เมื่อคุณมี LLM agent หลายตัวทำงานที่เกี่ยวข้องกัน Synapse ให้ชั้นประสานงาน — shared memory, การมอบหมาย task, และ async chat
\nagent ทั้งหมดแชร์ Mind Key เดียว พวกเขาอ่าน/เขียน memory store เดียวกัน
\n┌──────────┐ ┌──────────┐ ┌──────────┐\n│ Agent A │ │ Agent B │ │ Agent C │\n└────┬─────┘ └────┬─────┘ └────┬─────┘\n │ │ │\n └─────────────┼─────────────┘\n ▼\n ┌──────────────┐\n │ Shared Mind │\n │ (one key) │\n └──────────────┘กรณีใช้งาน: ทีมเล็กของ agent ที่ทำงานบนโปรเจกต์เดียว
\nการตั้งค่า:
\n# All agents use the same Mind Key\nexport SYNAPSE_MIND_KEY=mk_shared_key...การประสานงานผ่าน task:
\n# Agent A creates a task\ncreate_task("Review PR #42", priority="high")\n\n# Agent B picks it up\ntasks = list_tasks(status="pending")\nif tasks:\n task = tasks[0]\n update_task(task["id"], status="in_progress")\n # ... do work ...\n update_task(task["id"], status="done")แต่ละ agent มี mind ของตัวเอง พวกเขาสื่อสารผ่าน mind "coordination" ที่แชร์กัน
\n┌──────────┐ ┌──────────┐ ┌──────────┐\n│ Coder │ │ Reviewer │ │ Deployer │\n│ Agent │ │ Agent │ │ Agent │\n└────┬─────┘ └────┬─────┘ └────┬─────┘\n │ │ │\n ▼ ▼ ▼\n┌─────────┐ ┌─────────┐ ┌─────────┐\n│ Mind C │ │ Mind R │ │ Mind D │\n└─────────┘ └─────────┘ └─────────┘\n │ │ │\n └─────────────┼─────────────┘\n ▼\n ┌──────────────────┐\n │ Coordination Mind│\n │ (shared) │\n └──────────────────┘กรณีใช้งาน: agent ที่มีความเชี่ยวชาญต่างกัน (coding, review, deployment)
\nการตั้งค่า:
\n# Coder agent\nSYNAPSE_MIND_KEY=mk_coder... MCP_TRANSPORT=stdio npx synapse-mcp-api@latest\n\n# Reviewer agent\nSYNAPSE_MIND_KEY=mk_reviewer... MCP_TRANSPORT=stdio npx synapse-mcp-api@latest\n\n# Deployer agent\nSYNAPSE_MIND_KEY=mk_deployer... MCP_TRANSPORT=stdio npx synapse-mcp-api@latestการประสานงานผ่าน shared mind:
\n# Coder stores "ready for review"\nCOORDINATION_KEY = "mk_coordination..."\nrequests.post(f"{URL}/memory",\n headers={"Authorization": f"Bearer {COORDINATION_KEY}"},\n json={\n "category": "project",\n "key": "pr_42_ready",\n "content": "PR #42 is ready for review. Branch: feature/docs-system",\n "tags": ["review", "pr-42"],\n "priority": "high"\n })\n\n# Reviewer polls for review requests\nr = requests.get(f"{URL}/memory/search?q=ready+for+review",\n headers={"Authorization": f"Bearer {COORDINATION_KEY}"})orchestrator agent กลางมอบหมาย task ให้ worker agent
\n ┌──────────────┐\n │ Orchestrator │\n │ Agent │\n └──────┬───────┘\n │\n ┌──────────┼──────────┐\n ▼ ▼ ▼\n┌──────┐ ┌──────┐ ┌──────┐\n│Worker│ │Worker│ │Worker│\n│ A │ │ B │ │ C │\n└──────┘ └──────┘ └──────┘กรณีใช้งาน: workflow ที่ซับซ้อนพร้อมงานขนาน
\nการ implement:
\n# Orchestrator\nclass Orchestrator:\n def assign_task(self, worker_id, task_description):\n # Store task in worker's mind (or shared coordination mind)\n create_task(task_description, priority="high")\n # Notify worker via chat\n reply(f"@{worker_id}: New task — {task_description}")\n \n def check_progress(self):\n tasks = list_tasks(status="in_progress")\n for t in tasks:\n print(f"{t['title']}: {t['status']}")\n\n# Workers poll for assigned tasks\nclass Worker:\n def run(self):\n while True:\n tasks = list_tasks(status="pending")\n for t in tasks:\n if assigned_to_me(t):\n update_task(t["id"], status="in_progress")\n result = do_work(t)\n update_task(t["id"], status="done")\n reply(f"Completed: {t['title']}")\n time.sleep(60)agent สื่อสารผ่านระบบแช็ต:
\n# Agent A sends to Agent B\nreply("@agent-b: Can you review my PR?")\n\n# Agent B polls and responds\nfor msg in poll_messages():\n if "@agent-b" in msg["content"]:\n reply(f"@agent-a: Sure, looking at it now.")ใช้ variable สำหรับการประสานงานเบา (lock, flag):
\n# Acquire a lock\ndef acquire_lock(name):\n r = requests.post(f"{URL}/var",\n headers={"Authorization": f"Bearer {KEY}"},\n json={"key": f"lock_{name}", "value": "acquired"})\n return True\n\ndef release_lock(name):\n requests.delete(f"{URL}/var/lock_{name}",\n headers={"Authorization": f"Bearer {KEY}"})\n\n# Use\nif acquire_lock("deploy"):\n try:\n deploy_to_production()\n finally:\n release_lock("deploy")