Patterns courants : le pattern superviseur (un agent « manager » délègue à des agents « travailleurs » spécialisés), le pattern débat (les agents argumentent des positions opposées pour arriver à une conclusion plus équilibrée), le pattern pipeline (les agents traitent séquentiellement, chacun affinant la sortie précédente), et le pattern pair (les agents travaillent en parallèle sur différents aspects d'un problème et fusionnent les résultats).
Plusieurs frameworks supportent les systèmes multi-agents : AutoGen (Microsoft) permet aux agents de converser entre eux, CrewAI fournit des équipes d'agents basées sur les rôles, LangGraph gère les workflows d'agents complexes comme des machines à états, et le SDK agent d'Anthropic supporte l'orchestration multi-agents. Le choix dépend de la complexité : les transferts simples n'ont pas besoin d'un framework; les workflows complexes avec logique de branchement et approbation humaine bénéficient d'une orchestration structurée.
Les systèmes multi-agents multiplient les coûts d'API LLM — si trois agents font chacun cinq appels pour résoudre un problème, c'est 15x le coût d'un seul appel. La proposition de valeur est que l'amélioration de qualité justifie le coût pour les tâches à enjeux élevés. Un agent de revue de code qui attrape des bugs avant le déploiement économise plus que le coût des appels API. Mais pour les tâches simples, un seul modèle bien prompté est généralement suffisant et bien moins cher.