多智能体协作

一句话定义：多个分工不同的 Agent 协作完成复杂任务，由编排者协调流程。

1. 定义

Multi-Agent 系统由多个角色不同的 Agent（规划者、研究员、编码者、评审者…）协作，通过消息传递/共享状态协同，由 Orchestrator 编排。

2. 编排模式

模式 结构 适合
Hub-and-Spoke 中心分发汇总 任务可独立分解
Pipeline 流水线串行 线性流程（研究→写作→评审）
Hierarchical 分层委派 大任务逐级分解
Debate/Voting 多 Agent 辩论投票 需深思的判断

3. 角色设计

  • 每个 Agent 有明确职责与系统提示。
  • 角色边界清晰，避免"抢活"或"互相推诿"。
  • 常见角色：Planner、Researcher、Writer、Critic、Tester、Validator。

4. 协作机制

  • 消息传递：Agent 间通过消息通信。
  • 共享黑板：共享状态/上下文，各 Agent 读写。
  • 任务队列：编排者分发任务，Agent 领取执行。
  • 人在环上：关键节点由人审批或参与某角色。

5. 优势

  • 处理单 Agent 难胜任的复杂任务。
  • 每个 Agent 专精一面，质量更高。
  • 独立子任务可并行。
  • 评审/辩论 Agent 提升可靠性。

6. 劣势

  • 成本与延迟数倍于单 Agent。
  • 协调复杂，易死锁/活锁。
  • 调试困难。
  • 简单任务上过度工程。

7. 注意事项

  • 先单 Agent，不够再上多 Agent。
  • 明确终止条件防无限辩论。
  • 设总预算上限。
  • 共享状态需防污染、防膨胀。
  • 可观测：记录 Agent 间消息便于复盘。

8. 代表框架

  • AutoGen（微软）、CrewAI、MetaGPT、LangGraph 多 Agent。

9. 学习要点

  • 多 Agent 是单 Agent 的规模化协作扩展。
  • 成本量级远高于单 Agent，慎用。
  • 角色分工 + 编排模式是设计核心。

10. 参考资料

  • "MetaGPT: Meta Programming for Multi-Agent Collaborative Framework"
  • "Improving Factuality and Reasoning through Multiagent Debate"
  • AutoGen / CrewAI 文档