Multi-Agent System
多智能体系统（Multi-Agent System，MAS）是由多个自主智能体组成的计算系统，各智能体能够感知环境、独立决策并相互通信与协作。该架构广泛应用于人工智能、分布式计算和机器人等领域，通过智能体间的协调与交互，实现单一智能体难以完成的复杂任务。其核心特征包括智能体的自主性、系统的分布式结构以及智能体间的动态交互机制。
核心事实
时间轴 (近 90 天)
多Agent系统的交互方式通常分为中心化编排和去中心化协商两种范式
同时调用多个专家会导致Token消耗成倍增长，总Token消耗会随专家数量线性甚至超线性增长
多代理并行执行时Token消耗率远高于单一对话场景
传统MAS中的智能体之间的通信依赖FIPA ACL、KQML等标准化通信协议
多智能体系统中多个具有局部知识的智能体通过交互产生超越个体能力总和的集体智能，这种现象被称为涌现
多功能集成意味着单项性能不如专业单品，追求极致照明或专业破窗性能的人应选专用工具
多智能体架构中Orchestrator Agent负责任务拆解与进度追踪，Worker Agent各司其职（如Search Agent检索、Critic Agent校验、Writer Agent输出合并）
在多Agent并行编排中，任务分解粒度过粗导致单个Agent上下文过载，粒度过细则产生大量协调开销
多智能体协作通常通过编排者-执行者模式实现，一个主控Agent负责任务分解与调度
多智能体系统的概念源于分布式人工智能领域，近年来随大模型普及获得全新工程实践形态
还有 1 条时间轴事件
全部知识事实 (17)
AI行业正在从单纯追求模型能力转向又快又强的务实路线
90%已验证多Agent系统（Multi-Agent System, MAS）起源于分布式人工智能领域
80%已验证多智能体协作通常通过编排者-执行者模式实现，一个主控Agent负责任务分解与调度
65%已验证多智能体系统由多个协作的AI实体组成，通过消息传递或共享状态进行协调
65%已验证多智能体系统（MAS）是分布式人工智能领域的经典研究方向，最早可追溯到上世纪80年代
65%已验证Multi-Agent System（多智能体系统）是当前AI领域最前沿的研究方向之一，不同专业Skills的Agent可以像企业职能部门一样分工协作
80%待验证多Agent串联形成完整工作流是当前AI应用从工具走向系统的发展方向
80%待验证多Agent系统的速度瓶颈主要来自Agent间通信开销、任务调度复杂性和API调用并发限制三个方面
80%待验证多功能集成意味着单项性能不如专业单品，追求极致照明或专业破窗性能的人应选专用工具
75%待验证多Agent系统的交互方式通常分为中心化编排和去中心化协商两种范式
50%待验证同时调用多个专家会导致Token消耗成倍增长，总Token消耗会随专家数量线性甚至超线性增长
50%待验证多代理并行执行时Token消耗率远高于单一对话场景
50%待验证传统MAS中的智能体之间的通信依赖FIPA ACL、KQML等标准化通信协议
50%待验证多智能体系统中多个具有局部知识的智能体通过交互产生超越个体能力总和的集体智能，这种现象被称为涌现
50%待验证多智能体架构中Orchestrator Agent负责任务拆解与进度追踪，Worker Agent各司其职（如Search Agent检索、Critic Agent校验、Writer Agent输出合并）
50%待验证在多Agent并行编排中，任务分解粒度过粗导致单个Agent上下文过载，粒度过细则产生大量协调开销
50%待验证多智能体系统的概念源于分布式人工智能领域，近年来随大模型普及获得全新工程实践形态
50%