多智能体不是银弹。把一个问题拆给多个 agent，在顺序推理类任务上可能让效果掉 39% 到 70%，因为分解本身会引入协调成本。所以动笔之前先想清楚：单 agent 的失败模式是什么、卡在哪，再决定要不要引入第二个 agent。这篇讲多智能体协作里真正决定成败的几个选择：编排模式、状态共享、子 agent 的隔离，以及最常踩的坑。
四种编排模式
市面上的多智能体框架五花八门，但编排模式基本就是四种的组合。
Orchestrator/Workers：一个中心 agent 拆任务、派给专家 agent、汇总结果。LangGraph 的 supervisor、OpenAI 的 agent-as-tool 都是这个形态。Handoff Chain：agent A 完成自己的阶段后，把控制权和上下文整体转交给 agent B，没有中心协调者，OpenAI 的 handoffs、LangGraph 的 conditional edges 是这个形态。Parallel Fan-Out：多个 agent 在互不依赖的子任务上并行跑，最后 gather 合并，比如 Claude Code 的并行 Task 调用。Peer Mesh：agent 直接互相发现、互相调用，没有中心，最灵活也最难调试，A2A 协议（HTTP + 签名的 Agent Card）是这个方向的代表。
经验法则是从最简单的开始：一个 orchestrator 带两个 worker 能覆盖大多数场景，只有在观察到真实瓶颈时才加复杂度，而不是预判性地堆。
共享状态，还是消息传递
这是多智能体架构里最重要的一个决定，而直觉往往是错的——人会照着人类协作的样子去设计"agent 发消息、协商、澄清"的聊天网络，但那是慢、贵、又脆弱的。
| 维度 | 消息传递 | 共享状态 |
|---|---|---|
| token 成本 | 每次交换都复制上下文 | 每个 agent 只读自己需要的 |
| 延迟 | agent 之间串行往返 | 各自在最新状态上独立工作 |
| 调试 | 从散落的对话日志重建 | 单一事实源，随时可查 |
| 容错 | 丢一条消息就断链 | 重读当前状态即可重试 |
| 扩展 | O(n²) 消息路径 | O(n) 状态读写者 |
agent 不互相说话，而是读状态、写状态——文件系统、session dict、图状态、数据库都行。设计围绕数据流，而不是对话流。决定暴露什么状态、何时持久化、怎么限定访问范围，这比调 inter-agent 提示词重要得多。
子 agent 的隔离
拆分的意义在于边界。一个子 agent 如果继承了父 agent 的全部历史、工具集和权限，那它就不是子 agent，只是"换了个名字、换了个空上下文窗口的父 agent"，爆炸半径一模一样。隔离要从 spawn 那一刻定义死：
- 独立上下文窗口，不继承父历史，只传子任务相关的东西。
- 受限工具集，每个子 agent 显式 allowlist，默认拒绝——研究 agent 不该能写文件系统，部署 agent 不该能搜网页。
- 定义好的返回格式，子 agent 返回结构化数据而非自由文本，输出 schema 让 orchestrator 的汇总变成确定性的。
- 可选模型覆盖，按任务复杂度匹配模型：triage agent 用小而快的模型，reviewer 用推理模型。
上下文隔离和模型选择是容易的部分，工具注册表的隔离才是承重墙。
通信协议
两个协议各管一段。MCP 管 agent 与工具之间：JSON-RPC 2.0 over stdio 或 Streamable HTTP，做通用工具发现与调用。A2A 管 agent 与 agent 之间：agent 在 /.well-known/agent-card.json 发布签名的 Agent Card，跨框架、跨系统地握手。选型时记住一个边界：同进程内的协作用框架原生的共享状态就够，跨系统、跨公司的协作才需要 A2A 这种带身份和签名的协议。
常见误区
第一个误区是无限委派循环——两个 agent 把同一个任务来回传、永不终止。对策是 hop 限制和 supervisor 显式的终止条件。第二个误区是上下文漂移——管线第五个 agent 不记得第一个 agent 为什么做了那个早期决定。对策是结构化状态对象显式传递关键决策。第三个误区是"人人都客气"——reviewer agent 倾向于赞同 author agent，文献里 LLM-as-judge 的一致报告是批判型角色的分歧比预期弱。对策是显式要求对抗性批判，或者给 critic 换一个不同的模型。第四个误区是协调开销吞掉收益——agent 间的通信 token 可能超过各自的推理 token。对策是结构化消息而非自由聊天，agent 到 agent 用协议而非广播。最后一个误区是忘了超时——生产环境每个 agent 都要有显式超时，外加一个 supervisor 或 watchdog 监控进度，否则一个 agent 卡死，整个系统就跟着卡死。