什么是多智能体(Multi-Agent)?通俗讲解

什么是多智能体(Multi-Agent)?通俗讲解

上一篇讲 AI 智能体时留了个尾巴:一个代理再能干,也只有一双手。让它同时查资料、做表格、写报告,它就得来回切换,顾了这头丢了那头。于是有人想,能不能让几个代理搭伙干活?这就是本篇的主角,多智能体(Multi-Agent)。

一个人包圆,和一群人搭伙

多智能体的意思不复杂:让两个以上的 AI 代理,各自有分工、有记忆、有工具,一起完成一件事。

关键在“各自”两个字。单个代理是什么都管的全才,你得把所有要求塞进一段提示词里。多智能体把这件事拆开了,每个代理只干一类活:一个负责上网查资料,一个负责核对数字,一个负责动笔写。它们之间靠消息互通进度,像办公室里几个同事隔着工位喊一嗓子。

为什么拆开反而更好?两个原因。一是注意力。上下文窗口再大,塞进去的东西多了,模型对每一条的关注就会变稀,让每个代理只盯着自己那摊事,出错概率反而低。二是并行。查资料和写初稿本来不该排队等,分工之后能同时进行,时间直接省下来。

什么是多智能体(Multi-Agent)?通俗讲解
这张图对比了两种工作方式,多代理把排队等待换成了并行分工

从角色扮演到一座小镇

这个思路落地很快,2023 年几套框架接连出现。

最早的玩法是角色扮演。CAMEL 框架让两个模型一个演用户、一个演助手,来回对话把任务磨完,证明了模型之间能自己把话说清楚。接着 MetaGPT 把分工制度化,它照着软件公司的样子定了一套流程:产品经理先写需求,架构师画设计,工程师写代码,测试人员挑毛病,每个环节的输出是下一个环节的输入。微软的 AutoGen 走了另一条路,把代理做成可以自由组合的零件,谁跟谁搭伙、消息怎么传,由使用者自己拼。

同年春天,斯坦福大学的研究者做了一场更出名的实验。他们在虚拟小镇里放进 25 个代理,每个代理有自己的身份和日程。没人安排它们社交,结果一个代理自发办起了情人节派对,邀请在小镇里传开了。这不是谁写死的剧情,是代理互动里自己长出来的行为。

什么是多智能体(Multi-Agent)?通俗讲解
这张图梳理了 2023 到 2025 年的关键节点,上面一行是框架,下面一行是协议与实测

主管发活,工人交差

框架多了之后,一种稳定的工作模式固定了下来:主管加工人,行话叫 orchestrator-worker。

一个主管代理接到任务,先把活拆成几份,分给并行的子代理。每个子代理带着自己的工具独立去干,干完把结果交回主管,主管汇总成最终答案。2025 年 6 月,Anthropic 的工程团队公布了他们研究系统的实测数据:这套模式在内部研究评测里,比单代理的成绩高出 90.2%。这组数字是厂商自己测的,看的时候留个心眼,但方向和别家的经验一致。

代价也摆在明面上。多智能体的 token 消耗大约是普通聊天的 15 倍,比单代理也多出好几倍。Anthropic 还发现,光 token 用量这一项,在他们的评测里就能解释约八成的性能差异。简单说,舍得让模型多想多查,效果就好;抠着用,效果就差。他们的经验是,典型任务派 3 到 5 个子代理就够了,再多纯属浪费。

什么是多智能体(Multi-Agent)?通俗讲解
这张图说明了主管加工人模式的运转过程,任务被拆开并行处理,最后由主管汇总

什么时候不该用多智能体

听起来很强,但它不是万能药。

头一个不该用的场景是写代码。编程任务的步骤一步咬着一步,改一行函数,旁边的调用就得跟着动,很难切成各干各的碎块。Anthropic 自己也承认,这套架构在编程任务上提升有限,真正受益的是那种要铺开查很多资料的研究型任务。

第二个坑是错误传染。子代理各干各的,结果却要往上游汇总。一个子代理把日期搞错了,主管不加核实地收下,这个错误就混进了最终答案,下游没人再核对。链条越长,这种污染越难拦住。

还有就是成本。三五个子代理一起烧 token,一个研究问题烧掉的钱能是普通问答的十几倍。任务本身三句话就能答,就别摆这个阵仗了。

让代理互相说话的两种协议

不同家做的代理要怎么搭上话?这个问题催生了两个协议,方向一横一竖。

横的是 A2A,2025 年 4 月由 Google 发起,后来交给 Linux 基金会打理。它管的是代理和代理之间的往来:你的代理要请别家的代理帮忙,得先知道对方会什么、怎么联系。A2A 让每个代理交出一张名片,上面写着能接什么活。竖的是 MCP,Anthropic 在 2024 年 11 月放出,管的是代理和工具之间的连接,数据库、日历、搜索都从这张口子接进来。

一横管合作,一竖管工具,两边互不抢地盘。两套一起用,代理才既有工友,又有趁手的家伙。

什么是多智能体(Multi-Agent)?通俗讲解
这张图说明了两种协议的方向差异,A2A 管代理之间的合作,MCP 管代理伸向工具的手

多智能体就是一个很聪明的大模型吗?

不是。大模型是单个的大脑,多智能体是把这些大脑组织起来的一个班组。底层可以都是同一种模型,区别在分工与协作这一层结构上。模型决定聪明程度,组织方式决定这股聪明劲往哪使。

不写代码也能搭多智能体吗?

能。图形化平台已经把常用套路做成了模板,主管加工人、流水线这些玩法,拖几个框、连几条线就能跑起来。写代码的好处是控制更细,但不写代码照样能搭出像样的系统。

多智能体会取代人类团队吗?

短期不会。它能接走的,是步骤清楚、判断标准明确的那部分活。要对结果负责、要在几个方案里挑一个、要跟人当面沟通的环节,还是得人来拍板。更现实的前景是代理接下重复劳动,人把精力挪到决定上。

写在最后

从单代理到多智能体,变化的不只是数量。单个代理比拼的是模型本身够不够强,多智能体比拼的是怎么组织:谁干什么、结果怎么传、错了怎么拦。这套思路人类早就用熟了,分工协作本来就是解决大问题的老办法,只是现在轮到 AI 学习怎么开会、怎么交活。

下一篇我们聊一个更底层的问题:同一个大模型,训练它的时候和真正用它的时候,到底有什么不一样?训练与推理的区别,搞懂它才算真正看懂大模型。

© 版权声明

相关文章