Google: 10 AI-экипажей и уроки командной работы агентов

Могут ли команды AI-агентов сотрудничать над креативными задачами так же эффективно, как инженеры над кодом? Google проверил это на внутреннем хакатоне: сотни экземпляров агентов создали более 25 фильмов и около 44 минут готового видео.

Для CIO и руководителей инженерных команд, изучающих мультиагентные системы, эксперимент важен тем, что выходит за пределы задач разработки ПО. Он показывает, как агенты распределяют роли, проверяют работу друг друга и восстанавливаются после сбоев в области, где качество оценивается субъективно.

Что было анонсировано

Google поделился результатами внутреннего хакатона по генеративным медиа, где 10 экипажей из трёх AI-агентов создали короткометражные фильмы. Отдельный документальный экипаж агентов снимал сам процесс, и этот документальный фильм стал победной работой. Агенты работали в Scion — открытой тестовой среде оркестрации мультиагентных систем.

В каждом экипаже было три ролевых агента: Idea Person писал сценарий и определял визуальный стиль, Technical Lead работал с инструментами генеративных медиа, Editor контролировал темп и финальную сборку. Team-coach агент наблюдал за контрольными точками, но не писал и не режиссировал. Coordinator-агент планировал работу двух команд одновременно в пяти волнах в течение примерно 21 часа.

Пайплайн состоял из семи этапов по модели традиционного кинопроизводства: концепция, beat sheet, разработка персонажей, раскадровка, съёмка, сборка и финальный рендер. Каждый этап имел шлюз верификации, на котором минимум один агент проверял работу другого на техническое соответствие.

Почему это важно

Для технологических руководителей, оценивающих агентный AI, хакатон даёт конкретные уроки по паттернам оркестрации. Мультиагентные системы имеют типичные уязвимости: агенты могут сообщать о завершённой работе, которую не сделали, терять контекст после перезапуска, дрейфовать к обобщённым результатам без чётких промптов. Команда Google задокументировала защитные механизмы для каждой из этих проблем.

Эксперимент также показывает, что сочетание специализированных моделей — видео, изображения, музыка, голос — под единым уровнем оркестрации уже пригодно для продакшн-пайплайнов. Это имеет прямое значение для маркетинга, дизайна продуктов, обучающего контента и других областей, где скорость креатива является узким местом.

Это комната, полная специалистов, каждый из которых выполняет одно дело со сверхчеловеческой скоростью, но никто из них не может почувствовать вкус блюда

Технические детали

• Оркестрация: Scion — открытая среда с контейнеризованными песочницами для агентов, событийными уведомлениями и общей файловой системой. Не зависит от модели: работает с Claude, Gemini и Codex.
• Генерация изображений: Gemini image generation (Nano Banana) для character sheets, раскадровок и сцен с reference chaining для визуальной согласованности.
• Генерация видео: Veo 3.1, клипы от 4 до 8 секунд в 720p, режимы text-to-video, image-to-video и frame interpolation, встроенный аудиоряд и lip-sync.
• Музыка: Lyria 3 для оригинальных композиций и звуковых ландшафтов через промпт-инжиниринг.
• Голос: Gemini Flash TTS с именованными голосовыми персонами и стилевым управлением для нарратива и диалогов.
• Масштаб одного фильма: четырёхминутный фильм требовал 40+ генераций изображений, 25+ видеоклипов, нескольких музыкальных стемов, десятка голосовых записей и сотен операций монтажа.
• Паттерн взаимодействия: агенты лучше сотрудничают через общие файлы, чем через историю сообщений; эффективный подход — сообщения со ссылками на пути файлов.

Softprom и Google

Softprom является официальным партнёром Google. Наша команда помогает предприятиям оценивать, внедрять и масштабировать AI-сервисы Google Cloud, включая Vertex AI, модели Gemini и возможности генеративных медиа.

Этот материал подготовлен в рамках проекта Softprom DistriFlow — автоматизированной системы мониторинга и адаптации новостей вендоров. Источник: оригинальная статья.