多智能体进阶

一句话定义：多 Agent 不是"多开几个 LLM"，而是通信、状态、共识、编排的系统工程——本篇补 06 模块的概念层，落到机制与框架。

1. 通信机制（比"消息传递"更具体）

机制 说明 适用
消息传递 Agent 间发自然语言/结构化消息 对话式协作（AutoGen）
共享黑板 Blackboard 共享状态区，各 Agent 读写 信息需汇聚（研究→写作）
任务队列 编排者派发，Worker 领取 大规模并行（Map-Reduce）
共享上下文 同一对话/状态对象 紧密耦合的小团队

要点：通信格式要结构化（JSON/约定 schema），纯自然语言易丢失字段、难解析。

2. 编排与共识模式

2.1 Supervisor（调度器）

一个中枢分派任务给专家，专家干完回报（见 05 模块 D 图、13.01 Orchestrator-Worker）。

  • 风险：调度器成瓶颈；>7 个角色时分层（05 模块治理建议）。

2.2 Debate / Voting（辩论投票）

多 Agent 独立作答 → 投票/辩论收敛。

  • 提升事实性与鲁棒性（见 02 推理范式）。
  • 成本 ×N，仅用于高价值判断。

2.3 Assembly（装配）

各 Agent 产出自已部分，汇总器拼接（如 写手A写开头、B写结尾）。

2.4 层级（Hierarchical）

大任务 → 管理层 → 执行层，逐级委派（06 模块已提）。

3. 主流框架实战对照

框架 多 Agent 形态 通信 适合
AutoGen GroupChat：多个 Agent + 一个 GroupChatManager 轮流发言 自然语言消息 研究/对话式协作
CrewAI Crew + Process(sequential/hierarchical) + 角色 Agent 角色化任务传递 角色分工明确的流水线
LangGraph 多节点图 + Supervisor/Subgraph 状态图 需精细流程控制
MetaGPT 角色 + SOP + 共享环境（消息总线） 结构化消息 + 产物文件 软件公司式协作

AutoGen GroupChat 速览

GroupChat(agents=[pm, coder, reviewer], speaker_selection="auto")
  → 每轮由 manager/LLM 决定下一个发言者
  → 终止条件：reviewer 说"通过"或达 max_round

注意：auto speaker selection 不可控，生产常改为显式路由（13.01 Routing）。

CrewAI Process 速览

crew = Crew(agents=[r, w], tasks=[t1, t2], process=Process.sequential)
  sequential: t1 完 → t2；hierarchical: 由 manager 动态派

4. 状态与共享内存

  • 共享状态污染：多 Agent 写同一上下文易冲突/膨胀（06 模块已提）。
  • 对策：每 Agent 独立上下文 + 显式交接产物（文件/消息），而非共用一锅。
  • 持久化：长任务用 checkpointer（见 05 模块 MemorySaver）。

5. 失败模式与治理

问题 表现 对策
死锁/活锁 两 Agent 互相等待/无限争论 设 max_round、终止条件
角色抢活/推诿 重复做或都不做 角色边界清晰（06 模块）
上下文膨胀 共享历史越滚越大 只传必要产物
成本爆炸 N 倍 token 先单 Agent，必要才多
不可复现 发言顺序随机 关键流程改显式路由

6. 决策：要不要上多 Agent？

  • 默认单 Agent（见 06、11 模块"先简单后复杂"）。
  • 上多 Agent 的信号：单 Agent 上下文不够装、角色能力差异大、需并行/辩论提升质量。
  • 能用 Workflow 模式（13.01）解决的，优先 Workflow，别用自主多 Agent。

7. 学习要点

  • 多 Agent 难点在通信/状态/共识/编排，不在"多开模型"。
  • 通信结构化、状态隔离、终止条件，三者缺一不可。
  • 框架差异大：AutoGen 对话式、CrewAI 角色化、LangGraph 图式、MetaGPT SOP 式。
  • 能用单 Agent/Workflow 就别上多 Agent。

8. 参考资料

  • AutoGen / CrewAI / MetaGPT 官方文档
  • "Improving Factuality via Multiagent Debate"
  • 06-多智能体协作、05-规划与任务分解、13-进阶与工程化/01-Agent设计模式与工作流