单 Agent 与多 Agent
比较一个 Agent 统一处理与多个专业 Agent 分工的收益、成本和控制方式。
学习目标
- 能说明单 Agent 与多 Agent解决什么问题,以及何时适用。
- 能解释为什么“为展示复杂度而多 Agent”是误区。
学习前需要掌握
背景与问题
多 Agent 能缩小每个角色的上下文,却会增加路由、状态同步、延迟、成本和失败组合。
概念定义
单 Agent 由一个活动决策主体完成流程;多 Agent 把任务分给多个具有不同指令或工具的 Agent。
直观理解
单人完成沟通少;团队分工专业,但需要负责人、交接标准与共享记录。
核心原理
只有任务可清晰分解且专业化收益大于协调成本时才应增加 Agent。
并行适合相互独立的子任务;存在数据依赖的步骤应顺序执行。
Manager 保留最终控制,Handoff 则把会话控制转给专家。
理解与实践步骤
- 1
评估任务是否可分解
- 2
定义每个角色的输入输出
- 3
选择 Manager、Handoff 或并行
- 4
聚合并验证结果
- 5
记录跨 Agent 轨迹
代码实现
示例 1
Manager 并行调用两个专业 Agent
example_01.py用途:展示独立子任务并行和 Manager 聚合的边界;代码遵循 Agents SDK 当前 Agent/run 基本结构。
import { Agent, run } from '@openai/agents';
const evidenceAgent = new Agent({
name: 'Evidence reviewer',
instructions: 'Return claims with supporting evidence only.',
});
const riskAgent = new Agent({
name: 'Risk reviewer',
instructions: 'List security and reliability risks.',
});
const task = 'Review this local design summary.';
const [evidence, risks] = await Promise.all([
run(evidenceAgent, task),
run(riskAgent, task),
]);
const managerInput = JSON.stringify({
evidence: evidence.finalOutput,
risks: risks.finalOutput,
});
console.log(managerInput);代码解析
解析始终位于完整代码下方,并按实际代码段逐项对应。
输入数据与任务
展示独立子任务并行和 Manager 聚合的边界;代码遵循 Agents SDK 当前 Agent/run 基本结构。
Step 1 · 1–1 行
导入当前步骤需要的数值计算、预处理、模型或评价工具。依赖集中写在代码开头,便于复现。
import { Agent, run } from '@openai/agents';Step 2 · 3–10 行
每个 run 有自己的 Agent 指令和结果。
const evidenceAgent = new Agent({
name: 'Evidence reviewer',
instructions: 'Return claims with supporting evidence only.',
});
const riskAgent = new Agent({
name: 'Risk reviewer',
instructions: 'List security and reliability risks.',
});Step 3 · 12–16 行
聚合数据先结构化;真实 Manager 还应验证证据、处理失败与限制敏感信息。
const task = 'Review this local design summary.';
const [evidence, risks] = await Promise.all([
run(evidenceAgent, task),
run(riskAgent, task),
]);Step 4 · 18–22 行
执行当前代码段,并把得到的状态传给下一步。
const managerInput = JSON.stringify({
evidence: evidence.finalOutput,
risks: risks.finalOutput,
});
console.log(managerInput);预期输出或运行结果
包含 evidence 与 risks 两个字段的 JSON 字符串;内容取决于所配置模型。
常见错误 · 2 条
- 为展示复杂度而多 Agent
- 多个 Agent 共享过多敏感上下文
实际应用
- 研究分工
- 多领域客服
常见错误
本地交互演示
单 Agent / 多 Agent 对照
多 Agent 只有在分工收益大于协调成本时才更合适。
状态简单;协调开销低专业上下文较大;复杂任务易拥挤官方来源与时效
资料记录日期:2026-08-30(不代表已逐项核验)。产品能力、SDK 参数和协议状态可能变化,请以链接页面的当前版本为准。
推荐学习资料
参考库不会生成虚假资源或无效外部链接。