Современные мультиагентные фреймворки вроде CrewAI или AutoGen страдают от врожденного порока: их топология жестко фиксируется в момент запуска. Когда конкретный агент перегружается — смешивает слишком много категорий действий, копит ошибки инструментов или тонет в контексте — надежность всей системы идет ко дну. Бронислав Сидик и команда Toga Networks (Huawei) резонно утверждают, что эта статичность создает сценарии отказов, которые невозможно исправить оптимизацией отдельного агента. На практике агент, выделенный под простой поиск, может внезапно столкнуться с тяжелым дебаггингом кода; в этот момент успех вызовов инструментов падает, так как фреймворк не способен перестроить собственную структуру под нагрузку.
Решением стала технология Autonomous Topology Mutation (ATM) — механизм исполнения, который в реальном времени отслеживает «индекс бутылочного горлышка» по шести сигналам телеметрии. Если система фиксирует нарушение порогов безопасности на протяжении нескольких тактов, ATM принудительно разделяет буксующего агента на специализированных субагентов, а оригинал «повышает» до роли координатора. Чтобы такая мутация не превратилась в цифровой хаос с потерей данных, разработчики внедрили три жестких инварианта:
Capability: права дочерних агентов не могут превышать полномочия родителя.
State: атомы данных маршрутизируются только по разрешенным адресам.
Shadow: никаких «живых» изменений в структуре без прохождения тестов на теневой копии.
Архитектурная гибкость не обязана жертвовать безопасностью данных: ATM сводит утечки памяти к нулю даже при экстремальных нагрузках.
Результаты в 720 тестах на базе DeepSeek-V3 выглядят отрезвляюще для любителей статичных сценариев: факторизация через ATM подняла вероятность успеха в задачах по кодингу с жалких 3,3% до 61,7%. Более того, благодаря дистилляции состояний, ориентированной на конкретные роли, исследователям удалось свести события утечки памяти с 2,0 до нуля на задачу.
Главное для бизнеса
Для технических директоров и лидов это важный сигнал: будущее корпоративного ИИ лежит не в области бесконечного тюнинга промптов, а в создании динамической инфраструктуры. Если ваш оркестратор не умеет увольнять, нанимать или повышать собственные компоненты в реальном времени с задержкой менее 500 микросекунд, он неизбежно станет узким местом при масштабировании. Статичные конфигурации слишком хрупки для непредсказуемых нагрузок энтерпрайза, и подход Huawei — первый серьезный шаг к по-настоящему автономным системам, способным выживать без ручного вмешательства.