近期观察到从 Claude 那篇构建 deep research 的多 agent 架构文章开始，到 Claude Code @claudeai 的 sub agent 协作，再到最近 manus @ManusAI_HQ 上线的 wide research 背后同时可以实在几百个 sub agent 的趋势来看，多智能体架构目前比较确定的趋势是一个主 agent 负责控制调度，安排各个 sub agent 执行任务，同时汇总 sub agent 的结果，合并后再调用一些 tool 按要求输出内容。这样做的好处是可以保证一个长且复杂的任务完整生命周期过程中的重要信息不丢失，且对应的 sub agent 只拿到它需要的上下文就行了，避免了多 agent 协作时上下文信息爆炸的问题。我对 sub agent 的理解是具有 ai agent 的最小能力但只完成某一类特定任务，这样的好处是减小整体 agent 架构所需要的总 token,减小信息同步，短平快的处理给多 agent 高并发带来了可能性，性能显而易见的提升了，我们以后体验到的长任务会越来越快。当然，工程层面需要非常多的优化，不然很容易造成巨量的 token,上下文溢出，任务失败等问题。这应该是软件架构师们非常熟悉的味道了，类似于传统软件的微服务架构，k8s 的 controler-node 架构，有非常多的问题只有在上量了之后才会出现，会提前进行架构设计优化，一个接一个的工程巧思，设计模式。只要是人参与交互和设计，到软件和工程层面都需要解决类似的问题。所以对 AI Agent 而言，这是一个好的开始！

🔍 多智能体架构趋势：一个主 agent 控制调度，安排各个 sub agent 执行任务，汇总结果并调用 tool 输出内容，保证信息不丢失，避免上下文爆炸。

⚙️ sub agent 理解：具有 AI agent 的最小能力，完成特定任务，减小 token 消耗，降低信息同步，提升多 agent 高并发性能，使长任务处理更快。

🛠️ 工程优化：需要大量优化，避免 token 巨量、上下文溢出、任务失败等问题，类似于传统软件的微服务架构和 k8s 的 controler-node 架构，需要提前进行架构设计优化。

🌳 软件架构师熟悉：多智能体架构面临的问题与软件架构师熟悉的微服务架构和 k8s 的 controler-node 架构类似，需要工程巧思和设计模式解决。

🚀 AI Agent 好开始：多智能体架构的这些挑战和优化需求，标志着 AI Agent 迎来了上量阶段，是一个好的开始！

一支烟一朵花 2025-08-07 09:34 上海

近期观察到从 Claude 那篇构建 deep research 的多 agent 架构文章开始，到 Claude Code @claudeai 的 sub agent 协作，再到最近 manus @ManusAI_HQ 上线的 wide research 背后同时可以实在几百个 sub agent 的趋势来看，

多智能体架构目前比较确定的趋势是一个主 agent 负责控制调度，安排各个 sub agent 执行任务，同时汇总 sub agent 的结果，合并后再调用一些 tool 按要求输出内容。

这样做的好处是可以保证一个长且复杂的任务完整生命周期过程中的重要信息不丢失，且对应的 sub agent 只拿到它需要的上下文就行了，避免了多 agent 协作时上下文信息爆炸的问题。

我对 sub agent 的理解是具有 ai agent 的最小能力但只完成某一类特定任务，这样的好处是减小整体 agent 架构所需要的总 token,减小信息同步，短平快的处理给多 agent 高并发带来了可能性，性能显而易见的提升了，我们以后体验到的长任务会越来越快。

当然，工程层面需要非常多的优化，不然很容易造成巨量的 token,上下文溢出，任务失败等问题。

这应该是软件架构师们非常熟悉的味道了，类似于传统软件的微服务架构，k8s 的 controler-node 架构，有非常多的问题只有在上量了之后才会出现，会提前进行架构设计优化，一个接一个的工程巧思，设计模式。

只要是人参与交互和设计，到软件和工程层面都需要解决类似的问题。

所以对 AI Agent 而言，这是一个好的开始！

跳转微信打开