多 Agent 架构（Multi-Agent Architecture）
核心目标
单个 Agent 有上下文窗口限制、角色混乱、并发瓶颈三大天花板。
多 Agent 架构的本质：把一个复杂任务拆分给多个"专职 Agent"，
每个 Agent 只干自己擅长的事，最终由某种协调机制整合结果。
一、为什么需要多 Agent？
问题：让一个 Agent 又搜索、又写代码、又做数学、又写报告 ------
上下文爆炸、prompt 臃肿、角色边界模糊、错误难定位。
解法：分工。类比公司组织结构：
- 研究员 负责查资料
- 程序员 负责写代码
- 审核员 负责检查结果
- 经理 负责任务分配与汇总
核心收益：
- 每个 Agent 的 system prompt 短而精准 → 更好的表现
- 可并行执行互相独立的子任务 → 更快
- 失败隔离：一个 Agent 出错不影响其他 Agent
- 可组合复用：研究员 Agent 可以被多个工作流复用
二、四种核心架构模式
1. Pipeline（流水线）
A → B → C → D
上一个 Agent 的输出是下一个 Agent 的输入，串行执行。
适合：步骤有严格依赖顺序的任务（搜索→摘要→翻译→发布）
示意：
research_agent → summary_agent → translate_agent2. Supervisor（监督者）
Supervisor
/ | \
Agent_A Agent_B Agent_CSupervisor 是一个"路由 Agent"，决定调用哪个子 Agent，
并汇总所有结果返回给用户。
适合：用户请求类型多样，需要分类分发的场景（客服系统）
3. Parallel（并行）
Coordinator 同时启动多个 Agent，等待所有结果后合并。
┌─ Agent_A ─┐
├─ Agent_B ─┤ → Aggregator → 最终结果
└─ Agent_C ─┘适合：子任务互相独立，速度优先（同时分析三个竞品）
4. Hierarchical（层级）
上级 Agent 可以把任务委托给下级 Agent，下级还能再往下委托。
适合：非常复杂的任务，需要递归分解（大型软件项目）
三、Agent 之间如何通信？（关键概念）
多 Agent 系统里"通信"本质上就是消息传递：
方式一：共享状态（Shared State）
- 所有 Agent 读写同一个 state dict
- 优点：简单直接；缺点：需要协调访问顺序
方式二：消息传递（Message Passing）
- Agent 之间发送结构化消息（通常是 HumanMessage/AIMessage）
- LangGraph 用的就是这种方式（下节课重点）
方式三：Handoff（移交）
- 一个 Agent 完成后，把控制权"交给"另一个 Agent
- 第 65 课专讲这个模式