多智能体架构的 五 种经典模式

多智能体架构的 5 种经典模式

① Supervisor / Orchestrator（监督者模式）

┌─────────────┐│Supervisor│← 总控 Agent，分解任务、指派、聚合└──┬──┬──┬───┘ │││┌────────▼│└────────┐▼ ▼ ▼ ┌────────┐ ┌────────┐ ┌────────┐ │Agent A │ │Agent B │ │Agent C │← Agent 之间不直接通信 └────────┘ └────────┘ └────────┘

• 控制流：集中式，所有调用经过 Supervisor
• Agent 关系：主从关系，Agent 之间互不知晓
• 适用：任务可被清晰分解成独立子任务，需要一个总控来协调
• 代表框架：AutoGen、CrewAI
• 优点：逻辑清晰、易调试、不会出现 Agent 间循环通信
• 缺点：Supervisor 成单点、不支持 Agent 间直接协作

② Collaborative / Peer-to-Peer（协作式/对等式）

┌────────┐←──→┌────────┐│Agent A ││Agent B │└───┬────┘└────┬───┘│┌────────┐│└───→│Agent C │←───┘ └────────┘

• 控制流：去中心化，Agent 之间自由通信
• Agent 关系：平等关系，任何 Agent 可以呼叫任何 Agent
• 适用：需要 Agent 之间协商讨论的开放性问题（如头脑风暴、代码审查）
• 代表框架：ChatDev、MetaGPT
• 优点：灵活、Agent 可以相互纠错、适合创意型任务
• 缺点：容易死循环、通信不可预测、调试困难、token 消耗大

③ Hierarchical（层级式）

┌─────────────┐│Top Supervisor│└──┬───────┬──┘ │ │┌────────────▼┐┌──▼────────────┐│Mid Sup. A ││Mid Sup. B │└──┬──────┬───┘└──┬──────┬─────┘ ││ ││ ▼▼ ▼▼┌────┐┌────┐┌────┐┌────┐│A1││A2││B1││B2│└────┘└────┘└────┘└────┘

• 控制流：多层树状委托
• Agent 关系：上级管理下级，同级不通信
• 适用：超复杂任务需要层层分解（如大型软件开发中的架构师 → 模块负责人 → 开发者）
• 代表框架：AutoGen 的嵌套 Chat、LangGraph 的 subgraph
• 优点：可以处理极复杂任务、职责分明
• 缺点：系统重、延迟大、层级越多越难调试

④ Debate / Reflection（辩论式/反思式）

┌────────┐┌────────┐┌────────┐│Agent A │───→│Agent B │───→│Agent C │← 串行评审链│(生成) ││(批判) │ │(仲裁)│└────────┘└────────┘└────────┘

• 控制流：串行流水线，每个 Agent 评审上一个的结果
• Agent 关系：生成者 → 批判者 → 仲裁者
• 适用：对质量要求极高的场景（如生成合规文件、法律文书、代码安全审查）
• 代表框架：LangGraph 的 reflection 模式、Multi-Agent Debate
• 优点：输出质量高、能自我纠错
• 缺点：延迟大（串行）、成本高（多次 LLM 调用）

⑤ Dynamic / Graph-based（动态图式）

┌────────┐┌───→│Agent A │───┐│└────────┘ ││ ▼┌───┴─────┐ ┌────────┐条件边│ 条件判断 │ │Agent B │ ← 根据状态动态决定下一步└───┬─────┘ └────────┘│ ││┌────────┐ │└───→│Agent C │←──┘ └────────┘

• 控制流：图结构，边带条件，动态路由
• Agent 关系：无固定关系，由图的状态机定义
• 适用：流程多变、需要根据中间结果决定下一步
• 代表框架：LangGraph（核心就是这种）
• 优点：最灵活、可处理复杂分支、天然支持人机协作
• 缺点：图设计复杂、需要定义所有状态和边