多 agent 编排Multi-agent orchestration

这一篇讲什么What this guide covers

多 agent 编排就是让多个 agent 分工干同一件事。 分工的理由通常有三个：上下文装不下、任务能并行、不同环节要不同专业知识。 编排的核心问题只有一个：下一步交给谁，上下文跟着谁走。

本站讲机制，不排名。文中提到的产品都链到各自的档案页——档案是事实源，这篇是视角。

先问一句：要不要多 agentFirst, do you need multi-agent?

多数「想上多 agent」的需求，单 agent 加对工具和提示词就能满足。 LangGraph 官方文档把这句话放在多 agent 篇的开头：

"However, not every complex task requires this approach— a single agent with the right (sometimes dynamic) tools and prompt can often achieve similar results."

开发者想要多 agent，通常真实想要的是三种能力之一： 上下文管理、并行化、多人分头开发。 后两个是好理由；第一个要先确认「上下文真的装不下」， 因为拆错的代价比不拆大。

四种主流形态Four common shapes

LangGraph 把市面上的多 agent 实现归成四类模式。

Subagents（子 agent 当工具）：主 agent 把子 agent 当工具调用， 路由全部经过主 agent，由它决定何时调用哪个。 LangGraph 与 Google ADK 都属这一形态。

ADK 官方原文："ADK automatically generates weather_checker and flight_booker delegation tools"—— 协调 agent 声明 SubAgents 后，委派工具以各子 agent 命名。 子 agent 干完活，控制权自动回到协调 agent。

Handoffs（交接）：当前 agent 把对话整个移交给下一个 agent。 OpenAI Agents SDK 的官方定义是 "Handoffs allow an agent to delegate tasks to another agent"。 交接在模型眼里是一个工具：移交 refund agent 的工具就叫 transfer_to_refund_agent。

CrewAI 官方原文：hierarchical 进程下 "Tasks are not pre-assigned; the manager allocates tasks to agents based on their capabilities, reviews outputs, and assesses task completion"。 manager 动态分派、复核输出、判断是否完成，近似 Anthropic 的 orchestrator-workers。

Router（路由）：一步分类，把输入导给专门的 agent，再合成回答。 它和 Anthropic 写的 routing 模式同源：先分类，再走专门路径。

自定义工作流：把编排画成图，确定性和 agent 行为混排。 适合流程本身需要被代码约束的场景——哪步必须拦、哪步可并行，写死在图里。

四种形态对照：

交接时，上下文跟着谁走Whose context follows a handoff

这是编排里最容易被忽略、出事最多的一点。

OpenAI 官方原文："the new agent takes over the conversation, and gets to see the entire previous conversation history"。 也就是说，交接发生时默认全量历史跟走。 要改，用 input_filter 过滤，或用运行配置控制交接历史的嵌套方式。

ADK 的协作模式还多一层选择，子 agent 可配成三种模式：

• chat（默认）：可与用户来回。
• task：可追问用户，做完自动还回控制权。
• single_turn：单轮执行，做完即回。

官方特意提醒：这个模式只给子 agent 用，根 agent 不要配。

CrewAI 的 sequential 进程则是另一极：任务按列表顺序跑， 上一个任务的输出作为下一个的上下文。 可控，但不够灵活。

失败模式Failure modes

上下文逐级膨胀。 每交接一次默认带上全量历史， 多跳之后提示词被历史撑爆，成本和延迟一起涨。 拆 agent 的初衷（省上下文）反而没了。

职责重叠或留空。 两个 agent 都以为某件事归对方， 或者某件事谁都不接。 Anthropic 的建议是从简单做起：先优化单次调用，不够再叠加多步系统。

错误复合。 单 agent 出错还能原地重试； 多 agent 一环错、环环错，且更难定位是哪一环开始的。 Anthropic 官方原文："The autonomous nature of agents means higher costs, and the potential for compounding errors."

怎么选Choosing a shape

一个够用的判断顺序：

1. 单 agent 加工具能解决吗？能，就停在这里。 2. 任务能被清楚切成固定几步？能，走顺序流程（CrewAI sequential、Anthropic 的 prompt chaining）。 3. 输入有明确类别、各类差异大？走 Router / routing。 4. 子任务无法预先枚举、要动态拆？走 orchestrator-workers 或 Subagents。 5. 需要人审关键节点？在自定义工作流里加人工检查点。

拆错比不拆贵。拆之前先想清楚： 每个 agent 各自的上下文里应该有什么、不应该有什么。

出处Sources

核验快照：2026-10-20 · 本站不实测、不排名，未知就写未知。Verification snapshot: 2026-10-20 · no benchmarks, no rankings — unknown stays unknown.