多智能体协调模式：五种方法及其适用场景

为什么需要协调模式

构建多智能体系统时，选择合适的协调模式往往比优化单个智能体的能力更重要。盲目追求“高级”模式而忽略问题本身的适配性，是许多团队容易陷入的误区。本文系统介绍五种实用的多智能体协调模式 —— Generator-Verifier、Orchestrator-Subagent、Agent Teams、Message Bus 和 Shared-State —— 分析各自的 trade-offs，并提供从简到繁的演化路径。

本文基于 Claude 平台工程团队的实践总结，原文标题：Multi-agent coordination patterns: Five approaches and when to use them。

---

模式一：Generator-Verifier

这是最简单的多智能体模式，也是实际部署中最常见的一种。

How it works

一个 Generator 接收任务并产生初始输出，传递给 Verifier 进行评估。Verifier 按照明确的标准检查输出质量，若满足要求则接受，否则拒绝并附带具体反馈。Generator 根据反馈修正输出，循环往复直到通过或达到最大迭代次数。

Where it works well

• 代码生成：一个 agent 写代码，另一个 agent 运行测试并检查规范
• 客服回复：Verifier 检查是否遗漏问题、语气是否恰当、信息是否准确
• 合规检查、作业评分等有明确评判标准的任务

优点：简单可控，能显著提升质量。
局限：Verifier 依赖明确标准；生成和评估能力若不可分离（如创造性工作），模式失效；可能陷入循环，需要最大迭代次数和 fallback 策略。

原文提醒：A verifier told only to check whether output is “good,” with no further criteria, will rubber-stamp the generator’s output. 验证器的质量标准必须具体。

---

模式二：Orchestrator-Subagent

层次结构定义了这个模式：一个主 agent 负责规划、委派和汇总，subagents 承担具体的子任务。

How it works

Orchestrator 接收复杂任务后将其分解，部分自己处理，部分分发给专门的 subagents。Subagents 完成工作后返回结果，Orchestrator 再综合成最终输出。

实际案例：代码审查系统。一个 PR 进来，Orchestrator 分发安全检查、测试覆盖率、代码风格、架构一致性等检查各自对应的 subagent，最后汇总成统一审查报告。

Where it works well

• 任务可清晰分解为独立的子任务
• 子任务之间依赖弱，不需要频繁通信

优点：结构清晰，Orchestrator 保持全局视角。
局限：Orchestrator 成为信息瓶颈 —— 当一个 subagent 发现的信息对另一个 subagent 有用时，必须经过 Orchestrator 中转，关键细节可能在多次转发中丢失。另外默认串行执行会限制吞吐量。

原文注：Claude Code 使用此模式，main agent 写代码、编辑文件，同时 dispatch subagents 后台搜索或调研，让工作流并行。

---

模式三：Agent Teams

当子任务可以长时间独立并行执行时，Orchestrator-Subagent 模式会显得过于刻板。

How it works

一个 Coordinator 生成多个 worker agents 作为独立进程。Team members 从共享队列中领取任务，自主多步执行，完成后标记结束。与 subagent 的关键区别：subagent 完成一个子任务后就终止，而 team members 持续存活，积累上下文和领域专长，在多轮任务上不断改进。

Where it works well

代码框架迁移（例如从旧框架迁移到新框架）：每个 team member 负责迁移一个服务（依赖更新、代码修改、测试修复、验证），Coordinator 只需分配任务并最后进行集成测试。

优点：支持长期自主工作，agent 可在多任务中积累经验；天然并行，吞吐量高。
局限：team members 之间难以共享中间发现，独立性要求高；完成时间不确定，需要处理 partial completion；共享资源（同一代码库、数据库）容易冲突。

原文强调：Independence is the critical requirement. 若一个 team member 的工作会影响另一个，且两者不感知，输出就会冲突。

---

模式四：Message Bus

随着 agent 数量增加、交互模式变复杂，直接协调难以维护。Message bus 引入一个共享通信层。

How it works

Agents 通过两个原语交互：publish 和 subscribe。每个 agent 订阅自己关心的事件类型，一个 router 将匹配的消息准确投递。新的 agent 可以随时加入，无需修改已有连接。

Where it works well

安全运营自动化：告警到达后，一个 triage agent 按严重程度和类型分类，publish 到不同 topic；network investigation agent 订阅高危网络告警，identity analysis agent 订阅凭证相关告警；各分析 agent 可能继续 publish enrichment requests，由 context-gathering agent 响应。最终 findings 流向 response coordination agent。

优点：松耦合，易扩展，支持事件驱动的工作流。
局限：调试困难 —— 一个事件触发 cascade of events across five agents，需要仔细的 logging 和 correlation。Router 若 misclassifies 或 drops 事件，系统静默失败。

原文注：LLM-based routers provide semantic flexibility but introduce their own failure modes.

---

模式五：Shared-State

前面四种模式都依赖中心化的信息管理者。Shared-state 移除中间人，让 agents 通过一个持久化存储直接协调。

How it works

每个 agent 自主地从共享数据库、文件系统或文档中读取信息，根据当前状态决策，再将结果写回。没有 central coordinator。通常由初始化步骤植入问题或数据集，系统在达到终止条件（时间限制、收敛阈值、或一个专门判断完成的 agent）时停止。

Where it works well

研究综述系统：多个 agents 分别研究学术文献、行业报告、专利文件、新闻报道。文献 agent 发现一位关键研究者后，industry agent 可以立即看到这一信息并深入调查该公司。发现实时共享，形成 evolving knowledge base。

优点：无单点故障；发现实时共享，支持真正的协作。
局限：缺少协调可能导致重复工作或矛盾方向；危险的反应循环（Agent A 写 -> B 读并写 -> A 看到后继续响应…），系统空转消耗资源。需要 first-class termination conditions。

原文警告：The harder failure mode is reactive loops. … Systems that treat termination as an afterthought tend to cycle indefinitely.

---

如何选择与演化

实际生产系统常常组合多种模式。以下是关键的选择判据：

场景特征	推荐模式
输出质量关键且评估标准明确	Generator-Verifier
任务可清晰分解，子任务独立且短时	Orchestrator-Subagent
子任务需要长期上下文积累，较少相互依赖	Agent Teams
工作流事件驱动，agent 类型会持续增加	Message Bus
agents 需要实时共享发现，协作强	Shared-State
需要避免单点故障	Shared-State

演化路径

对于大多数应用，从 Orchestrator-Subagent 开始是最稳妥的选择。它能覆盖最广泛的问题类型，且协调开销最小。观察系统在实际运行中的痛点：

• 如果 subagents 之间信息传递频繁且 orchestrator 成为瓶颈 → 考虑引入 Shared-State 或 Message Bus
• 如果子任务需要持久化上下文 → 演化到 Agent Teams
• 如果输出质量不稳定且你能写出明确的验证规则 → 增加 Generator-Verifier 回路

原文总结：Start simple, watch where it struggles, and evolve from there. 这些模式是 building blocks，而非 mutually exclusive choices.

---

延伸阅读

• 上一篇：Building multi-agent systems: when and how to use them
• 后续文章将对每种模式给出生产级实现案例

Acknowledgements: 基于 Claude 平台团队的分享，由 Cara Phillips 等人撰写，本文经中文编译并保留了部分原文关键表述。