导读：当单个 Agent 的能力触及上下文窗口与串行推理的天花板，行业的答案不是继续堆砌更大的模型，而是让多个 Agent 像人类团队一样分工、通信、辩论与协同。本文从第一性原理出发，系统拆解多智能体系统（MAS）的五层核心算法栈——任务分解与分配、通信与协调协议、共识与聚合、编排拓扑、记忆与上下文工程，并结合 Anthropic、Google 等一线团队 2025–2026 年的生产实践与最新研究（MASPRM、EMS、Agent Payments Protocol 等），给出一幅可落地的多智能体技术全景图。

目录

1. 从单体智能到集体智能：为什么需要 Multi-Agent
2. 第一性原理：MAS 的形式化与范式转移
3. 核心算法 I：任务分解与分配（Task Decomposition & Allocation）
4. 核心算法 II：通信与协调协议（Communication & Coordination Protocols）
5. 核心算法 III：共识、聚合与集体决策（Consensus & Aggregation）
6. 核心算法 IV：编排拓扑（Orchestration Topologies）
7. 核心算法 V：记忆与上下文工程（Memory & Context Engineering）
8. 前沿纵深：多智能体强化学习与系统级优化
9. 失败模式与工程实践：MAS 的可靠性之战
10. 框架选型与落地路线
11. 未来展望：从"提示工程协作"走向"习得性协作"

---

1. 从单体智能到集体智能：为什么需要 Multi-Agent

2024 年之前，构建 AI Agent 的主流思路是"单体重型"：一个足够强的 LLM，配上 ReAct 循环、工具调用和长上下文，试图让它独自完成从规划到执行的全部工作。这条路线很快撞上了三面墙：

• 上下文墙：一个 100 步的深度研究任务会把单一上下文撑到接近百万 token，注意力质量随长度衰减，中间信息被" Lost in the Middle "。
• 串行墙：单 Agent 的本质是顺序执行，面对"同时调研 10 个竞争对手"这类可并行任务，墙钟时间（wall-clock time）线性累积，无法横向扩展。
• 专业化墙：让一个 Agent 同时精通检索、编码、审计、写作，等价于要求一个员工同时是研究员、程序员、审计师和文案——提示词互相干扰，行为漂移（behavior drift）不可避免。

多智能体系统给出的答案，是把这三面墙转化为一个经典计算机科学问题：用协调（coordination）换计算（computation）。一线数据极具说服力：

• Anthropic 的多智能体研究系统采用"Orchestrator-Worker"架构——由 Lead Agent 制定研究策略，并行派发子 Agent 分头检索——在内部评估中比单 Agent Opus 4 提升了 90.2% 的研究质量，代价是约 15 倍于普通对话的 token 消耗；其分析还显示，token 使用量单独解释了约 80% 的性能方差 [³³][²⁴]。
• Google Research 在 2026 年初发表的《Towards a science of scaling agent systems》中，基于 180 种配置的定量实验给出了首个多智能体扩展规律：多智能体在可并行任务上带来 +81% 的收益，但在强顺序依赖任务上反而造成 −70% 的退化 [³¹]。
• 同一研究还表明，在相同总计算预算下，并行多智能体研究的产出全面性比顺序单智能体高出约 40% [²⁷]。

这三个数字合在一起，勾勒出 2026 年 MAS 工程的核心心智模型：

多智能体不是免费的午餐，而是一种"用 token 买并行度、用结构买可靠性"的交易。只有当任务价值超过约 15 倍基线成本、且任务本身可分解时，这笔交易才划算 [³³]。

---

2. 第一性原理：MAS 的形式化与范式转移

2.1 多智能体系统的五元组

严格地说，一个 LLM 多智能体系统可以形式化为五元组：

$$\mathcal{M}=⟨\mathcal{A},\mathcal{E},\mathcal{P},\mathcal{O},\mathcal{C}⟩$$

分量	含义	在 LLM-MAS 中的具体形态
$\mathcal{A}$（Agents）	智能体集合	角色化的 LLM 实例：Planner、Researcher、Coder、Critic……
$\mathcal{E}$（Environment）	共享环境	工具集、知识库、共享内存（blackboard）、沙箱
$\mathcal{P}$（Protocol）	交互协议	消息格式、Handoff 契约、A2A/MCP 等标准协议
$\mathcal{O}$（Organization）	组织结构	层级、扁平、市场制、 swarm；控制流拓扑
$\mathcal{C}$（Coordination）	协调机制	任务分配、共识聚合、冲突仲裁、信用分配

这套抽象并非新发明。早在 1990 年代，经典 MAS 研究就建立了 BDI（Belief-Desire-Intention）模型、Contract Net Protocol（合同网）和黑板架构（Blackboard Architecture）；KQML 与 FIPA-ACL 定义了第一代 Agent 通信语言。协议考古学把 Agent 互操作划分为三个纪元：符号与 SOA 奠基期（1993–2006）、检索与模型内行动期（2020–2023，RAG/Toolformer/ReAct）、以及当下的协议化互操作期（2024–2025，MCP/ACP/A2A/ANP） [⁶]。

2.2 LLM 带来的范式转移

LLM 时代的 MAS 与经典 MAS 有三点本质不同：

1. 通信介质从符号逻辑变为自然语言+结构化负载。经典 ACL 要求预定义的 performative 本体（request、inform、cfp……），LLM Agent 直接用自然语言谈判，同时以 JSON Schema 保证机器可解析性。
2. Agent 的"理性"来自预训练先验而非显式规则。分工不再依赖手工编码的效用函数，而是来自提示词赋予的角色先验与模型的世界知识。
3. 协调机制的优化目标从"正确性证明"变为"经验性 scaling"。Google 的 scaling 研究标志着 MAS 设计正从"手艺"走向"科学"：哪种拓扑在什么任务结构下有效，开始有定量答案 [³¹]。

理解这一点至关重要：今天所有的 MAS 核心算法，本质上都是在五元组的某个分量上做工程取舍。下面我们逐层拆解。

---

3. 核心算法 I：任务分解与分配（Task Decomposition & Allocation）

任务分解是 Orchestrator 最难的工作：糟糕的分解会产生重叠劳动、遗漏缺口，或生成 Worker 根本无法执行的模糊子任务 [²³]。

3.1 分解算法：三条经验法则

2026 年生产系统沉淀出的分解纪律有三条 [²³]：

1. 按"方面"分解，而非按"步骤"分解（Decompose by aspect, not by step）。面对研究型任务，让 Orchestrator 识别正交的分析维度（“市场动态 / 技术可行性 / 竞争格局”），每个维度成为一个 Worker。按步骤分解会制造顺序依赖，摧毁并行性。
2. 限制嵌套深度（Bound depth）。Worker 不再派生 Worker（或至多一层嵌套）。递归式多智能体系统的成本会组合爆炸。
3. 显式交付物（Explicit deliverables）。每个 Worker 被告知其必须产出的确切工件（“一段总结 + 三条引用”），Orchestrator 收到结果时可即时验证。

AgentGroupChat-V2 的研究为"分治"提供了更系统的证据：在协作编码、博弈与研究任务上，分治式多智能体显著优于朴素直传、单 Agent CoT、ReAct 乃至 AutoGen 式自由对话和 Multi-Agent Debate [⁸]。

3.2 分配算法：从静态路由到学习路由

任务分配回答"哪个子任务给哪个 Agent"。当前有三代机制：

• 第一代：静态角色绑定。CrewAI、MetaGPT 为代表，角色与职责在配置期固定（YAML 声明式），简单透明但难以适应动态任务 [¹⁵]。
• 第二代：Supervisor 动态路由。Supervisor 在运行时根据子任务语义选择 Worker，LangGraph 的 supervisor 模式与 OpenAI Agents SDK 的 handoff 均属此类。
• 第三代：学习型路由。MASRouter 等工作将路由建模为学习问题——训练路由策略为不同输入选择性指派 Agent，削减不必要的模型调用 [⁷]。这一方向与 MoE（Mixture-of-Experts）的路由思想遥相呼应：多智能体系统正在复刻神经网络内部的"条件计算"演化史。

市场机制是另一条值得关注的路线。经典 Contract Net 的"招标-投标-授标"模式在 LLM-MAS 中自然重生：Orchestrator 发布任务描述（cfp），各 Worker 基于自身能力与负载"报价"，最优者中标。A2A 协议的 Agent Card 能力广告机制（见第 4 节）正是这一思想的协议化落地。

---

4. 核心算法 II：通信与协调协议（Communication & Coordination Protocols）

如果说任务分解是 MAS 的"算法"，通信协议就是 MAS 的"物理定律"。2025–2026 年，这一层发生了行业级的标准化收敛。

4.1 分层协议栈：MCP 与 A2A 的分工

今天的新增共识是：MCP 解决"Agent 如何触达工具"，A2A 解决"两个不共享代码库的 Agent 如何协作"。两者不是竞争标准，而是栈的不同层 [¹¹]。

• MCP（Model Context Protocol）：Anthropic 于 2024 年 11 月发布，基于 JSON-RPC 的客户端-服务器模型，标准化工具调用、资源访问与类型化数据交换。截至 2026 年初，公开 MCP 服务器已超 10,000 个，SDK 月下载量超 9,700 万，被 ChatGPT、Cursor、Gemini、Copilot 等全面集成 [⁹][¹⁸]。
• A2A（Agent2Agent Protocol）：Google 于 2025 年 4 月发布，基于 JSON-RPC 2.0 over HTTPS，通过 Agent Card（机器可读的能力广告，发布在 /.well-known/agent.json）实现跨厂商 Agent 发现、任务委派与流式工件回传 [¹⁷][¹³]。到 2026 年 4 月，A2A 支持组织超过 150 家，规范达到稳定的 1.0 版本，并在 Google Cloud、Azure（AI Foundry、Copilot Studio）与 AWS（Bedrock AgentCore）完成平台级集成 [¹⁸][¹⁶]。
• ANP（Agent Network Protocol）：面向开放互联网的去中心化路线，基于 DID（去中心化身份）与 JSON-LD 图实现 Agent 发现与安全协作，瞄准未来的开放 Agent 市场 [⁶]。
• AP2（Agent Payments Protocol）：Google 于 2025 年 9 月联合 60 余家支付与科技机构推出，在 A2A/MCP 之上扩展带签名的 Intent/Cart/Payment “授权令”（mandates），标志着 Agent 主导的交易（而非仅仅是读取）成为正式的设计目标 [¹⁸]。

治理层面同样发生了标志性事件：Google 于 2025 年 6 月 23 日将 A2A 捐赠给 Linux Foundation；IBM 的 ACP 于 2025 年 8 月 29 日并入 A2A；Anthropic 于 2025 年 12 月 9 日将 MCP 捐赠给新成立的 Agentic AI Foundation（AAIF，创始成员含 Anthropic、Block、OpenAI，白金支持方含 AWS、Google、Microsoft 等） [¹²][¹⁸]。两大事实标准同时进入中立治理，是 MAS 基础设施成熟的分水岭。

4.2 A2A 的核心原语剖析

A2A 协议的对象模型值得逐字研读，它是当前最完整的"Agent 间任务委派"契约 [¹⁷]：

// Agent Card（节选）：一个 Agent 的"能力名片"
{
  "name": "deep-research-agent",
  "url": "https://agents.example.com/research",
  "capabilities": { "streaming": true, "pushNotifications": true },
  "skills": [
    {
      "id": "competitive-analysis",
      "description": "对给定行业做竞争格局分析，产出带引用的报告",
      "inputModes": ["text"],
      "outputModes": ["text", "artifact"]
    }
  ],
  "securitySchemes": [{ "oauth2": { "flows": { ... } } }]
}

任务生命周期围绕四类对象运转：

• Task：有状态的工作单元（submitted → working → input-required → completed / failed / canceled），支持长任务的异步轮询与 SSE 流式更新；
• Message：一次通信回合，由若干 Part 组成（TextPart / FilePart / DataPart），天然支持多模态；
• Artifact：任务产出的具名工件，与"过程消息"分离，便于下游 Agent 直接消费结构化结果。

工程上要警惕三个坑：官方规范把 Agent 认证作为可选特性，裸奔部署会暴露未认证的 Agent 环路；链式 A2A 调用引入不可预测的延迟税，必须用异步任务管理对冲；严格的 JSON-RPC 2.0 schema 是防止"schema 漂移"的唯一屏障 [¹³]。实务界的共识是：用 MCP 解决今天的工具接入，把多智能体接缝设计成 A2A 可插入的形状，但绝不要把 Agent 间消息硬塞进 MCP [¹⁴]。

4.3 黑板、消息传递与共享状态

协议规定"线上传什么"，而架构决定"信息存哪里"。三种经典模式在 LLM-MAS 中均有现代映射：

模式	经典来源	LLM-MAS 映射	适用
消息传递	Actor 模型 / FIPA-ACL	AutoGen 对话、A2A Task	强边界、跨组织
黑板架构	Hearsay-II	LangGraph 共享 State、共享世界状态（world-state）	紧耦合单系统
发布订阅	ESB / 事件驱动	事件驱动 Handoff、Webhook 推送	松散耦合微服务

事件驱动模式灵活性最高，但可观测性代价显著：跨异步边界追踪失败根因需要复杂的分布式追踪基础设施，目前在生产中的采用仍受限 [²⁷]。

---

5. 核心算法 III：共识、聚合与集体决策（Consensus & Aggregation）

多个 Agent 各执一词时，系统如何收敛出一个高质量答案？这是 MAS 的"集体决策"问题，也是过去一年算法创新最密集的层面。

5.1 三大聚合范式

（1）投票制：从 Self-Consistency 到 EMS。 多数投票是最朴素的聚合：采样 N 个独立推理，取多数答案。2026 年的 EMS（Efficient Majority-then-Stopping）框架把投票效率推向了新高度，由三个组件构成 [⁷]：

• TCRO（Task-Conditioned Reliability Ordering）：基于历史表现为当前任务估计各 Agent 的可靠度，决定投票顺序——让最可能正确的 Agent 先投票；
• AIV（Adaptive Incremental Voting）：按序增量召集 Agent，一旦多数意见在统计上不可撼动（certified early termination）即停止，不再浪费剩余调用；
• RHU（Reliability History Updating）：将本轮结果回写可靠度状态，形成跨任务的在线学习。

（2）辩论制：Multi-Agent Debate。 多个 Agent 互相批评并修正彼此的中间推理，多轮迭代直至共识。辩论能提升推理质量，但成本高昂，因此出现了条件化激活：DOWN 方法仅在初始置信度不足时才触发辩论，简单实例直接放行 [⁷]。

（3）裁判制：LLM-as-Judge 与验证器。 引入集中式批评者对各 Agent 产出打分。MASPRM（见第 8 节）进一步把裁判从"结果打分"细化到"过程打分"，为每条消息与工具调用给出进度信号 [²¹]。

5.2 效率前沿：给协作"瘦身"

多智能体的主要成本不在思考而在冗余协作。2025–2026 年的优化工作集中在三个方向 [⁷]：

• 剪枝冗余参与者：AgentDropout 在推理过程中动态剔除贡献边际递减的 Agent；
• 优化交互结构：ARG-Designer 自动搜索更优的通信图拓扑；
• 选择性调用：前述 MASRouter 在入口处分流，避免"大炮打蚊子"。

这条线索的深层含义是：多智能体系统正在经历与深度学习相同的"稀疏化"历程——从稠密的全员协作，走向按需激活的条件协作。

---

6. 核心算法 IV：编排拓扑（Orchestration Topologies）

拓扑是 MAS 的"组织结构图"，决定控制权与延迟的分布。下表总结了五种主流拓扑的取舍 [²⁷]：

拓扑	控制模型	延迟特征	可观测性	最佳场景
顺序链（Sequential）	线性传递	各 Agent 延迟累加	高	固定工序、入职引导类流程
层级路由（Hierarchical / Supervisor）	Supervisor 分派	Supervisor + Worker	高（中心化）	客服分流、任务分诊
并行委派（Parallel Delegation / Fan-out）	扇出-扇入	最慢分支决定总延迟	中	研究、竞争分析
群体制（Swarm / Handoff）	去中心化移交	视路径而定	低-中	开放域探索、动态职责
事件驱动（Pub/Sub）	事件订阅	不定	低	松耦合 Agent 微服务

6.1 解剖 Orchestrator-Worker：2026 年的"默认架构"

在所有拓扑中，Anthropic 多智能体研究系统所代表的 Orchestrator-Worker 已成为生产系统的事实范式 [²³]。其三个组件各司其职：Orchestrator 持有计划、分派工作、综合结果，拥有长生命周期的上下文；Worker 各自拿到聚焦的子任务、**全新上下文（fresh context）**与预算，彼此之间互不可见；Synthesizer（通常由 Orchestrator 兼任）整合 Worker 产出 [²³]。

"Worker 使用全新上下文"是最被低估的设计细节。它不摊薄 token（成本更高），但一举解决三个问题 [²³]：

1. 大任务的 token 经济：100 步研究不再把单一上下文吹到 1M token；
2. 故障隔离：一个"想歪了"的 Worker 不会污染 Orchestrator 的推理；
3. 并行执行：Worker 间无共享状态，可放心并发。

执行语义上，该模式是 I/O 密集型的天然受益者：用 asyncio.gather() 并发派发 N 个 Worker，总时间等于最慢分支（O(1) 墙钟），token 成本保持 O(N)——实践中常见 10–20 倍加速而成本不变 [²⁹]。极简骨架如下：

import asyncio

async def orchestrator(query: str, workers: list[Agent]) -> str:
    # 1. 分解：按正交方面切分（而非按步骤）
    subtasks: list[SubTask] = await planner.decompose(
        query, by="orthogonal_aspects", max_depth=1,
        require_explicit_deliverables=True,
    )
    # 2. 并行委派：每个 Worker 拿到 fresh context + 预算
    results = await asyncio.gather(*[
        w.run(task, context=FreshContext(), budget=task.token_budget)
        for w, task in zip(workers, subtasks)
    ])
    # 3. 综合：整个流程中最值得用强模型的一步
    return await synthesizer.merge(results)

# 模型分层：Orchestrator/Synthesizer 用旗舰模型，Worker 用轻量模型

三条工程守则经受了生产检验：Worker 必须可替换（“从提示词到工件的黑盒”，换模型不影响 Orchestrator）；Worker 生命周期以分钟计（若需运行一小时，它其实是个子 Orchestrator，应重构）；综合是最难的一次 LLM 调用——把最强的模型留给 Synthesis，Worker 可以用便宜模型 [²³]。

该模式也有明确的不适用区：子任务需在执行中途互相影响时（紧耦合），上下文隔离反而成为负担；流式交互场景（语音/对话）与"批量型"的 Orchestrator-Worker 天然错位；不可分割的任务（单个数学证明、紧耦合重构）无法从分解中获益 [²³]。

6.2 无领导的群体：并行 Claude 构建 C 编译器

与层级范式相对的是纯平行的 Swarm 实验。Anthropic 2026 年 2 月发表的《Building a C compiler with a team of parallel Claudes》展示了 16 个并行 Claude 实例在无 Lead Agent 的条件下，通过 lock 文件做粗粒度协调，约 2000 个会话构建出一个 C 编译器，测试通过率达 99% [³¹][³³]。这个案例的启示在于：当任务可沿清晰接口切分（编译器的各个 pass），文件系统级别的锁与约定即可替代中心化调度——协调机制的"轻"与"重"应当匹配任务的结构化程度。Matt Pocock 的 Sandcastle 库则是另一变体：planner → 每 issue 一个实现者（worktree+沙箱）→ reviewer → merger，reviewer 可驳回、merger 可搁置，在结构上内嵌了评估器-优化器循环 [³³]。

---

7. 核心算法 V：记忆与上下文工程（Memory & Context Engineering）

在 MAS 中，上下文是最稀缺、也最容易在边界处丢失的资源。Handoff 研究显示：交接时的上下文摘要可将 token 减少 70–90%，但同时引入信息损失，并为每次交接增加 500ms–1.5s 延迟；一条含 10 次交接的工作流，仅协调开销就达 1–5 秒 [²⁷]。

7.1 交接契约：完整证据包 vs 压缩结论

上下文工程的第一原则是：Agent 间交接必须携带"完整证据包"而非"压缩结论" [²⁸]。以安防场景为例，Detection Agent 移交的不应是字符串 "weapon, camera 12"，而应是 {对象类别, 置信度, 摄像头, 时间戳, 标注帧}——下游 Agent 与人都不应依据一条无法检视的结论行动，这也是全链路可审计的前提 [²⁸]。

7.2 记忆的三层结构

成熟 MAS 的记忆体系通常分三层：工作记忆（run 级 KV，随任务生灭）、向量/语义记忆（跨任务知识，pgvector 之类）、情节记忆（历史运行轨迹，供复盘与few-shot检索）。Anthropic 的系统还示范了"记忆持久化对冲上下文窗口"的技巧：Lead Agent 把阶段性计划与中间结论写入外部存储，使超长研究任务跨越单次上下文上限 [²⁵]。

7.3 成本定律

回到第 1 节的数字：token 用量解释约 80% 的质量方差，多智能体研究消耗约 15 倍对话级 token [³³]。由此派生的"15× 规则"是 MAS 立项的试金石——任务价值必须超过 15 倍基线成本，且工作确实可并行，Orchestrator-Worker 才值得上 [³³]。省 token 的正道不是压缩协作，而是第 5 节的条件化激活（DOWN）、冗余剪枝（AgentDropout）与学习路由（MASRouter）。

---

8. 前沿纵深：多智能体强化学习与系统级优化

前述所有机制——分解、路由、辩论、拓扑——目前大多靠人工设计与提示工程固化。最前沿的问题只有一个：能否让协作策略本身被学习出来？

8.1 信用分配：多智能体 RL 的阿喀琉斯之踵

强化学习天然适合让 Agent 从反馈中学会"何时通信、与谁通信、如何分工"，但稀疏的团队级奖励带来了严重的**信用分配（credit assignment）**难题：任务最终成功，功劳归哪个 Agent 的哪一步？多智能体强化微调在稀疏奖励下的不稳定性已被反复证实 [²¹]。现有缓解路线包括：

• 奖励再分配：SPA-RL 通过学习进度估计器，把终局奖励折算为逐步贡献，改善交互基准上的表现 [²¹]；
• 自动奖励建模：ARMAP 无需人工标注，从环境交互中自动学习奖励模型并与规划耦合 [²¹]；
• LLM 批评者：用集中式 LLM 从自然语言任务描述生成逐 Agent 的稠密奖励，或把团队奖励数值分解为个体信号——但反复调用 LLM 推理的开销限制了其在长对话链上的扩展性 [²¹]。

8.2 MASPRM：给多智能体系统装"过程奖励"

MASPRM（Multi-Agent System Process Reward Model）代表了 2025 年下半年以来的新思路：把过程奖励模型从单 Agent 推理链推广到通信图层面。它在推理时充当控制器，对图上的每条消息与每次工具调用打分，一方面引导多智能体 rollout 的搜索（剪掉低价值分支），另一方面提供逐 Agent 的稠密进度信号以稳定集体优化 [²¹]。

8.3 Maestro：学习"如何收敛"

Maestro 则聚焦辩论/投票的收敛步：将多 Agent 意见的聚合建模为结构化优化问题，提出条件列表式策略优化（Conditional Listwise Policy Optimization），提供比系统级全局奖励更精细的信用分配 [²²]。更宏观地看，这条研究线的雄心是用 RL 发现动态的角色分配、协调时机与决策聚合策略，让人工拓扑成为学习的初值而非终点 [²²]。

8.4 自我进化的元层

协作策略之上还有元层：Darwin Gödel Machine 与 AlphaEvolve 这类自我进化系统通过自主修改代码与算法演化取得 150%+ 的性能提升 [²⁶]。当"进化算子"作用于多智能体组织本身（角色集合、通信图、预算分配），MAS 设计将从"架构师的手艺"变为"被搜索的对象"。

---

9. 失败模式与工程实践：MAS 的可靠性之战

UC Berkeley 与 Galileo 对多智能体系统失败的研究（MAST 分类法）发现：约 35% 的失败源于协调崩溃，且大多数发生在 Handoff 边界而非单个 Agent 内部 [²⁷]。测试单个 Agent 不能保证系统可靠——失败涌现于"A 的输出成为 B 的输入"的接缝处 [²⁷]。

9.1 五大 Handoff 失败模式

失败模式	根因	检测难度	后果
上下文截断	交接处 token 预算超限	中	长工作流 15–20% 的产出退化
状态序列化失败	类型不匹配/字段丢失（pickle 之类）	低（常静默）	错误向下游传播
超时级联	Supervisor 缺少重试逻辑	低	全流程挂起、资源泄漏
无限循环/死锁	环形路由（A→B→A）	中	资源耗尽、系统崩溃
审计轨迹丢失	交接无结构化日志	低（审计时才暴露）	合规缺口、无法定位根因

工程对策对应明确：有界重试与显式状态机约束可消除死锁；交接日志（谁把什么交给了谁）是合规与调试的底线 [²⁷]。

9.2 四条组织纪律

从 MAST 失败目录反推出的组织设计纪律 [²⁸]：

1. 统一指挥（Unity of Command）：每个决策有且只有一个属主 Agent，冲突由 Orchestrator 而非 Worker 仲裁；
2. 限制管理幅度（Span of Control）：单个 Supervisor 下辖 Worker 设上限，系统变宽时引入"Supervisor 的 Supervisor"，而非让一个 Orchestrator 追踪无界扇出；
3. 显式终止条件：每个工作流必须有明确的终止信号，已解决的事件不得反复升级；
4. 确定性冲突仲裁：两个 Agent 结论冲突时，系统必须有确定性的仲裁规则，而非留给竞态。

9.3 可观测性与安全基线

生产 MAS 需要分布式追踪（OpenTelemetry span 贯穿每个 Agent 调用）、结构化日志与逐 Agent 指标，且应"第一天就建好" [²⁴][³⁴]。安全层面，A2A 端点必须强制认证（规范中认证是可选的，这是部署陷阱） [¹³]；所有 MCP 服务器按潜在恶意处理，落实 OAuth 2.1、最小权限与沙箱 [²⁴]。

---

10. 框架选型与落地路线

10.1 主流框架对比

框架	范式	优势	短板	适用
LangGraph	图状态机（节点+边）	支持循环/非线性流程、细粒度控制、条件边与重试等内建韧性	学习曲线陡、样板代码多、版本迭代快易有破坏性变更 [15]	复杂有状态工作流、需精确控制的系统
AutoGen	对话驱动多 Agent	对话式协作原型快、编码量小 [10]	结构化/非对话流程支持弱	头脑风暴、客服对话
CrewAI	角色扮演 + YAML 配置	角色分工直观、上手快、LlamaIndex 集成好 [15]	结构偏刚性，深度定制需改源码 [10]	流程清晰的角色化流水线
OpenAI Agents SDK / Swarm	轻量 Handoff	极简、handoff 原语清晰	生态绑定 OpenAI	快速验证轻量协作
Google ADK	模块化 + 原生 A2A	原生生成 Agent Card，A2A 集成最顺 [14]	生态绑定 Google	面向 A2A 互操作的系统

开源阵营（LangChain/LangGraph、MetaGPT、AutoGen、CrewAI、LlamaIndex、SuperAGI）与平台阵营（OpenAI Assistants API、Vertex AI Agent Builder、Bedrock Agents、Azure AI Agent Service）的分野依然清晰 [¹]；互操作层面，Google ADK 原生生成 Agent Card，CrewAI 于 2026 年加入 A2A 委派能力，多数框架仍在跟进曲线上 [¹⁴]。

10.2 落地路线：协议采纳四阶段

学术界的协议综述给出了一条务实的分阶段采纳路线 [⁶]：

1. Stage 1 — MCP 打通工具：先解决 Agent 与工具/数据的结构化互操作；
2. Stage 2 — 富交互消息：叠加异步、多模态、流式的消息能力；
3. Stage 3 — A2A 企业协作：在信任域内用 Agent Card 做任务委派与编排；
4. Stage 4 — ANP 开放市场：面向开放互联网的去中心化发现与 DID 身份。

选型心法与本文的算法主线一致：先用最简单可工作的拓扑（通常是 Supervisor 或 Orchestrator-Worker），把协调接缝契约化（证据包、交付物、终止条件），再按需引入学习路由与协议互操作。

---

11. 未来展望：从"提示工程协作"走向"习得性协作"

站在 2026 年年中回看，多智能体系统已越过概念验证期，三个趋势将定义下一阶段：

1. 协议栈收敛，Agent 经济萌芽。MCP 与 A2A 同时归入 Linux Foundation 中立治理，分别被比作 AI 时代的 “USB-C 与 TCP/IP” [⁹]；AP2 把带签名的支付授权令引入协议栈，Agent 间的交易而不仅是对话成为现实设计目标 [¹⁸]。下一步的开放问题从"连通"转向"授权、身份、审计与跨 Agent 信任" [¹⁸]。
2. 协作策略从手工走向学习。MASPRM 把过程奖励推广到通信图，Maestro 优化收敛步，MASRouter/AgentDropout 让"何时协作、谁来协作"成为可学习决策 [²¹][²²][⁷]。配合自我进化系统对组织结构的元搜索，MAS 设计空间正从"架构师枚举"变为"算法搜索"。
3. MAS 有了自己的 scaling 科学。Google 的定量规律（可并行 +81% / 强顺序 −70%） [³¹] 与 Anthropic 的"token 解释 80% 方差、15× 成本" [³³] 共同宣告：多智能体是否有效，正在从信仰问题变为可计算的成本-收益问题。

对构建者而言，结论朴素而清晰：多智能体协作的本质，是把组织行为学的百年智慧——分工、指挥链、管理幅度、会议与备忘录——用协议、拓扑与上下文工程重新实现一遍，并让其中可学习的部分，尽快被学习算法接管。

---