AI 智能体

概念解析——多智能体系统

多智能体系统(Multi-Agent System,简称 MAS)是把一个大任务交给几个各管一摊的 AI,让它们分工协作、互相传话,一起把事做完。一个 AI 能干所有活,但任务一多就容易顾此失彼——那就换一个法子:几个 AI 各管一摊,再把结果拼起来。


1. 什么是多智能体系统

单个 AI 智能体(Agent)能自己调工具、分步骤把事做完。但任务一大,一个人又要查资料、又要写、又要自己检查,前面定的事到后面就忘了,越往后越容易跑偏。

多智能体系统的思路很简单:不指望一个 AI 全包,而是找几个 AI 分工——一个专门拆任务、一个专门动手、一个专门挑错、一个专门汇报。它们各自盯住自己那一摊,通过传话把结果拼成最终交付。

这套做法模仿了人类团队的协作方式。现实中写一份报告,不会让一个人既查资料又写正文又做校对——而是分工合作。多智能体系统把这种模式搬到了 AI 之间。

多智能体系统的核心假设:一个 AI 顾得过来的活,就让它一个人干完;大到一个人手忙脚乱,再请几个分工搭档,分摊压力、互相把关。

2. 为什么需要多个 AI 分工

任务环节越多,单个 AI 出岔子的概率越高。它得同时记住原始需求是啥、查到过哪些资料、上一步写了什么、还差哪几步。这些全挤在同一段对话里,越堆越满,注意力被摊薄,开始答非所问。

分工之后,拆任务只管拆、动手只管动手、挑错只管挑错。每个 AI 眼前要装的东西少了一大半,出岔子的概率自然压得住。更重要的是,出错时可以局部重来——审查发现问题,退回执行重做,不影响其他环节。

还有一个好处:并行。几个 AI 可以同时干各自的活,不用等前一步全部做完。当然并行也带来了新的难题:谁先谁后、谁听谁的、怎么保证不乱——这就是后面的调度问题。


3. 最常见的四个角色

多数多智能体团队里都能找到几个基本分工。它们不一定同时出现,但组合起来覆盖了最常见的协作模式。

规划

Planner

把一个大任务拆成一步步小任务,排好先后顺序,决定每步交给谁。输入是用户的原始需求,输出是一份分好步骤的任务清单。

执行

Executor

拿到分好的小任务,真正动手干——调工具、查资料、写内容、跑代码。只管干活,不操心后面。

审查

Reviewer

检查执行的结果对不对、全不全,发现问题就打回去重做。审查是分工最值钱的地方——出了错能在局部补救,不用整件事重来。

总结

Summarizer

把各步通过的结果收拢,整理成最终交付。输入是零散的通过结果,输出是一份完整的报告或产出物。

角色不是固定的四个。简单任务可能只有"规划 + 执行",复杂任务可能再加"专家""质检"。但它们的连线和协作方式,有几种典型模式。


4. 四种常见架构

有了角色,还得决定它们怎么连线、谁听谁的。下面是业界最常被提到的四种搭法(以 LangGraph 官方梳理为准)。

主管式

Supervisor

一个主管派活给几个下属,下属干完把结果交回主管。所有下属只跟主管说话,彼此不直接联系。每轮由主管决定下一个该叫谁。像一个项目经理带着几个专员。任务能清楚拆成几摊、需要一个总控来协调时用这种搭法,最常见、最好控。

网络式

Network

几个 Agent 平起平坐,谁都能直接找谁。没有固定主管,每个 Agent 自己决定下一个把话传给谁。适合那种谁先谁后说不准、需要互相商量的活。自由但更难控。

层级式

Hierarchical

主管之上还有主管,像公司的多层组织架构。一个总主管下面带几个小主管,每个小主管又各自带一队下属。任务一层层往下拆、结果一层层往上汇。是主管式的放大版,适合任务特别大、一个主管管不过来的场景。

自定义流程

Custom Workflow

提前把流程连死,谁接谁固定好,少数环节才让 AI 临时决定。最常见的就是流水线:A 干完交给 B,B 干完交给 C,顺着走。流程是写死的,不靠 AI 临场判断,所以稳、好预测。适合步骤顺序固定、不怎么需要临场决策的场景,比如"翻译到校对自己的排版"这种定式流水线。


5. 通信机制

几个 Agent 一起干活,得有一套传话的方式。常见的通信机制有三种。

消息传递。一个 Agent 把消息直接发给另一个 Agent,内容可以是任务指令、中间结果或问题反馈。消息可以同步(等着回复)或异步(发了继续干自己的)。主管式架构主要靠这种方式。

共享上下文。所有 Agent 读写同一个共享空间,比如一块公共白板或一个共享文档。每个 Agent 干完活把结果写进去,需要时再从里面读。这种方式减少了定向传话的次数,但需要解决并发写入的冲突。

交接(Handoff)。一个 Agent 把"话筒"递给另一个,让后者接管对话。OpenAI 的 Swarm 实验工具就主要靠交接来接力。交接是传话的"动作"本身,不是一种架构——主管式、网络式内部都可以用交接。

例子: 翻译流水线里,Agent A 翻完一段英文,把结果通过共享上下文传给 Agent B(校对),B 校完再传给 C(排版)。每一步只做自己的事,不关心上下游怎么干。

6. 协调调度:怎么保证不乱

光有分工和通信还不够。几个 AI 一起干,得有人安排"现在轮到谁说话、谁的话传给谁、什么时候该停"——这套安排叫调度。没有调度会出哪些问题?

  • 规划和执行同时开口,谁也没听谁的
  • 审查说要改,执行没收到,继续往下做
  • 两个 Agent 互相"你先""不你先",转圈停不下来
  • 同一步活被两个执行 Agent 各做了一遍,白费

一个好的调度系统会做几件事:同一时刻只让一个 Agent 说话;审查打回的意见准确转交给对应的执行 Agent;设定来回轮次上限,超过就强制收尾;每步活只派给一个 Agent,不重不漏。

所以光分好工还不够——调度乱了照样干不成事。一半看分工,一半看调度稳不稳。


7. 流行框架

自己从零搭一套多智能体系统很费劲。业界已经有几个成熟的框架,封装了角色管理、通信、调度等通用能力。

AutoGen 是微软推出的多 Agent 对话框架。它让多个 Agent 通过对话协作完成任务,支持人机混编——人类也可以作为一个"Agent"参与对话。AutoGen 的核心概念是 Agent(智能体)和 Chat(对话),通过多轮对话来推进任务。

CrewAI 走的是"团队"路线。你把几个 Agent 定义为一个 Crew(团队),给每个 Agent 分配角色和工具,然后 Crew 会自动分工执行。CrewAI 的抽象层更贴近"角色扮演"的直觉:给 Agent 一个身份(比如"研究员")、一个目标、一组工具,它就知道该干什么。

LangGraph 是 LangChain 团队推出的图状态机框架。它把多 Agent 流程建模为图:节点是 Agent 要干的活,边是信息传递路径。你可以精确控制流程的分支、循环、并行和终止条件。上面那四种架构(主管式、网络式、层级式、自定义流程)都能用 LangGraph 实现。

选哪个框架看需求:想要快速上手做实验用 AutoGen,想要角色化分工用 CrewAI,想要精细控制流程用 LangGraph。


8. 什么时候该用,什么时候别硬上

分工厉害,不代表什么活都该拆。多一个 Agent 就多一份开销,先看值不值。

值得拆:任务能清楚拆成几摊,每摊需要不同的专长;环节多,单个 AI 做着做着就跑偏;需要有人专门审查把关,而不是自己改自己。

别硬上:任务两三步就能搞定,拆开纯属添乱;对响应速度敏感——多个 AI 来回传话会更慢;预算紧——每个 Agent 都在花钱,团队越大账单越高。

多智能体系统有三个硬代价。第一是更慢:活在几个 Agent 之间来回传,每一次交接都要等一轮模型响应。第二是更贵:每个 Agent 干活都要请模型回一次话,团队从 1 个变 4 个,账单大致也跟着翻几倍。第三是更难查问题:出了错,得顺着"哪个 Agent、哪一步、传话有没有丢"一层层倒查。


9. 跟单 Agent 和 SubAgent 的关系

这三个概念常被混着说,其实分得很清。一句话记法:单 Agent 是一个人干;SubAgent 是一个人忙不过来、临时叫个帮手干完就走;多智能体系统 是一个长期分工的团队。

单 Agent 自己调工具、分步骤,把整件事从头干到尾,适合任务不大的情况。SubAgent 是主 Agent 临时派出去一个帮手,干完脏活只带回一句摘要,有主次之分。多智能体系统是多个角色长期共存,互相传话,一起完成大任务。


10. 相邻概念

多智能体系统不是孤立的概念。顺着这些相邻概念可以深入理解:

  • AI Agent:多智能体系统的基本单元,一个能感知、规划、调用工具的 AI 系统。
  • SubAgent:主 Agent 临时派出去执行子任务的帮手,干完就回传结果。
  • Agent 循环:每个 Agent 内部持续运行的感知到思考到行动到观察的循环机制。
  • 技能系统:Agent 可调用的能力模块集合,多智能体系统中每个角色各有一套技能。
  • MCP:模型上下文协议,标准化 AI 模型与外部工具和数据的连接方式。
概念解析 · 人工智能ABC