概述
多 Agent 系统（Multi-Agent Systems）是多个专业化 LLM Agent 协作的框架——每个 Agent 拥有自己的工具、记忆和规划能力，彼此交互并与环境交互，以解决复杂任务。它解决了单 Agent 的局限：工具过载、上下文复杂、需要专业化分工。
要点
核心架构
- 专业化 Agent — 每个 Agent 有自己的工具集、记忆和专长领域
- 监督者（Supervisor） — 管理 Agent 间的通信，向专业 Agent 分配任务
- 通信 — Agent 之间互相更新状态、目标和下一步计划
两个设计维度
- Agent 初始化 — 如何创建各个专业化 Agent（配置文件、角色、工具）
- Agent 编排 — 如何协调所有 Agent（监督者、对等、层级制）
代表性框架
- Generative Agents（Park et al., 2023）— 用记忆、规划和反思模块模拟可信人类行为；以”可信度”为评估指标
- AutoGen（Wu et al., 2023）— 多 Agent 对话框架
- MetaGPT（Hong et al., 2023）— 多 Agent 协作的元编程框架
- CAMEL（Li et al., 2023）— AI User 与 AI Assistant 之间的角色扮演通信
通信模式
- 角色扮演：Agent 采用预定义角色（如 CAMEL 的 AI User + AI Assistant）
- 监督者主导：中央协调者分配任务（最常见的模式）
- 涌现式：Agent 自由交互，无特定目标（Generative Agents）
开放问题
- 给定任务复杂度下的最优 Agent 数量
- 如何防止通信开销组合爆炸
- 专业化 vs 通用化，哪种带来更好的多 Agent 性能
证据时间线
- 2026-08-21: 从 Grootendorst 指南创建；覆盖 Generative Agents、AutoGen、MetaGPT、CAMEL