🤖 AI Agent 多 Agent 协作系统

从"单体智能"到"群体智能"。单 Agent 任务完成率仅 35.65%,多 Agent 协作可达 89.3%。
掌握中心化编排、去中心化协作、混合架构三大模式,实现复杂任务的高效完成。

🎼 多 Agent 编排 🔄 任务分解 📂 文件协作 📊 群体智能

📊 为什么需要多 Agent 协作?

89.3%
多 Agent 任务完成率 vs 单 Agent 35.65%
🎯
任务完成率提升
单 Agent 面对复杂任务容易迷失方向,多 Agent 分工协作可将任务完成率从 35.65% 提升到 89.3%
并行执行效率
Research 阶段多 Agent 并行研究不同方向,比单 Agent 串行研究快 3-5 倍
🧠
上下文管理
每个 Agent 专注特定子任务,上下文更精简,避免单 Agent 上下文溢出
🔍
专业分工
Research Agent 专注研究,Implementation Agent 专注实现,Verification Agent 专注验证
📉
成本优化
多 Agent 协作人力成本降低 52%,Token 成本降低 40%(麦肯锡 2026)
🛡️
错误隔离
单个 Agent 失败不影响整体,可以重启或替换,系统更健壮

🏗️ 三大架构模式

模式 1:中心化编排(Orchestrator Pattern) ┌─────────────────┐ │ 用户请求 │ └────────┬────────┘ │ ▼ ┌─────────────────┐ │ 主协调器 Agent │ │ (Orchestrator) │ └────────┬────────┘ │ ┌───────────────┼───────────────┐ │ │ │ ▼ ▼ ▼ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │ Research │ │ Implement │ │ Verify │ │ Agent 1 │ │ Agent 2 │ │ Agent 3 │ └─────────────┘ └─────────────┘ └─────────────┘ 特点: - 一个主 Agent 协调其他 Agent - 任务分解、分配、结果汇总 - 适合复杂工作流 - Claude Code 协调器模式采用此架构
模式 2:去中心化协作(Decentralized Collaboration) ┌─────────┐ ┌─────────┐ │ Agent 1 │◄───────►│ Agent 2 │ └────┬────┘ └────┬────┘ │ │ │ ┌─────────┐ │ └───►│ Agent 3 │◄───┘ └────┬────┘ │ ▼ ┌─────────┐ │ Agent 4 │ └─────────┘ 特点: - Agent 自主协商、点对点通信 - 无中心节点,更灵活 - 适合开放式任务 - 需要标准化通信协议
模式 3:混合架构(Hybrid Architecture) ┌─────────────────┐ │ 主协调器 │ │ (高层协调) │ └────────┬────────┘ │ ┌──────────────┴──────────────┐ │ │ ┌──────┴──────┐ ┌──────┴──────┐ │ 子协调器 1 │ │ 子协调器 2 │ └──┬───────┬──┘ └──┬───────┬──┘ │ │ │ │ ▼ ▼ ▼ ▼ ┌─────┐ ┌─────┐ ┌─────┐ ┌─────┐ │W1 │ │W2 │ │W3 │ │W4 │ └─────┘ └─────┘ └─────┘ └─────┘ 特点: - 结合两者优势 - 主协调器负责战略决策 - 子协调器负责战术执行 - 适合企业级应用

💻 Claude Code 多 Agent 实现

📋 核心工具

工具 用途 关键参数
AgentTool 创建新 Worker description, prompt, subagent_type
SendMessageTool 继续现有 Worker to (agent_id), message
TaskStopTool 停止 Worker task_id, reason
TaskListTool 列出所有任务 status (pending/running/completed)
TaskOutputTool 获取任务输出 task_id, follow (实时跟踪)

🔄 完整工作流示例

阶段 1:Research(并行启动 2 个 Worker)

协调器决策:这是一个复杂任务,需要多步完成。先启动 2 个 Worker 并行研究。

// 启动 Worker 1:分析代码结构 { "tool": "AgentTool", "parameters": { "description": "分析代码结构", "subagent_type": "worker", "prompt": "分析 src/目录结构,找出认证相关文件。 使用 GlobTool 列出所有.ts 文件,然后用 FileReadTool 读取关键文件。 将分析结果写入 research-notes.md。" } } // 启动 Worker 2:查找认证代码 { "tool": "AgentTool", "parameters": { "description": "查找认证代码", "subagent_type": "worker", "prompt": "搜索所有与认证相关的代码。 使用 GrepTool 搜索 (auth|login|session) 模式。 将搜索结果和分析写入 auth-analysis.md。" } }

阶段 2:Worker 执行与通知

Worker 1 执行流程:

  1. 调用 GlobTool("**/*.ts") 列出所有 TypeScript 文件
  2. 调用 FileReadTool 读取 src/auth/login.ts, src/auth/middleware.ts
  3. 分析代码结构和依赖关系
  4. 写入 research-notes.md
  5. 完成任务,发送<task-notification>
// Worker 完成通知 <task-notification> <task-id>agent-a1b</task-id> <status>completed</status> <summary>Agent "分析代码结构" completed</summary> <result>Found 5 auth-related files: - src/auth/login.ts - src/auth/middleware.ts - src/utils/session.ts See research-notes.md for details.</result> </task-notification>

阶段 3:协调器综合与继续 Worker

协调器读取研究结果:

// 读取 Worker 输出 const researchNotes = await readFile('research-notes.md'); const authAnalysis = await readFile('auth-analysis.md'); // 综合理解 const spec = synthesizeSpec(researchNotes, authAnalysis); // 继续 Worker 1 进行实现 { "tool": "SendMessageTool", "parameters": { "to": "agent-a1b", "message": "基于你的研究,现在实现登录功能: 1. 在 src/auth/login.ts 添加 password strength 验证 2. 实现 JWT token 生成 3. 添加错误处理 4. 运行测试确保通过" } }
💡 关键设计原则
并行是超能力:Research 阶段多 Worker 并行,Implementation 阶段单 Worker 写文件
Worker 看不到协调器对话:每个提示必须自包含所有上下文
Continue vs Spawn:高上下文重叠→SendMessageTool 继续,低重叠→AgentTool 新建
文件系统协作:通过文件传递上下文,避免单 Agent 上下文溢出
任务通知:Worker 完成通过<task-notification>消息通知协调器

🎯 Continue vs Spawn 决策

何时继续现有 Worker,何时创建新 Worker?

场景 决策 工具 原因
Research 完成,需要实现 Continue SendMessageTool Worker 已经理解代码结构,上下文高度重叠
实现完成,需要验证 Spawn AgentTool 验证者应该以 fresh eyes 审查代码,避免实现假设
Worker 报告失败,需要修正 Continue SendMessageTool Worker 已经知道尝试过什么,避免重复错误
Worker 方向错误,需要重新来 Spawn AgentTool + TaskStopTool 错误方向的上下文会污染新尝试,需要 clean slate
完全不相关的新任务 Spawn AgentTool 无上下文重叠,新建更清晰
大规模重构(涉及多文件) Spawn AgentTool 重构需要全局视角,现有 Worker 可能过于聚焦局部
💡 决策流程图
1. 上下文重叠度高吗?
  是 → Continue(SendMessageTool)
  否 → 看下一步
2. 是验证/审查任务吗?
  是 → Spawn(fresh eyes 更客观)
  否 → 看下一步
3. Worker 方向错误吗?
  是 → Stop + Spawn(clean slate)
  否 → Continue(修正指令)
← 返回 AI Agent 知识库首页