- 综合排序
- 最热优先
- 最新优先
Multi-Agent多智能体协作系统：架构原理、框架选型与实战指南
Multi-Agent多智能体协作系统：架构原理、框架选型与实战指南当前AI应用开发正经历一次范式转变：从依赖单一模型的多轮对话，转向多个智能体协同工作的Multi-Agent架构。 Multi-Agent架构的核心思路是让多个具备不同专业能力的AI智能体像团队一样分工协作，自动完成复杂任务链。 本文将从架构原理、协议标准、框架选型到生产部署，完整拆解Multi-Agent系统的技术内核。一、什么是Multi-Agent？为什么2026年是爆发元年？ 从单打独斗到团队协作理解Multi-Agent之前，先搞清楚什么是Agent（智能体）。简单说，Agent = LLM + 感知 + 规划 + 工具调用 + 记忆。 实际项目中，一个Agent通常配备3-8个工具，数量过多会导致模型在选择时产生混淆。
3.7K20编辑于 2026-04-02- 来自专栏AI SPPECH
110：Multi-Agent协作安全机制：构建可靠的多智能体系统
Multi-Agent攻击防护 6.1 恶意智能体检测 6.2 防御策略 7. Multi-Agent数据安全 7.1 数据分类与保护 7.2 安全数据共享 8. 实际应用案例 10.1 金融领域的Multi-Agent安全系统 10.2 医疗领域的Multi-Agent协作系统 10.3 智能制造领域的Multi-Agent系统 11. 然而，随着Multi-Agent系统的广泛应用，其安全问题也日益凸显。 Multi-Agent协作安全机制涉及多个层面的挑战：智能体之间的通信安全、权限管理、信任建立、攻击防护等。 本文将深入探讨Multi-Agent协作安全的核心概念、技术挑战、防御策略以及实际应用案例，为构建安全可靠的Multi-Agent系统提供全面的指导。 2. 结论与建议 12.1 核心结论 Multi-Agent协作安全是系统可靠性的关键 安全的通信、权限管理和信任建立是Multi-Agent系统正常运行的基础 多层次的安全防护体系能够有效应对各种安全威胁
24910编辑于 2026-04-14 - 来自专栏有文化的技术人
从单兵作战到群智协作：Multi-agent 架构演进与思考
❝当一个 Agent 不够用时，你需要的不是更强的模型，而是更好的协作架构。❞ 写在前面 大模型时代，单个 Agent 能做的事情越来越多——搜索、写代码、分析数据、调用 API。 它的核心思想很简单：「让不同的 Agent 各司其职，通过某种协作机制共同完成复杂任务」。 但"协作机制"这四个字背后，藏着大量的设计决策。 一、三种基础模式：几乎所有框架都绕不开 纵观当前主流 Agent 框架（OpenAI Swarm、LangGraph、AutoGen、CrewAI 等），多 Agent 协作的基础模式可以归纳为三种。 1.3 Swarm / Peer-to-Peer（去中心化群体协作） 「一句话概括」：没有中心控制者，每个 Agent 自主决定下一步找谁，像一群人自由讨论。 AutoGen」 GroupChat + Selector 多 Agent 对话，支持人类参与 对话协议 + Tool 「CrewAI」 Sequential / Hierarchical 角色化，最接近人类团队协作
25710编辑于 2026-04-09 【Multi-agent实战】教你如何用Multi-agent分析开源Github项目
下一步就是把它们塞进 Multi-Agent 工作流里。 print(final_state["report_markdown"]) # 你也可以直接写入文件 with open("exp_report.md", "w", encoding="utf-8" 如果你把这套东西写进简历 / 博客，面试官很可能会问：你为什么要用 Multi-Agent / LangGraph，而不是一个脚本搞定？Multi-Agent 带来的真实价值是什么？ 5.2 Multi-Agent 真正带来的东西？流程显式化：Config / Train / Eval / Viz / Report 都是独立节点；修改任意一环不影响其他节点。 统一入口：上层只需要给一段自然语言： “帮我跑一个跨数据集 baseline”Multi-Agent 工作流负责把这段话变成真正的可执行实验计划。
50720编辑于 2025-11-23- 来自专栏架构驿站
Multi-Agent ，知多少？
在 Multi-Agent 系统架构中，由众多独立自治的智能体代理组成，它们拥有各自独特的领域知识、功能算法和工具资源，可以通过灵活的交互协作，共同完成错综复杂的决策任务。 与单一代理系统将所有职责高度集中在一个代理身上不同， Multi-Agent 系统则实现了职责和工作的模块化分工，允许各个代理按照自身的特长和专长，承担不同的子任务角色,进行高度专业化的分工协作。 Multi-Agent 系统参考架构示意图 Multi-Agent 系统凭借其先天的分布式协作、异构智能融合、模块化扩展、容错鲁棒等独特优势，正逐步展现出在诸多传统行业和复杂应用场景中的革命性影响力和巨大变革潜能 在制造业和机器人应用方面，Multi-Agent 系统能够高效整合规划、控制、执行、监测等异构智能模块，使机器人系统拥有更高的自主性和适应性，在动态复杂的生产车间环境中可实现高效协作和随机应变，实现人机物的有机融合 医疗健康系统作为典型的复杂场景，Multi-Agent 系统可将疾病诊断、治疗方案制定、患者健康管理等环节分而治之，由不同的专家代理分工协作，通过整合医疗知识库、个人健康数据等异构信息源，为患者提供更加精准的个性化诊疗方案
2K10编辑于 2024-11-01 【Multi-agent实战】LangGraph 实现可视化的科研 Multi-Agent实战项目
用 【Multi-agent实战】LangGraph 实现可视化的科研 Multi-Agent实战项目✍ 前言上一篇我们搞了一个「科研 Multi-Agent 小队」：Supervisor 当老板；PaperHunter 这一篇，我们就把上一篇的科研 Multi-Agent —— 迁移到 LangGraph 上，用“图”的方式组织 Agent。 一、为什么要用 LangGraph 来做 Multi-Agent？ 六、面经角度：围绕 LangGraph + Multi-Agent 怎么吹？给你几段可以直接背的回答。Q1：你在项目里是怎么管理 Multi-Agent 的流程的？为什么选 LangGraph？ Q3：如果后续要在这个科研 Multi-Agent 里加入“在线强化学习 / 评分器调整策略”，LangGraph 还能 hold 住吗？ 节点粒度 和 显式图结构 来解决：planning 幻觉；粒度太碎 / 太粗；顺手准备了几个关于 LangGraph + Multi-Agent 的面经回答
97210编辑于 2025-11-22【Multi-Agent实战】如何用 LangChain 打造一个 Multi-Agent 实战项目
【Multi-Agent】一、如何用LangChain打造一个Multi-Agent实战项目这篇就是给已经玩过LangChaintools+Agent的同学看的进阶篇：你已经玩过time/weather 这种自定义工具；也看过AgentType.CHAT_ZERO_SHOT_REACT_DESCRIPTION一路Thought/Action/Observation的DebugLog；但一到Multi-Agent /AI团队协作，就会有点懵：一、先把概念掰开：单AgentvsMulti-Agent1.1单Agent：一个人又要算日期又要查天气还要写代码你现在的Demo结构本质上是这样的：用户问题↓一个Agent（ 1.2Multi-Agent：拆成“调度员+专家小组”更工程一点的想法是：既然人类解决问题是「项目经理+各种专家」的协作，那LLM也可以这么玩。
57110编辑于 2025-12-16- 来自专栏企鹅号快讯
VAIN：Attentional Multi-agent Predictive Modeling
VAIN: Attentional Multi-agent Predictive Modeling[J]. arXiv preprint arXiv:1706.06122, 2017.
1.3K70发布于 2018-01-09 【Multi-agent】智能科研助手实战项目
从 0 组建你的 AI 科研小队：Multi-Agent 帮你做文献调研 + 实验规划✍ 前言很多科研工作者肯定都吐槽过：「文献太多看不完、实验方案想不清楚、写总结又很痛苦。」 但反过来想：这些事情，其实都可以拆成一堆「标准化的小任务」，非常适合交给 Multi-Agent AI 科研小队 来做。 这篇就带你搞一个科研向 multi-agent 实战项目：场景： 想做一个「CLIP 在伪造检测 / 多模态安全」方向的小综述 + baseline 实验规划；目标： 让一组 Agent 帮你：自动搜集相关论文 于是，我们就可以设计一个 科研 Multi-Agent 小队： PaperHunterAgent：文献猎手 PaperAnalystAgent：论文分析师 ExperimentPlannerAgent：
70310编辑于 2025-11-22【Multi-Agent实战】如何用 LangChain 打造一个 Multi-Agent 实战项目
【Multi-Agent】一、如何用 LangChain 打造一个 Multi-Agent 实战 ✍ 前言 这篇就是给已经玩过 LangChain tools + Agent 的同学看的进阶篇： 你已经玩过 / AI 团队协作，就会有点懵： “到底是多个 Agent？ “Multi-Agent 和平时的 Tools 调用有什么本质区别？” 1.2 Multi-Agent：拆成“调度员 + 专家小组” 更工程一点的想法是： 既然人类解决问题是「项目经理 + 各种专家」的协作，那 LLM 也可以这么玩。 由 AI 团队内部协作给出回答。
2.3K10编辑于 2025-11-23- 来自专栏java一日一条
与开发团队高效协作的8个小技巧
这篇文章将分享8个使开发团队更高效合作的小技巧，从而提高创造成功产品的机会。 ? 1.管理产品，而不是团队 作为产品经理或产品所有者，要专注于你的工作，要管理产品而不是团队。 作为产品的负责人，你应该是开放和协作的，但同时又果决。目标是让开发团队建立共识，但不回避艰难的交互。不要满足于最小的共同点，能够在意见不能一致的时候勇于做出决定：伟大的产品不会因为是少数而服从多数。 8.全面参与会议（或不露面） 这似乎是一个微不足道的忠告，但是从客观上来说，我看到有不少人敷衍了事地参加开发团队的会议。
61410发布于 2018-09-18 【Multi-agent实战】 AI理财顾问实战项目
用 LangGraph 搭一个基金分析 Multi-Agent：给你打工人的「AI 理财顾问」✍ 前言上一篇我们用 LangGraph 搭了科研 Multi-Agent，这一篇换个更接地气的场景： “我每个月就能拿出 这就是一个很适合 Multi-Agent 的场景：把「信息搜集 → 指标计算 → 风险评估 → 资产配置建议 → 生成报告」 拆给不同的 Agent，最后 LangGraph 把流程编排成一张图。
65100编辑于 2025-11-22Multi-Agent 技术原理与落地场景全解析
当单个 AI 模型在复杂任务前显得力不从心 —— 比如既要检索文献又要撰写论文，既要处理数据又要生成报告，Multi-Agent（多智能体）技术应运而生。 PART 01 Multi-Agent 核心：不是 “多 AI 堆砌”，而是 “结构化协作” Multi-Agent 系统的本质，是让多个具备独立感知、决策、执行能力的智能体，通过预设规则或动态交互完成复杂任务 PART 02 主流协作模式：不同场景的 “组队方案” 根据任务需求，Multi-Agent 有五种典型协作模式，各有适配场景： 1. PART 03 落地场景：从学术到产业的 “协作革命” Multi-Agent 技术已在多个领域实现规模化应用，显著提升效率： 1. Multi-Agent 的核心不是技术的叠加，而是协作模式的创新。它让 AI 从 “单打独斗” 变成 “专业团队”，正在重塑我们解决复杂问题的方式。随着技术成熟，更多行业将迎来效率革命.
1.4K10编辑于 2025-12-31【Multi-agent实战】 AI论文秘书实战项目
这篇文章，我们不谈「怎么读论文」， 而是带你 从零搭一个论文精读 Multi-Agent 系统，让 LangGraph 来做这些事：帮你筛论文：从一堆候选中选出“值得精读 / 有复现价值”的；帮你结构化做笔记 我们先把「论文精读」拆到 Multi-Agent 的粒度：PaperCollector Agent（论文收集）输入：研究方向（例如 “generalizable deepfake detection” / “multi-agent RL for LLM”）输出：一组候选论文的元数据（标题、作者、年份、来源、链接）PaperTagger Agent（论文打标签）把每篇论文分到几个维度：任务类型：检测 / "- id: 论文 id\n" "- task_type: 任务类型（例如 detection / generation / representation / RL / multi-agent 文件 if final_state["summaries"]: with open("paper_research_report.md", "w", encoding="utf-8"
65400编辑于 2025-11-22- 来自专栏码
传统Workflow与Multi-Agent workflow的区别
这也就意味着，我们需要让我们的工作系统，既支持multi-agent workflow模式，也支持在传统workflow模式中把agent作为节点的能力。 multi-agent本身实际上也是一个复合agent，因此，也可以作为传统workflow的节点。
1.1K10编辑于 2024-06-12 Multi-Agent 系统正在杀死传统产品经理
他接着说："我们刚上线的Multi-Agent系统，8个AI智能体协作，15分钟就能完成一个产品经理一周的工作量。" ！ 可见，Multi-Agent系统正在重塑整个产品开发生态，而大多数产品经理还浑然不觉。 这种协作效率背后，是大语言模型的认知迭代。 每个AI智能体都具备理解、推理、执行的能力，它们不再是简单的工具，而是真正的"数字同事"。 它们之间的协作不是简单的任务分发，而是基于深度理解的智能协同！ 当AI开始质疑人类的专业性 Multi-Agent系统的核心武器是知识库，但这也是最让专业人士不安的地方。 越来越多的企业发现，Multi-Agent系统不仅能提高工作效率，还能带来质的提升。
15710编辑于 2026-02-02- 来自专栏强化学习专栏
【MARL】多智能强化学习测试环境：SMAC、MPE、PettingZoo等
SMAC（StarCraft Multi-Agent Challenge） 简介：SMAC 是基于实时战略游戏 《星际争霸II》 的一个多智能体强化学习平台。 MPE（Multi-Agent Particle Environment） 简介：MPE 是一个轻量级的多智能体粒子环境，智能体是无形的粒子，可以在二维平面中移动执行任务。 该环境特别适合测试智能体之间的沟通和协作能力。 特点： 测试智能体的协作和沟通策略。 支持有限的信息共享，适合复杂的决策场景。 适用任务：协作、信息共享。 链接：Hanabi 环境 8. MADRL (Multi-Agent Deep Reinforcement Learning) 简介：MADRL 是多智能体深度强化学习的经典环境集合，支持如捕食者-猎物等常见的多智能体任务。 以下是一些关键搜索词： SMAC Multi-Agent Particle Environment (MPE) PettingZoo Hanabi Learning Environment PyBullet
1.9K11编辑于 2024-12-03 - 来自专栏ApiPost接口测试
接口协作--apipost接口协作工具
接口协作 apipost支持接口在线协作编辑功能，打开apipost创业一个团队，在创建一个项目。 在把需要一起协作的人员添加到团队中 在进行项目编辑把需要进行协作的人员拉取到项目中 之后在进入项目创建接口就可以进行接口协作了 Apipost官方链接：https://console.apipost.cn
1.1K20编辑于 2022-05-24 - 来自专栏NLP/KG
多智能体强化学习算法【一】【MAPPO、MADDPG、QMIX】
我们提到的这些智能体大多是采用 on-policy 算法（例如 IMPALA[8]）训练得到的，这就意味着需要很高的并行度和庞大的算力支持，例如 OpenAI Five 消耗了 12.8 万块 CPU 论文选择了 3 个具有代表性的协作 Multi-agent 任务，之所以选择协作任务的一个重要原因是合作任务具有明确的评价指标，便于对不同的算法进行比较。 在 MPE 中有 3 个协作任务，分别是 Spread，Comm 和 Reference，如图 1 所示。 由于在实际训练 StarCraftII 任务的时候仅采用 8 个并行环境，而在 MPE 任务中采用了 128 个并行环境，所以图 5 的算法运行效率没有图 4 差距那么大，但是即便如此，依然可以看出 MAPPO InInternational Conference on LearningRepresentations, 2021. [8] Espeholt, L., Soyer, H., Munos, R.,
7.5K22编辑于 2022-12-21 Multi-Agent系统Harness Engineering架构的思考与实践
本文基于agent技术论文，社区agent工程分享，结合笔者近期multi-agent项目实践，提出一套“知识—编排—门控—治理”四层解耦设计、经验沉淀、持续治理的MASHarness设计架构,整理成文 从单agent到多agent，agent工程化难在哪里单agent(singleagent)和多agent(multi-agent)之争一直是学术界和工业界讨论的一个热点话题，但基本都默认一个前提：先从单 所我们可以看到强如opus4.6这样的模型，在使用multi-agent架构完成复杂任务上，也需要投入大量精力在Harness上。 这已经不是理论风险：2024年8月，SlackAI被通过RAG污染实现数据窃取；2025年，GitHubCopilot的CVE-2025-53773确认攻击者只需在公开仓库的代码注释里嵌入指令，就能让Copilot 门控层需要具备全局视角，对整个协作计划进行整体风险评估。
2.9K42编辑于 2026-03-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号