多智能体协作架构怎么设计？一张图看懂编排、交接与人工接管

多智能体协作架构的重点不是Agent数量，而是任务是否能清楚拆分、谁拥有最终结果、上下文怎样传递、冲突由谁处理。设计时应先确定是否真的需要多个Agent，再从管理者编排、Agent交接、并行协作或顺序流水线中选择模式，并补齐共享状态、工具权限、失败重试和人工接管。

本页聚焦技术架构和流程设计。关于多智能体在企业协作中的概念与场景，可查看多智能体协作指南；关于LLM、Memory、RAG和Tools的整体位置，可查看AI Agent架构图总览。

一、多智能体协作架构是什么？

多智能体协作架构把复杂任务分配给多个职责明确的Agent，由代码或某个Agent决定执行顺序、上下文传递和结果汇总。每个Agent可以拥有不同的指令、工具、知识源和输出格式，但必须共享明确的任务合同：输入是什么、输出交给谁、怎样判断完成、失败后如何处理。

只有当不同子任务需要独立专业能力、上下文或并行处理，而且分工收益大于协调成本时，多Agent才值得采用。若一个Agent配合几个工具就能稳定完成任务，增加Agent通常只会增加延迟、冲突和排查难度。

二、四种多Agent编排模式怎么选？

1. 管理者模式：一个Agent统一负责结果

管理者Agent把专家Agent当作工具调用，自己保留用户上下文并汇总最终答案。它适合需要统一口径、集中权限和一致输出格式的任务。风险是管理者上下文不断膨胀，且可能成为性能瓶颈。

2. 交接模式：把控制权转给专家

入口Agent识别任务类型后，将会话交给最合适的专家Agent，由专家直接继续处理。它适合客服路由和职责边界清楚的场景。交接前要校验目标、权限和传递上下文，不能只凭一个模糊分类结果切换。

3. 并行模式：多个Agent独立处理后汇总

多个Agent同时研究不同问题或从不同角度检查同一产物，再由汇总节点合并结果。它适合任务之间依赖较少、时间敏感的工作。若多个Agent会同时修改同一状态，必须先定义冲突解决规则。

4. 流水线模式：按固定顺序逐步加工

上一个Agent的结构化输出成为下一个Agent的输入，例如“研究—写作—事实检查—格式整理”。它适合阶段清楚、每步交付物可验证的流程，但前一步错误可能沿链路放大，因此每个交接点都要设置验收条件。

三、多智能体架构图应该画哪些组件？

一张可执行的多Agent架构图至少包含六类对象：入口与用户目标、编排器或路由器、专业Agent、共享或隔离的状态、可调用工具、输出与人工接管。只画几个带名字的Agent方框，无法说明系统怎样运行。

• 任务入口：用户请求、触发事件和成功条件。
• 编排逻辑：由代码还是LLM选择下一步，是否允许动态分支。
• Agent合同：职责、输入、输出、工具和停止条件。
• 状态管理：哪些上下文共享，哪些必须隔离，谁可以写入。
• 工具与数据：读取和写入权限、超时、重试及副作用。
• 控制边界：结果校验、冲突处理、人工确认和升级路径。

四、多个Agent如何共享上下文和状态？

上下文不应在所有Agent之间无限复制。更稳妥的方式是传递完成子任务所需的最小信息，并用结构化交接包记录目标、已完成工作、证据、待决问题和输出格式。共享状态需要指定唯一写入者或版本控制，避免两个Agent同时覆盖同一结果。

• 稳定背景信息放在只读共享区，例如项目目标和术语表。
• 任务状态记录负责人、版本、完成条件和更新时间。
• 敏感数据只传给需要该数据且具备权限的Agent。
• 中间推理不作为跨Agent合同，交接以可验证的结果和证据为主。
• 长任务设置摘要与淘汰规则，避免陈旧上下文持续累积。

五、冲突处理和人工接管怎么设计？

多Agent系统需要把“不同意见”当作正常状态，而不是异常噪声。汇总节点先检查输出格式和证据，再判断结论是否冲突。低风险分歧可以按预设规则合并；涉及权限、法律、财务、外部发送或无法确认的事实时，应停止自动执行并交给人工。

1. 识别冲突属于事实、优先级、格式还是权限问题。
2. 保留各Agent的结论、依据和不确定项，不先覆盖旧结果。
3. 能通过工具或资料复核的，追加一次有界验证。
4. 仍无法解决时生成结构化接管包，说明已完成和待决定内容。
5. 人工决定后记录结果，再由指定Agent继续后续步骤。

六、用一个产品需求任务走查多Agent流程

以“把一组用户访谈整理成需求建议”为演示任务：研究Agent提取问题和原始依据；分析Agent聚类需求并标注置信度；产品Agent根据目标和约束形成候选优先级；评审Agent检查是否存在无依据推断。管理者只汇总通过检查的内容，并把存在冲突的需求交给产品负责人决定。

在画布上，左侧放访谈材料和任务目标，中间按Agent划分泳道，右侧放需求池、证据链接、冲突区和负责人。这样团队能从最终建议回到原始输入，也能看清哪一步由AI完成、哪一步需要人做判断。关于具体脑暴协作方式，可继续阅读AI多智能体头脑风暴流程。

七、如何用Boardmix绘制多智能体协作架构？

1. 写清目标：在画布顶部写任务、完成条件和不可自动执行的动作。
2. 选择模式：先画管理者、交接、并行或流水线主结构，不急着增加Agent。
3. 定义职责：给每个Agent标出输入、输出、工具、数据和停止条件。
4. 连接状态：区分共享只读信息、任务状态和各Agent私有上下文。
5. 补异常分支：加入超时、空结果、冲突、越权和人工接管。
6. 逐步走查：用一条真实任务从入口走到输出，检查每次交接是否完整。

可以从架构图模板开始搭建，再结合系统架构图绘制步骤检查层级和连接关系。评审时使用不同颜色标记“模型判断、代码控制、工具执行和人工决策”，避免把所有箭头都解释成同一种动作。

八、多Agent架构上线前检查清单

1. 一个Agent能完成的任务是否被不必要地拆复杂了？
2. 每个Agent是否有唯一职责、输入输出和停止条件？
3. 最终结果由谁负责，冲突由谁仲裁？
4. 共享状态是否有版本、写入者和覆盖规则？
5. 交接包是否包含目标、结果、依据和待决问题？
6. 工具权限是否按Agent和动作分别限制？
7. 失败、超时、重复执行和外部副作用是否可追踪？
8. 何时停止自动化并请求人工接管是否明确？

九、多智能体协作架构常见问题

多Agent一定要并行运行吗？

不一定。多Agent描述的是职责拆分，并行只是其中一种执行方式。存在严格依赖的任务更适合流水线或有控制的交接。

管理者模式和交接模式有什么区别？

管理者模式始终由中心Agent拥有最终结果，专家作为工具提供子结果；交接模式会把当前会话控制权转给专家，由专家直接继续处理。

Agent越多效果越好吗？

不是。Agent数量增加会提高上下文传递、权限管理、冲突处理和观测成本。只有新增Agent能带来明确的专业分工或隔离价值时才值得增加。