OpenAI-fejlesztő: két ügynöknél több már könnyen tokenpazarlás lehet

• Eric Provencher, az OpenAI Codex-fejlesztője szerint a kettőnél több párhuzamos MI-ügynök gyakran indokolatlanul növeli a tokenfelhasználást.[^1]
• A fő gond a koordinációs többlet: az ügynökök ellenőrzik egymás munkáját, miközben nem osztanak meg elegendő kontextust.[^1]
• Egyetlen, jól ellátott ügynök bizonyos fejlesztési feladatoknál lényegesen olcsóbb lehet, mint egy nagyszámú ügynökből álló rendszer.[^2]

A párhuzamosan dolgozó MI-ügynökök gyorsíthatják az összetett munkafolyamatokat, de a sebességért jelentős tokenköltséggel kell fizetni. Eric Provencher, az OpenAI Codex fejlesztője arra figyelmeztetett, hogy a túl nagy ügynökcsapatoknál a koordináció és az ismétlődő ellenőrzés felemésztheti a várt hatékonysági előnyt.[^1]

Az OpenAI-fejlesztő szerint a sok MI-ügynök tokenpazarláshoz vezethet

Eric Provencher több X-bejegyzésben azt írta, hogy kettőnél több, párhuzamosan futó alügynök alkalmazása szinte mindig tokeneket éget el anélkül, hogy arányosan javítaná a munka minőségét. Értékelése szerint az ügynökök nem bíznak egymás eredményeiben, ezért folyamatosan ellenőrzik, újraértelmezik vagy megismétlik egymás lépéseit.[^1]

„A párhuzamos, ügynökrajokkal végzett munka időt takaríthat meg, de aránytalanul több tokent igényel. Csapda.” – írta Eric Provencher.[^3]

A tokenek a nagy nyelvi modellek bemeneti és kimeneti szövegegységei; a felhasználásuk közvetlenül befolyásolja az MI-rendszerek működtetésének költségét. Emiatt a párhuzamosítás gazdaságosságát nemcsak a végrehajtási idő, hanem az összesített tokenigény alapján is érdemes mérlegelni.[^1]

A koordinációs többlet a fő költségtényező

Provencher ezt a jelenséget koordinációs többletnek nevezi. Még akkor is nehéz sok párhuzamos munkaszálat működtetni pazarlás nélkül, ha a feladatokat elsőre jól elkülönítették. Az ügynököknek ugyanis meg kell érteniük a feladat állapotát, ellenőrizniük kell a többi szereplő eredményeit, és gyakran újra fel kell építeniük a hiányzó kontextust.[^1]

További költséget okozhat, hogy az egyes alügynökök újra és újra megkapják a rendszerutasítást, miközben nem rendelkeznek a fő ügynök teljes előzményével. Ez ismételt lekérdezésekhez és felesleges munkához vezethet.[^1]

Az 1393 ügynökös Python-refaktorálás tanulsága

Provencher példaként egy olyan projektet említett, amelyben egy Python-fájl refaktorálásához 1393 Fable-ügynököt használtak fel, nagyjából 20 ezer dollárnyi tokenköltséggel. A hivatkozott beszámoló szerint a feladat a Hermes rendszer refaktorálásához kapcsolódott.[^2]

Az OpenAI fejlesztője szerint ugyanezt a munkát egyetlen Astra-ügynök a költség töredékéért elvégezhette volna. Ez nem azt jelenti, hogy a több ügynökös megközelítés minden esetben indokolatlan, hanem azt, hogy a feladat méretéhez és összetettségéhez kell igazítani az ügynökök számát.[^3]

Nem minden feladat alkalmas tömeges párhuzamosításra

A párhuzamos végrehajtás akkor lehet indokolt, ha a részfeladatok valóban függetlenek, az eredmények egyértelműen összeilleszthetők, és az időmegtakarítás értékesebb a magasabb tokenköltségnél. Egyetlen fájl átstrukturálása vagy szorosan összefüggő programkód módosítása azonban sok esetben inkább egységes kontextust és következetes döntéseket igényel.[^1][^2]

Kevesebb állapotlekérdezés, több önálló végrehajtás

Provencher gyakorlati megoldásként azt javasolta, hogy a fő ügynök külön szálakba delegálja a feladatokat. Ezek az alügynökök csak akkor értesítsék a fő folyamatot, amikor elkészültek, ahelyett hogy az rendszeresen lekérdezné az állapotukat.[^1]

Ez a modell csökkentheti a gyakori státuszellenőrzésekből eredő kommunikációt. A megközelítés lényege, hogy a koordináció ne váljon önálló, jelentős tokenfogyasztó feladattá.[^1]

Eric Provencher ugyanakkor elismerte, hogy az OpenAI-nak is jobb technikai megoldásokat kell szállítania az ügynökök közötti együttműködéshez és a kontextus hatékonyabb kezeléséhez.[^1]

Összefoglaló: a hatékony MI-ügynökrendszer nem a létszámon múlik

Az MI-ügynökökből álló nagy rendszerek látványos párhuzamosítást kínálhatnak, de nem garantálnak jobb minőséget vagy alacsonyabb költséget. A fejlesztési gyakorlatban a kisebb, világosan elhatárolt és megfelelő kontextussal ellátott ügynökstruktúra sok esetben kedvezőbb egyensúlyt teremthet a sebesség, a megbízhatóság és a tokenfelhasználás között.[^1][^3]

Forrás:

[^1]: Eric Provencher (2026). „Bejegyzés az MI-ügynökök párhuzamosításáról”. X. Közzétéve 2026. 09. 17..
[^2]: Nous Research (2026). „Refactoring Hermes with 1,393 Agents”. Nous Research. Közzétéve 2026. 09. 17..
[^3]: THE DECODER (2026. 09. 17.). „KI-Agenten-Schwärme sind laut OpenAI-Entwickler massive Token-Verschwendung”. THE DECODER. Közzétéve 2026. 09. 17..