在構(gòu)建 AI Agent 的時(shí)候，是不是感覺(jué)當(dāng)工具和業(yè)務(wù)場(chǎng)景一多，單個(gè)Agent就越來(lái)越“笨”，越來(lái)越不好維護(hù)？這幾乎是所有開(kāi)發(fā)者的共同痛點(diǎn)。

怎么解決？多智能體（Multi-Agent）架構(gòu)是目前最主流的方向。但問(wèn)題又來(lái)了，多智能體架構(gòu)有好幾種，比如 Swarm、Supervisor... 到底哪種更好用？

LangChain 官方親自下場(chǎng)，扒了扒幾個(gè)主流的多智能體架構(gòu)，并發(fā)布了一份超詳細(xì)的性能評(píng)測(cè)報(bào)告。今天，我們就來(lái)深度解讀一下這份報(bào)告，看看官方的結(jié)論是什么，以及我們到底該如何選擇。

三大主流架構(gòu)

首先，我們得認(rèn)識(shí)一下這次評(píng)測(cè)的三位“選手”：

1. 單智能體 (Single Agent):一個(gè) Agent 掌握所有工具和指令，獨(dú)自處理所有任務(wù)。這是評(píng)測(cè)的baseline。
2. 群聊模式 (Swarm):每個(gè)子智能體都知道彼此的存在，可以直接“接力”工作。誰(shuí)拿到控制權(quán)，誰(shuí)就負(fù)責(zé)干活，直到它把任務(wù)交棒給下一個(gè)。
3. 主管模式 (Supervisor):一個(gè)中心化的“主管”Agent 負(fù)責(zé)接收用戶(hù)需求，然后把任務(wù)分配給相應(yīng)的“員工”子智能體。員工干完活，必須把結(jié)果匯報(bào)給主管，只有主管能跟用戶(hù)溝通。

LangChain評(píng)測(cè)

LangChain 的實(shí)驗(yàn)設(shè)置方式是，他們?cè)谝粋€(gè)真實(shí)的零售場(chǎng)景任務(wù)基礎(chǔ)上，故意加入了家居、醫(yī)療、汽車(chē)等多個(gè)無(wú)關(guān)的干擾領(lǐng)域，每個(gè)領(lǐng)域都有一堆工具和知識(shí)。目的就是為了看看在復(fù)雜、充滿噪音的環(huán)境下，哪個(gè)架構(gòu)最能打。

直接來(lái)看結(jié)果。

性能得分：?jiǎn)误w智能體，卒

結(jié)論非常清晰：隨著干擾domain增多，單智能體的性能出現(xiàn)了斷崖式下跌。 當(dāng)有兩個(gè)以上的干擾域時(shí)，它基本就廢了。

而 Swarm 和 Supervisor 架構(gòu)則表現(xiàn)出了極強(qiáng)的魯棒性，性能基本不受影響。這證明了在復(fù)雜場(chǎng)景下，多智能體架構(gòu)的必要性。有趣的是，Swarm 的表現(xiàn)略微優(yōu)于 Supervisor。

成本（Tokens）：主管模式有點(diǎn)“啰嗦”

從成本看，單智能體的 Token 消耗隨著干擾增多而線性爆炸。而 Swarm 和 Supervisor 則非常穩(wěn)定。

但這里也能看到，Supervisor 的成本始終高于 Swarm。為什么呢？

其實(shí)很容易理解，在 Supervisor 模式里，子智能體不能直接和用戶(hù)說(shuō)話，所有信息都得經(jīng)過(guò)主管“轉(zhuǎn)述”一遍。這一來(lái)一回，不僅增加了 Token 消耗，還可能因?yàn)橹鞴艿摹稗D(zhuǎn)述”而出錯(cuò)，這也是它性能稍低于 Swarm 的原因。

被“優(yōu)化”過(guò)的Supervisor 架構(gòu)才是完全體

所以，是不是覺(jué)得 Supervisor 架構(gòu)又貴又容易出錯(cuò)，不如 Swarm 好呢？

LangChain 表示， Supervisor 初始版本，性能爛到爆。但是經(jīng)過(guò)一系列優(yōu)化之后，可以獲得更好的結(jié)果！ 下圖的 old_supervisor 是初始版本。

最后，如何讓 Supervisor 架構(gòu)變得好用？

主要做了三件事：

• 移除交接消息， 主管在分配任務(wù)時(shí)，會(huì)產(chǎn)生一些路由邏輯和決策信息。在初始版中，這些信息會(huì)一股腦塞給子智能體。優(yōu)化后，這些“廢話”被移除，子智能體的上下文變得干凈，讓它能更專(zhuān)注于核心任務(wù)。
• 增加“轉(zhuǎn)發(fā)”工具，為了解決傳輸?shù)膿p耗問(wèn)題，他們給了主管一個(gè) forward_message 工具。當(dāng)子智能體生成了完美的回復(fù)后，主管可以直接調(diào)用這個(gè)工具“原文轉(zhuǎn)發(fā)”，而不是自己去復(fù)述一遍，大大減少了信息失真。
• 優(yōu)化工具命名， 主管分配任務(wù)本質(zhì)上也是一種 Tool Calling。他們測(cè)試了不同的工具命名方式（比如??delegate_to_agent?? vs??transfer_to_agent??），選擇了最不容易產(chǎn)生歧義的表達(dá)。

這些優(yōu)化，已經(jīng)集成到了langgraph-supervisor 包里。https://github.com/langchain-ai/langgraph-supervisor-py

最后

總結(jié)一下：

在需要擴(kuò)展和應(yīng)對(duì)復(fù)雜場(chǎng)景時(shí)，單智能體模式是非常脆弱的，可以嘗試多智能體架構(gòu)，可擴(kuò)展性、可維護(hù)性和魯棒性上優(yōu)勢(shì)巨大。

Supervisor 是最通用、最靈活的架構(gòu)， 雖然 Swarm 看起來(lái)性能和成本更好，但它要求每個(gè)子智能體都互相知曉，這在接入第三方Agent或構(gòu)建復(fù)雜系統(tǒng)時(shí)幾乎不可能。而 Supervisor 架構(gòu)對(duì)子智能體的要求最低，耦合度也最低，最具普適性。

本文轉(zhuǎn)載自????????探索AGI????????，作者：獼猴桃