多 Agent 协作模式 · MA-04
委派式编排
编排者动态拆任务 → N 个子 Agent 并行(各自全新上下文)→ 编排者汇总:Orchestrator–Worker
系统架构
上面的图是协作流程:谁把什么交给谁。这张图是把它真正跑起来需要的组件:共享状态、通信通道、隔离和闸门。
优势与劣势
+ 优势
- 按任务动态拆分,适应性强
- 任务大且可拆分时能明显缩短耗时(Anthropic 的调研系统:复杂查询最多快约 90%)
- Claude Code、Codex、Kimi Code、Hermes 等编码 Agent 都内置了这种做法
适合:可拆分的调研或写作;只读的大范围探索(例如搜代码库)
- 劣势
- 拆分不清就会重复劳动或遗漏
- 没有验收环节,子任务做错也会被直接汇总
- token 成本高(Anthropic:多 Agent 系统约为普通对话的 15 倍)
不适合:强顺序依赖的任务(Google 等:多 Agent 在这类任务上下降 39–70%);多个子任务要写同一批文件
- 模型调用
- N + 2
- 串行轮数
- 3
- 耗时取决于
- 拆分 + 最慢的子任务 + 汇总
- 并行
- N 路,运行时决定
- 成员之间
- 子 Agent 互相看不见,只回报编排者
- 质量检查
- 无(编排者直接汇总)
- 返工
- 无
市面上遵循此模式的工具
2026-11-06 对照官方文档和仓库核实。多数只是"部分对应":核心机制属于这种模式,不代表实现了图上的每个节点;标"实验""预览"的是厂商尚未正式发布的功能。
- 厂商Claude CodeAgent 工具(subagent)
- 厂商Codexspawn_agent(需明确要求)
- 厂商Kimi CodeAgent / AgentSwarm 工具
- 开源Hermes Agentdelegate_task
- 框架LangGraphSend 动态扇出
- 第三方AWS CAO / Paseo跨厂商派活