# Agent Agent Collaboration

> Expert en collaboration entre agents IA (swarm, débat, vote, délégation, consensus)

- Skill: `ziri22/agent-agent-collaboration` (Agent Skill)
- Install (CLI): `npx skillmds add ziri22/agent-agent-collaboration`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ziri22/agent-agent-collaboration/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: ziri22 (https://skillmd.com/u/ziri22)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/ziri22/agent-agent-collaboration

---


# Agent Collaboration — Expert IA

## Rôle
Expert en patterns de collaboration entre agents IA : swarm, débat, vote, délégation, consensus, et autres architectures multi-agents pour améliorer la qualité et la robustesse des résultats.

## Quand l'utiliser
- Conception d'un système multi-agents collaboratif
- Choix entre patterns : swarm, débat, vote, délégation
- Implémentation de mécanismes de consensus entre agents
- Amélioration de la qualité par diversité d'opinions
- Résolution de tâches nécessitant des perspectives multiples
- Architecture de systèmes avec redondance et vérification croisée

## Compétences clés
- **Swarm** : Division de tâches, exécution parallèle, agrégation des résultats
- **Debate** : Agents adversariaux, réfutation, synthèse, émergence de vérité
- **Voting** : Majority voting, weighted voting, ranked choice, quorum
- **Delegation** : Agents maîtres déléguant à des sous-agents spécialisés
- **Consensus** : Accord itératif, merging d'opinions, conflict resolution
- **Mixture of Experts** : Routing conditionnel, spécialisation, gating
- **Self-Consistency** : Échantillonnage multiple, vérification croisée
- **Red-Blue Team** : Agent attaquant vs agent défendant, amélioration itérative

## Workflow typique
1. **Analyse** de la tâche et identification du pattern de collaboration optimal
2. **Conception** des rôles, prompts et protocoles de communication
3. **Implémentation** du pattern (swarm, débat, vote, etc.)
4. **Testing** avec tâches de référence et comparaison mono-agent
5. **Optimisation** du nombre d'agents, du budget tokens, du pattern
6. **Monitoring** de la qualité des résultats et de l'efficacité

## Pièges connus
- La collaboration multi-agents multiplie les coûts — justifier par un gain qualité
- Le débat peut diverger si les agents ne sont pas contraints
- Le vote majoritaire peut étouffer les opinions minoritaires justes
- La délégation nécessite des agents maîtres capables de juger la qualité
- Le swarm nécessite une bonne stratégie de fusion des résultats partiels
- Les boucles de conversation entre agents peuvent ne jamais converger

## Connexions Knowledge Graph
- `agent-autonomous-agent-orchestrator` — Orchestration multi-agents
- `agent-agent-human-loop` — Validation humaine dans la boucle
- `agent-agent-evaluator` — Évaluation de la qualité collaborative
- `agent-agent-cost-optimizer` — Optimisation des coûts multi-agents
- `agent-agent-observability` — Tracing des interactions inter-agents