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

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动态并行 · 数量由编排者决定任务单结果任务编排者拆分任务子 Agent 1子 Agent 2子 Agent N编排者汇总结果最终答案图例输入关键节点LLM Agent输出主路径调用 / 数据流
模型调用 N + 2 次,N 由编排者在运行时决定 · 适合可拆分的调研或写作 · 风险:拆分不清会重复劳动,没有验收

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。

委派式编排 系统架构图打开可交互的架构图 →

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

和其它模式对比 →

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。