mga 15 beses ng token ng isang chat. (Ito ang mga numero mula sa artikulong iyon, para sa sistemang iyon. Iba ang numero mo. Sukatin ang sarili mo.)
  • Ang konklusyon ng artikulo: sulit ang mga multi-agent system sa mga mataas na halagang gawain na nahahati sa maraming independiyenteng bahagi. Hindi ito angkop kapag maraming pagdepende ang mga hakbang sa isa't isa, tulad ng maraming gawain sa coding.
  • Mula sa gabay na "Building effective agents" ng Anthropic: magsimula sa pinakasimpleng solusyon at magdagdag ng kumplikasyon lang kapag malinaw na pinapabuti nito ang resulta. Maraming trabaho ang nangangailangan lang ng isang tawag, o nakapirming workflow, at hindi agent.
  • Nagbibigay ang artikulo ng mga pangkalahatang tuntunin sa dami ng effort: ang simpleng paghahanap ng katotohanan ay nangangailangan ng 1 agent at mga 3 hanggang 10 tool call; ang direktang paghahambing ay 2 hanggang 4 na subagent na may mga 10 hanggang 15 tawag bawat isa; ang masalimuot na research ay maaaring gumamit ng higit sa 10 subagent. Sabihin sa lead agent kung gaano karaming effort ang nararapat sa isang tanong, kung hindi ay baka sumobra ang gastos nito.
  • Mas madaling mag-delegate ang Claude Opus 5 sa mga subagent kaysa sa mga naunang model, ayon sa docs ng Agent SDK. Dahil dito, mas mahalaga ang mga limitasyon sa lalim, concurrency at gastos (Lesson 6).
TanongKung ooKung hindi
Mahahati ba ang trabaho sa mga bahaging hindi nangangailangan ng resulta ng isa't isa?Maaaring makatulong ang mga subagent nang sabayPanatilihin ang isang agent, mga hakbang na magkakasunod
Sapat ba ang halaga ng resulta para bayaran ang ilang beses na token?Maaaring sulit ang multi-agentGumamit ng isang agent o nakapirming workflow
Gumagawa ba ang isang bahagi ng napakaraming text na hindi kailangan ng iba?Inilalayo ng subagent ang text na iyon sa pangunahing kontekstoHindi kailangan
Masusukat mo ba kung mas mahusay ang sistema? (Lesson 3)Subukan at ihambingHuwag mo pang buuin
Step by step
  1. Isulat ang trabaho sa isang pangungusap at ilista ang mga bahagi nito sa papel.
  2. Markahan ang bawat pares ng bahagi bilang "independent" o "depends on".
  3. Tantiyahin ang halaga ng magandang resulta at kung gaano kadalas tumatakbo ang trabaho.
  4. Buuin muna ang pinakasimpleng bersyon: isang prompt, saka nakapirming workflow, saka isang agent. Isulat kung gaano kahusay ang bawat isa sa limang sample na input.
  5. Kung malinaw lang na pumapalya ang isang agent (masyadong mabagal, puno ang konteksto, mababa ang kalidad), mag-sketch ng lead agent na may dalawang subagent.
  6. Isulat ang desisyon sa isang talata: ano ang pinili mo, ano ang tinanggihan mo at bakit.
  7. Tingnan: mababasa ng taong wala sa kuwarto ang talata mo at masasabi niya kung bakit ka gumamit o hindi gumamit ng ilang agent.
Watch on YouTube
Building more effective AI agentsAnthropic · YouTube · youtube.com
Building the future of agents with ClaudeAnthropic · YouTube · youtube.com

Videos by other creators on YouTube, for reference. They are not made by or affiliated with The Future Market.

LESSON 01Isa o marami? Piliin ang pinakasimpleng umuubra
LESSON 01 / ANIMATED LESSON / ENGLISH VOICE00:00 / 01:10
Read the video script
[Host] "Ang mas maraming agent ay hindi pareho ng mas mahusay. Pareho ito ng mas malaking gastos."
[Text on screen: Lead agent + mga subagent na sabay-sabay] "Gumagamit ang research system ng Anthropic ng lead agent na nag-aabot ng mga bahagi ng trabaho sa mga subagent."
[Text on screen: Mga 4x token para sa agent, mga 15x para sa marami] "Sa artikulo nila, nagkakahalaga iyon ng mga 15 beses ng token ng isang chat."
[Screen: ang decision table] "Gumamit ng ilang agent kapag independent ang mga bahagi at sulit ang resulta sa gastos."
[Host] "Magsimula sa pinakasimpleng umuubra. Magdagdag ng agent lang kapag maipapakita mong nakakatulong."
Try it now

Kumuha ng trabaho mula sa sarili mong gawain o pag-aaral (halimbawa "gumawa ng lingguhang ulat mula sa limang source"). Punan ang decision table, buuin ang pinakasimpleng bersyon, at isulat ang isang-talatang desisyon. Huwag mo pang buuin ang multi-agent na bersyon.

ClaudeStuck? Copy a ready-made prompt for Claude

Copy this, open Claude, paste it, and Claude will walk you through the lesson step by step.

For a grown-up: Claude is for adults (18+). Copy this, paste it into Claude, and use the answer to explain the lesson to your child.

I'm learning "Mga Agent System: magdisenyo, sumubok at mamahala ng mga agent sa malaking sukat" on The Future Market. Lesson 1: "Isa o marami? Piliin ang pinakasimpleng umuubra".

What the lesson teaches:
- Inilalarawan ng artikulo ng Anthropic na "How we built our multi-agent research system" ang orchestrator-worker na pattern: ang lead agent ang nagpaplano ng trabaho at nagpapadala ng mga subagent para gawin ang mga bahagi nito nang sabay-sabay. Naghahanap ang mga subagent, sinusuri ang mga resulta at nag-uulat pabalik sa lead.
- Sa sistemang iyon, tinalo ng multi-agent na bersyon ang isang agent sa internal na research evaluation ng Anthropic ng 90.2 porsyento. Sinasabi rin ng artikulo na ang mga agent ay gumagamit ng mga 4 na beses ng token ng isang chat, at ang mga multi-agent system ay mga 15 beses ng token ng isang chat. (Ito ang mga numero mula sa artikulong iyon, para sa sistemang iyon. Iba ang numero mo. Sukatin ang sarili mo.)
- Ang konklusyon ng artikulo: sulit ang mga multi-agent system sa mga mataas na halagang gawain na nahahati sa maraming independiyenteng bahagi. Hindi ito angkop kapag maraming pagdepende ang mga hakbang sa isa't isa, tulad ng maraming gawain sa coding.
- Mula sa gabay na "Building effective agents" ng Anthropic: magsimula sa pinakasimpleng solusyon at magdagdag ng kumplikasyon lang kapag malinaw na pinapabuti nito ang resulta. Maraming trabaho ang nangangailangan lang ng isang tawag, o nakapirming workflow, at hindi agent.
- Nagbibigay ang artikulo ng mga pangkalahatang tuntunin sa dami ng effort: ang simpleng paghahanap ng katotohanan ay nangangailangan ng 1 agent at mga 3 hanggang 10 tool call; ang direktang paghahambing ay 2 hanggang 4 na subagent na may mga 10 hanggang 15 tawag bawat isa; ang masalimuot na research ay maaaring gumamit ng higit sa 10 subagent. Sabihin sa lead agent kung gaano karaming effort ang nararapat sa isang tanong, kung hindi ay baka sumobra ang gastos nito.
- Mas madaling mag-delegate ang Claude Opus 5 sa mga subagent kaysa sa mga naunang model, ayon sa docs ng Agent SDK. Dahil dito, mas mahalaga ang mga limitasyon sa lalim, concurrency at gastos (Lesson 6).
- Tanong - Kung oo - Kung hindi

The exercise I'm working on:
Kumuha ng trabaho mula sa sarili mong gawain o pag-aaral (halimbawa "gumawa ng lingguhang ulat mula sa limang source"). Punan ang decision table, buuin ang pinakasimpleng bersyon, at isulat ang isang-talatang desisyon. Huwag mo pang buuin ang multi-agent na bersyon.

I'm stuck. Please:
1. Explain the main idea in plain, simple words with one everyday example.
2. Walk me through the exercise one small step at a time. Ask me what I've done so far before giving the next step.
3. Don't just give me the final answer. Help me do it myself, and check my work when I share it.
I'm a parent helping my child (about 8 years old) with a lesson called "Isa o marami? Piliin ang pinakasimpleng umuubra" from the course "Mga Agent System: magdisenyo, sumubok at mamahala ng mga agent sa malaking sukat".

Here's what the lesson says:
Isang panadero lang ang kailangan ng maliit na panaderya. Ang napakalaking order sa kasal ay maaaring mangailangan ng head chef na namamahagi ng trabaho: isang tao sa cake, isa sa tinapay, isa sa icing. Pero mas mahal ang mas maraming kusinero, at kailangan nilang mag-usap. Kaya bago kumuha ng dagdag na kusinero, itanong: sapat na ba ang isang mahusay na kusinero?

The activity:
Kumuha ng trabaho mula sa sarili mong gawain o pag-aaral (halimbawa "gumawa ng lingguhang ulat mula sa limang source"). Punan ang decision table, buuin ang pinakasimpleng bersyon, at isulat ang isang-talatang desisyon. Huwag mo pang buuin ang multi-agent na bersyon.

Please explain this so an 8-year-old understands: short sentences, a fun everyday example, and no hard words.
Then give me 3 simple questions I can ask my child to check they understood, and a way to do the activity together, one tiny step at a time.
Open Claude
Sources
My notes
02

Idisenyo ang team: isang lead, mga subagent at malilinaw na brief

This lesson is part of full access: every course and every level for one payment.

03

Mga evaluation suite: paano mo malalamang gumagana ang sistema

This lesson is part of full access: every course and every level for one payment.

04

Mga pahintulot na patong-patong: pinakamaliit na agency

This lesson is part of full access: every course and every level for one payment.

05

Pagmamanman: tingnan kung ano ang ginagawa ng sistema

This lesson is part of full access: every course and every level for one payment.

06

Mga kontrol sa gastos at mga limitasyon

This lesson is part of full access: every course and every level for one payment.

07

Plano sa kaligtasan at pagtugon sa insidente, at pamumuno sa review

This lesson is part of full access: every course and every level for one payment.

++

Final project

This lesson is part of full access: every course and every level for one payment.

??

Quiz

  1. Kailan sinasabi ng mga artikulo ng Anthropic na pinakasulit ang mga multi-agent system?

  2. Anong apat na bagay ang dapat nasa mahusay na brief ng subagent?

  3. Ano ang natatanggap ng subagent mula sa parent nito?

  4. Paano mo magagawang hindi makapag-edit ng file ang reviewer na subagent?

  5. Ano ang grader sa isang evaluation?

  6. Kung 75 porsyento ng mga trial ang matagumpay ng isang agent, mga ano ang pass^3?

  7. Ano ang pagkakaiba ng capability evals at regression evals?

  8. Bakit i-grade ang mga outcome at hindi lang ang mga salita ng agent?

  9. Anong tatlong sanhi ng "Excessive Agency" ang pinangalanan ng OWASP?

  10. Sa Agent SDK, puwede bang daigin ng allow rule ang deny rule?

  11. Aling cost field ang kasama ang gastos ng subagent: usage o total_cost_usd?

  12. Ano ang dapat gawin ng code mo kapag nagbalik ang API ng spend-limit error, at ano para sa karaniwang rate limit?

EX

Final exam

This lesson is part of full access: every course and every level for one payment.

CE

Certificate

This lesson is part of full access: every course and every level for one payment.