Network Multi-Agent Systems

---

Network Multi-Agent Systems

Data Mastery Series — Episode 57: สร้าง Network ของ Agent หลายตัว ให้ร่วมมือกันอย่างชาญฉลาด

📌 Connect with me and follow our journey: Linkedin, Facebook

ในซีรีส์ Data Mastery เราได้สำรวจศักยภาพของ LangGraph มาแล้วหลายตอน อาทิ LangGraph Introduction, Agentic RAG, Adaptive RAG, Corrective RAG, Self RAG, SQL RAG, and Prompt Template Agent

และใน EP.57 นี้ เราจะพาทุกคนไปรู้จักกับอีกก้าวหนึ่งของ Network Multi-Agent Systems ระบบที่ออกแบบให้ Agent หลายตัว “ทำงานร่วมกันอย่างมีประสิทธิภาพ”

🧩 แนวคิดของ Network Multi-Agent Systems

ในโลกแห่งความเป็นจริง ปัญหาหลายอย่างมีความซับซ้อนและประกอบด้วยหลายขั้นตอน การให้ “Agent เดียว” แก้ปัญหาทั้งหมดอาจไม่เพียงพอหรือเกิดการ overload

แนวทางที่เหมาะสมคือ **Divide and Conquer (**แบ่งงานแล้วจัดการทีละส่วน):

• ✂️ แบ่งปัญหาออกเป็นส่วนย่อย (Subtasks)
• 👥 มอบหมายให้ Agent เฉพาะทางจัดการแต่ละส่วน
• 🔄 ออกแบบให้ Agent เหล่านี้ “ประสานงาน” เป็นเครือข่ายเดียวกัน

✨ Use Case นี้อ้างอิงจาก LangGraph Official Docs ภายใต้หัวข้อ Multi-Agent Systems → Network: Enable two or more agents to collaborate on a task

🔁 Workflow Graph & Function ที่เกี่ยวข้อง

Figure: Network Multi-Agent Systems Workflow

ในระบบนี้ เราออกแบบเครือข่าย Agent 2 ตัว โดยใช้ LangGraph เพื่อให้แต่ละ Agent ทำงานตามหน้าที่ของตัวเอง:

✅ researcher(state)

• หน้าที่: ทำหน้าที่ค้นคว้าข้อมูลจากเว็บตามคำถามของผู้ใช้
  - หากได้คำตอบที่ “เพียงพอ” (เช่น มีคำว่า FINAL ANSWER) → จบ workflow
  - หากยังไม่ครบ → ส่งข้อมูลต่อให้ agent ตัวถัดไป
• 🛠 ใช้เครื่องมือ:
  - tavily_tool สำหรับค้นข้อมูลออนไลน์
  - make_system_prompt(...) เพื่อจำกัดขอบเขตการทำงานเฉพาะการค้นคว้า

✅ chart_generator(state)

• หน้าที่: รับข้อมูลจาก researcher แล้ว “สร้างกราฟ”
• 🛠 ใช้เครื่องมือ:
  - python_repl_tool สำหรับรันโค้ด Python ที่สร้างกราฟ
  - ใช้ make_system_prompt(...) เช่นเดียวกัน

✅ get_next_node(...)

• หน้าที่: ฟังก์ชันสำคัญที่ช่วย LangGraph ตัดสินใจว่า:
  - ควรไปยัง Node ถัดไป หรือ
  - ไป END ทันที

def get_next_node(last_message, goto):
if "FINAL ANSWER" in last_message.content:
return END
return goto

🔍 ตัวอย่างการใช้งานจริง

User question: Get the UK's GDP over the past 5 years and show it in a line chart.

AI Route and Decision:

step 1: ---RESEARCHER---
output from step 1: Research agent responded with:
I have gathered the UK's GDP data for the past five years. Here are the figures in trillion British pounds:

• 2023: 2.54 trillion GBP
• 2022: 2.53 trillion GBP
• 2021: 2.41 trillion GBP
• 2020: 2.22 trillion GBP
• 2019: 2.47 trillion GBP

Now, I will create a line chart to visualize this data.
Here's a line chart representing the UK's GDP over the past five years:

  2.6 ┤          ╭╮  
  2.5 ┤          ││  
  2.4 ┤         ╭╯│  
  2.3 ┤         │ │  
  2.2 ┤        ╭╯ │  
  2.1 ┤        │  │  
  2.0 ┼────────╯  ╰───────────────  
     2019    2020    2021    2022    2023  

This chart shows the GDP in trillion GBP from 2019 to 2023. The GDP decreased significantly in 2020 due to the COVID-19 pandemic, followed by a recovery in the subsequent years.

---

step 2: ---CHART_GENERATOR---
output from step 2: Chart generator responded with:
FINAL ANSWER: Here is the line chart representing the UK's GDP over the past five years:

This chart shows the GDP in trillion GBP from 2019 to 2023. The GDP decreased significantly in 2020 due to the COVID-19 pandemic, followed by a recovery in the subsequent years.

---

##################################################

Summary

• User question: Get the UK's GDP over the past 5 years and show it in a line chart.
• AI Answer: FINAL ANSWER: Here is the line chart representing the UK's GDP over the past five years:

This chart shows the GDP in trillion GBP from 2019 to 2023. The GDP decreased significantly in 2020 due to the COVID-19 pandemic, followed by a recovery in the subsequent years.

• Route: start --> researcher --> chart_generator --> end

##################################################

Figure: ภาพที่อยู่ในช่อง ด้านบน

ลองมาดูตัวอย่างการทำงานของระบบที่ใช้ LangGraph เพื่อให้ 2 Agent (Research + Chart Generator) ทำงานร่วมกันอย่างเป็นขั้นตอน

• 🧑‍💼 คำถามจากผู้ใช้:
  Get the UK's GDP over the past 5 years and show it in a line chart

✅ Step 1: researcher – ค้นข้อมูลจากเว็บ (Tavily)

• หน้าที่: Agent ใช้ tavily_tool เพื่อค้นข้อมูลตามคำถาม
• Output: สรุปข้อมูลในรูปแบบ Bullet พร้อมเตรียมจะส่งต่อให้ Chart Agent
• Route: start → researcher

✅ Step 2: chart_generator – สร้างกราฟจากข้อมูลที่ได้

• หน้าที่: นำข้อมูลที่ได้จาก Research Agent มาสร้าง line chart
• ใช้ Tool: python_repl_tool สำหรับวาดกราฟ
• Output: สร้างกราฟจริง พร้อมระบุคำว่า FINAL ANSWER เพื่อจบการทำงาน
• Route: chart_generator → end

🔗 จากโค้ด:

ตัวแปรสำคัญที่ควบคุมการเดินของ Agent คือ get_next_node()
ซึ่งจะตรวจสอบว่าข้อความสุดท้ายมีคำว่า FINAL ANSWER หรือไม่

• ถ้ามี → จบการทำงานทันที
• ถ้าไม่มี → เดินไป Agent ถัดไป

🧠 ซึ่งหมายความว่า:

• คำถามเช่น “What is the capital of France?” → researcher สามารถจบ workflow ได้ทันที
• แต่คำถามที่มีลักษณะให้ “วิเคราะห์ + แสดงผลในรูปแบบกราฟ” → ต้องส่งต่อให้ chart_generator เสมอ

📌 สรุป

ระบบ Multi-Agent Network ด้วย LangGraph ช่วยให้เราสามารถ:

• ✅ แบ่งหน้าที่ของ Agent แต่ละตัวได้อย่างชัดเจน
• ✅ ออกแบบ workflow ที่ยืดหยุ่น รองรับทั้งงานง่ายและงานซับซ้อน
• ✅ สร้างระบบ AI ที่ “คิดเป็นทีม” ไม่ใช่แค่ตัวเดียวที่รู้ทุกอย่าง
• ✅ ต่อยอดไปยังระบบที่ซับซ้อนขึ้น เช่น การใช้ LLM ควบคุม Agent หลายตัว

ในตอนหน้า EP.58 เราจะพาไปดูว่า ถ้ามีหลาย Agent ในระบบ เราจะใช้อีกหนึ่ง Agent ที่ทำหน้าที่ “ควบคุมทีม” หรือเป็น “หัวหน้าทีม” ได้อย่างไร
เรียกว่า Supervisor Agent อย่าลืมกดติดตามซีรีส์ Data Mastery ด้วยนะครับ!

---

Data Science Explore the world of data science with Donato_Story

Dashboard Discover the power of data visualization with Donato_Story

Donato_Journey Join me on my journey (Thai version)

Course_Review Discover the training courses with Donato_Story (Thai version)

Let’s Connect!

Your thoughts and feedback are invaluable. Feel free to share them in the comments or connect with me on

• 🌐 Medium: medium.com/donato-story
• 📘Facebook: web.facebook.com/DonatoStory
• 💼 Linkedin: linkedin.com/in/nattapong-thanngam