结论先行:多 Agent 不是团队比喻的模拟,而是上下文管理手段。它的真实价值只有两个:上下文隔离和并行。如果单 Agent 加几个好工具能解决,就不要拆多 Agent——协调成本经常吃掉收益。
为什么拆:上下文隔离
单 Agent 干长任务的最大敌人是上下文污染:多个子任务的中间过程互相干扰,早期关键指令在长历史中被稀释。拆成主从结构后,每个子 Agent 从干净的上下文出发,只带自己那摊事需要的工具和材料,干完只把结论交回去。这一刀切下去,收益不是"更像一个团队",而是每个子任务的注意力是完整的——对 LLM 来说,注意力不被无关 token 占据,输出质量才稳定。
并行是第二收益:正交的子任务同时跑,墙钟时间从串行叠加变成最慢子任务的耗时。但要清醒:并行省的是时间,不是 token——子 Agent 各自从头理解任务,总消耗通常比单 Agent 更高。
反过来读这条逻辑:如果子任务共享大量背景(同一份长文档、同一个分析对象),拆开反而要每个子 Agent 都重新载入一遍背景,总上下文比单 Agent 更大。隔离的价值随子任务背景重叠度的下降而上升——重叠越高越不该拆。
常见拓扑与适用场景
主从(orchestrator-worker)是生产上最常用的拓扑:主 Agent 负责拆解任务、分发、汇总;子 Agent 带着明确的目标描述独立执行。其他常见形态:
| 拓扑 | 结构 | 适用任务 | 主要代价 |
|---|---|---|---|
| 主从分发 | 主 Agent 拆解、子 Agent 执行、主 Agent 汇总 | 正交可并行的调研、批量处理 | 汇总侧上下文压力 |
| 流水线 | 上游输出是下游输入,固定工序 | 提取→清洗→生成的固定链路 | 上游错误向下游传播 |
| 生成者-批评者 | 生成后由另一实例评审再修正 | 质量把关、文案打磨 | 评审轮数推高成本 |
| 单 Agent 加工具 | 一个上下文贯穿到底 | 步骤少、共享状态多的任务 | 长任务上下文污染 |
所有拓扑共享一个隐形成本:Agent 间通信是低带宽的。子 Agent 之间不能像函数调用那样传对象,只能传文本,且每次传递都是一次有损摘要——设计拓扑时先画出"信息需要在哪些节点间流动",流动越少越好,跨节点流动多的任务天生不适合拆。
最后一行是故意的:多数任务是"不拆"的正确,把它写进对比表是为了让决策时先看它。
一个最小骨架
def orchestrator(task: str) -> str:
subtasks = llm_json(
"把任务拆解为可并行的子任务,输出 JSON 数组,"
"每项含 goal(给子Agent的完整自包含目标) 和 need_tools",
{"task": task})
results = {}
with ThreadPoolExecutor() as pool: # 并行是第二收益
futs = {s["goal"]: pool.submit(
run_sub_agent, s["goal"], s["need_tools"]) for s in subtasks}
for goal, fut in futs.items():
results[goal] = fut.result()
return llm(
"基于以下子任务结果完成任务,冲突时指出:\n" + serialize(results))
注意 goal 必须自包含:子 Agent 看不到主 Agent 的对话历史,目标描述里要带上它需要的全部背景。这是多 Agent 工程里出错率最高的一处:
{
"错误写法": { "goal": "继续查一下那个司机的投诉记录" },
"正确写法": {
"goal": "查询司机 ID D88231(姓名张三,近 30 天有 2 单延误投诉)在 CRM 中的投诉记录,输出投诉类型、发生时间、处理结果;只查近 90 天数据",
"need_tools": ["crm_query"]
}
}
错误写法里"那个司机"对子 Agent 是空指针——它没有"继续"也没有"那个",只能猜,猜错就是整条支线的浪费。顺带说明:run_sub_agent 没有魔法,它就是同一个 Function Calling 循环,换一套 System Prompt、换一个收敛后的工具集。不要为子 Agent 另写一套执行内核——两套内核意味着两套失败模式要排查。
适用边界的判断信号
满足以下任一条件,多 Agent 才值得上:
- 子任务彼此正交,可以并行(比如同时调研五个竞品)
- 单 Agent 上下文被多个子任务的中间产物塞满,开始互相干扰
- 子任务需要的工具集差别很大,收敛权限更安全
出现以下信号,请退回单 Agent:
- 子任务间需要频繁共享中间状态——Agent 间通信靠"传文本",来回摘要的损耗比共享一个上下文大得多
- 任务本身一条链就能走完,拆解是形式主义
- 结果质量依赖全局视野,而子 Agent 天然视野受限
判断的正确顺序是先跑单 Agent 版本过评估集,看失败 case 的共性是不是"上下文不够用"或"必须并行"——这两个词都没出现,就不要拆。一个经验信号:单 Agent 的轨迹开始频繁触发摘要压缩,且被压缩掉的信息后来又被证明有用——这就是"上下文不够用"的硬信号,该考虑拆了。
三条工程红线
- 子 Agent 工具权限收敛:按 goal 授予最小工具集,不要全量透传主 Agent 的工具箱。权限收敛同时是安全边界和注意力保护——工具越少,选择越准。
- 回传摘要不回传过程:子 Agent 的完整轨迹留在自己的上下文里,回传的只有结论和关键依据,否则汇总侧上下文爆炸,主 Agent 变成最先失忆的那个。回传格式建议结构化:结论、依据、未解决项三个字段,汇总侧可以机械拼接,失败重跑时也便于做差量对比。
- 失败要可归因:每个子 Agent 的轨迹独立留痕,失败的子任务能单独重跑,不要一个子任务失败导致全部重来。重跑时只补跑失败的支线并把新结论并回汇总,已成功的支线结果原样复用——这要求汇总逻辑接受"分批到齐"的结果集,而不是等一次性的全量返回。
补一条隐性约束:总预算要有上限。子任务数 × 每个子任务的轮数上限 × token 预算,三个数字都要有熔断,否则拆解失控时成本是乘法增长。
实战场景
技术选型调研:主 Agent 把"对比五家竞品的运力管理能力"拆成五个子任务并行执行。第一版 goal 写得粗(“调研 XX 竞品”),回收结果口径不一——有的讲定价、有的讲架构,汇总基本不可用;重写 goal 附上统一输出结构(能力项、实现方式、证据链接)后,汇总质量才立起来。执行中还触发两次熔断:一个子 Agent 卡在网页抓取重试循环,步数熔断后单独重跑,其余四个结果不受影响——独立留痕的价值就在这里。最后汇总时发现两个子 Agent 对同一产品"是否支持自定义报表"结论相反,主 Agent 按提示词要求如实标注冲突并附双方依据,没有擅自融合——这比悄悄编一个中间结论有价值得多。这个项目的复盘结论也验证了适用边界:五个子任务正交、可并行、工具集不同,多 Agent 回本;但如果是一次只有一个对象的深度调研,单 Agent 反而更省。要不要拆的判断,在项目结束时比开始时更值得复核一次——任务形态会变,结论也要跟着变。
检查清单
- 先验证单 Agent 加工具不够用(上下文污染或必须并行)再拆
- 子 Agent 的 goal 自包含:对象标识、范围、输出结构都在目标里
- 按 goal 收敛子 Agent 工具集,不全量透传
- 子 Agent 只回传结论与关键依据,完整轨迹留在本地
- 每个子 Agent 轨迹独立留痕,失败可单独重跑
- 子任务数、单任务轮数、总 token 三个预算都设熔断
- 汇总提示词要求"冲突时指出",不擅自融合矛盾结论
- 汇总侧上下文有预算,必要时对子任务结果二次压缩