Agent 开发应该如何选择单智能体架构与多智能体架构？

1. 单智能体：默认起点

单智能体是默认起点。LangChain 的明确建议是：从单个 Agent 加良好的提示工程开始，一个提示得当、配少量工具的 LLM 就能解决相当大一部分真实问题；需要新能力时应先加工具，因为加工具比把推理拆分到多个 Agent 更便宜也更容易调试。

2. 升级为多智能体的明确信号

只有当出现明确的架构边界时才升级为多智能体，主要信号包括：上下文溢出（单个 Agent 难以承载所需信息量）、能力过载（工具与职责过多导致选择困难）、以及团队边界（不同团队负责不同能力域，需独立演进）。

3. 多智能体的真实代价

多智能体的代价是真实的：上下文需显式跨 Agent 传递（子 Agent 不继承主 Agent 历史）、协调开销增加、故障面扩大、调试链路变长。因此若单 Agent 尚未触及上述限制，拆分为多智能体属于过度设计。

4. 与多步骤工作流的边界区分

需要区分的是"多智能体"与"多步骤工作流"：若子 Agent 的分派规则由代码预先固定、每步路径确定，本质仍是 Workflow；若主 Agent 在运行时基于已知信息动态决定拆分与委派，才属于多智能体编排。判断依据是"谁来决定拆分"，而非"是否有子 Agent"。