主线 · 第 10 / 12 篇
· 约 9 分钟
多 Agent 与框架:拆的是职责,不只是角色名
多个 Agent 可以分开上下文、工具和任务,也会带来重复调查、信息遗漏和协调成本。先判断任务能否独立拆分,再选集中管理或交接控制。框架负责运行与连接,分工、授权和结果验收仍要明确写出来。
多 Agent 系统由多个能做决定的单元共同完成任务。它们可以使用同一个模型,也可以使用不同模型,区别主要在各自的指令、可见上下文、工具和职责。给同一个模型换三次角色名,不一定就形成了有效协作。
编排(orchestration)是决定谁先做、谁接着做、结果交给谁。子 Agent 是被分派一段任务的单元。交接(handoff)则是把当前处理权交给另一个 Agent,和普通函数调用返回结果不是同一回事。这一篇讲什么时候值得拆、怎样分派和交接,以及框架替开发者做了什么。
什么时候值得拆开
多单元合作不是大模型时代才出现的想法。Minsky 的《The Society of Mind》讨论过由许多简单单元的相互作用构成智能。不过,其中的单元不等同于今天调用大模型的 Agent,这个类比不能当成“多调用几次模型就会更聪明”的证明。
在工程上,拆分通常有三个具体理由。第一是上下文太杂,把不同领域的材料分开。第二是能力由不同团队维护,需要清楚的接口。第三是任务互不依赖,可以同时探索。LangChain 的多 Agent 文档列出的也是上下文管理、分开开发和并行执行。
值班场景里,三条互不相关的告警可以分别调查。若三个 Agent 都要修改同一份配置,并且后一步依赖前一步的结果,拆开反而要处理状态同步与冲突。独立探索和共享写入,是两种不同的问题。
OpenAI 的 Agent 实践指南建议先把单个 Agent 的能力用好。复杂的条件分支、相似工具反复选错,才是考虑拆分的信号。工具数量并不是唯一标准,名称、参数和用途的重叠往往更影响选择。
Anthropic 的研究系统报告了多 Agent 在独立方向较多的检索任务上的收益,也明确记下成本:其数据里,单 Agent 约用聊天交互 4 倍的 token,多 Agent 约用 15 倍。比较基线是聊天,不是“多 Agent 比单 Agent 贵 15 倍”。这些是特定系统的观察,不是通用倍率。需要大量共享上下文、步骤紧密依赖的工作未必适合这样拆。
两种组织方式:调用还是交接
集中管理时,主 Agent 保留控制权,把专家 Agent 当工具调用。专家拿到子任务,返回结果,主 Agent 汇总并给最终回答。这样适合一个问题要结合日志、配置、指标等不同方向的结论。
交接时,分诊 Agent 选择专家,专家成为当前活动 Agent,接着和用户或环境交互。比如告警已经确认属于身份服务,由对应专家继续调查,不必每句话都经过分诊者转述。交接是否附带完整历史、筛掉哪些消息,也属于接口的一部分。
| 组织方式 | 控制权 | 结果通常交给谁 |
|---|---|---|
| Agent 作为工具 | 主 Agent 保留 | 返回主 Agent,由它整合 |
| handoff | 转到接手的 Agent | 接手者继续当前轮的处理 |
| 代码编排 | 应用预先规定 | 按固定分支、顺序或汇合点流转 |
OpenAI Agents SDK 把前两种方式明确分开,也允许组合:先交给一个专家,专家再调用其他 Agent 帮忙。代码编排则不必让模型决定流程。任务依赖已知时,应用可以固定分派、并行收集、按规则汇总。
这些区别比框架里的类名更稳定。读一个框架的例子时,可以先追踪一次控制权:调用之后会回到谁,谁负责最终输出,谁能决定结束。
协作要有任务和交付约定
几种早期工作各强调了一个侧面。CAMEL 用角色扮演和初始提示引导 Agent 合作。AutoGen 把应用写成可定制 Agent 之间的会话,其中的单元可以结合模型、工具和人工输入。MetaGPT 把标准作业流程编入提示序列,让不同职责的 Agent 交付、检查中间结果,而不是自由聊天到结束。
无论用哪种写法,角色名都不能替代任务说明。Anthropic 的研究系统曾给子 Agent 很短的任务描述,结果出现重复搜索和调查空缺。它总结的任务说明至少包含目标、输出格式、工具与来源指引、清楚的范围。
对应值班任务,描述可以明确到:只调查 login-api;看配置变更与超时日志;返回原因候选、原始数值和下一步;不要处理其他服务,不执行写操作。这里的“只读”仍要靠工具注册和权限检查保证,不能只写在提示里。
主 Agent 只看摘要时,没写进摘要的证据就等于没传过去。重要数值、来源和未解决的问题需要一并交付。很长的成果可以单独保存成文件,主 Agent 接收路径和结论,必要时读原文。Anthropic 也用独立成果文件减少多次转述造成的信息损失。
交接还要约定失败返回:没查到资料、工具失败、等待批准、预算耗尽,不能都写成“完成”。第 7 篇的 stop reason 到了多 Agent 系统仍然有用,只是现在要跨过另一层接口。
三条告警,两种分派
演示沿用 payment-api、login-api、backup-01 三条告警。一个主 Agent 调用三个替身子 Agent,每个只收到自己的任务并积累自己的工具结果,最后交回一句摘要。脚本串行模拟这种信息隔离,没有联网,也没有测量真实并发速度。
两种任务描述只差是否把边界交代清楚:
def task_text(mode, alert):
if mode == "vague":
return "Look into the current alerts and report back."
svc, signal = ALERTS[alert]
return (f"Alert {alert}: {svc} {signal}. Read-only tools: query_logs, read_config, query_metrics, "
f"lookup_runbook. Do not touch other alerts. Return one line: cause, evidence with numbers, "
f"next step.")
为了让差异可重复,替身模型的行为写成固定分支:含糊任务都转向告警 A,明确任务只调查指定告警。
single agent, one context for all six tool calls: peak 972 tokens
== vague delegation
sub A: query_logs payment-api, query_metrics payment-api | peak 577
returns: payment-api errors are high, looks db related.
sub B: query_logs payment-api, query_metrics payment-api | peak 577
returns: payment-api errors are high, looks db related.
sub C: query_logs payment-api, query_metrics payment-api | peak 577
returns: payment-api errors are high, looks db related.
lead sees only the 3 summaries: peak 190 | covered A | missing B,C
== detailed delegation
sub A: query_logs payment-api, query_metrics payment-api | peak 614
returns: A payment-api: db pool exhausted, 50/50 in use. Next: restart_service, needs approval.
sub B: read_config login-api, query_logs login-api | peak 562
returns: B login-api: 09:12 timeout 2000ms -> 200ms, p99 4.1s. Next: rollback_config, needs approval.
sub C: query_metrics backup-01, lookup_runbook backup-01 | peak 238
returns: C backup-01: peak 91% at 03:00 from nightly job, 64% now. Next: no action.
lead sees only the 3 summaries: peak 218 | covered A,B,C
第一组交回了三份结果,但只覆盖一条告警。第二组才覆盖 A、B、C,写操作仍只是建议,没有执行。若验收只数“收到了几份报告”,第一组也会被误判为成功。
peak 是这个演示估算的单次上下文峰值:文本按 4 字节一个 token,再加固定开销。单 Agent 的 972 表示把六次工具结果都留在同一个上下文的对照;主 Agent 的 218 则只包括汇总任务和三份摘要。拆开后各上下文的峰值都低于 972;但它不是系统总消耗,更不能由此认定多 Agent 更便宜。真实总成本还要加上各子 Agent 的每轮输入、输出和协调开销。
框架代办什么,哪些仍要自己决定
框架首先省掉重复的运行代码:调用模型、解析工具请求、维护消息、转交控制。有的进一步提供检查点、暂停恢复、guardrail 和 trace。前三种第 7 篇讲过,trace 留到第 12 篇,框架只是把它们组织成可复用的接口。
选择框架可以从需要什么倒推。主要需要会话式协作,关注会话如何路由;需要明确状态和恢复点,关注状态图与持久化;只是几次顺序调用,直接写函数可能更清楚。功能是否存在要看所选版本的文档,不根据一个框架名字推断全部能力。
Anthropic 的《Building effective agents》提醒,抽象层可能藏住实际提示与响应,让调试更困难,也容易把原本简单的流程做复杂。它建议从直接调用模型 API 开始;采用框架时,仍要理解底层在做什么。
框架不能替任务决定什么算完成,也不能把提示里的“只读”自动变成权限边界。工具准入、预算、审批、共享状态的写入规则和最终验收都要显式配置。换框架时,也应保留同一组任务和失败用例来比较,而不是只看示例能否跑通。
容易误解的地方
“Agent 越多越聪明。”多了上下文和调用次数,也多了协调点。MAST 研究整理了系统设计、Agent 间不一致、任务验证三类失败,说明问题不只在单个模型的能力上。
“专家角色会自动获得专家能力。”角色提示改变行为条件,不等于增加训练知识、工具权限或数据来源。演示里的详细任务改进的是职责分配,不是凭空增加能力。
“拆开就可以同时改任何文件。”并行调查通常比并行修改共享状态容易。共同写同一份文件或配置时,需要独占负责者、顺序合并或其他明确的冲突处理方式。
“主 Agent 汇总过就算验收。”摘要可能漏项,也可能把子 Agent 的猜测写成事实。覆盖哪些要求、用了哪些证据、有没有越权,仍要单独检查。
日常编码 Agent 把一个独立搜索交给子 Agent 时,真正有用的交接是明确文件范围、问题和返回证据,而不只是说一句“再找个专家”。
参考资料
- The Society of Mind:Minsky 的多单元智能观与书籍概述,二手背景资料。
- OpenAI: A practical guide to building agents:先用好单 Agent,复杂逻辑和工具重叠,管理与交接模式。
- LangChain: Multi-agent:上下文管理、分开开发与并行执行。
- OpenAI Agents SDK: Multi-agent orchestration:Agent 作为工具、handoff 与代码编排。
- Anthropic: How we built our multi-agent research system:适用任务、token 成本、委派说明、成果文件和协调瓶颈。
- Li et al., CAMEL:角色扮演与初始提示引导合作。
- Wu et al., AutoGen:通过多 Agent 会话构造应用。
- Hong et al., MetaGPT:标准作业流程与中间交付。
- Cemri et al., Why Do Multi-Agent LLM Systems Fail?:MAST 失败分类与标注轨迹。
- Anthropic: Building effective agents:简单可组合模式与框架抽象的取舍。
- Hello-Agents 第六章:框架开发实践:中文教程,几类框架的实践比较。
本文涉及的知识点
9 个
名称打开知识图谱中的对应条目;「另见」只计已发布文章。
本节知识点