内容参考于：图灵AI大模型全栈
摘要：本文介绍多智能体系统（MAS）的核心概念。单个智能体能力存在上限，难以同时胜任需求、代码开发、测试等多类业务；多Agent系统通过为不同业务创建专职Agent并设定角色，组成完整团队协同完成任务。文中对比了单个Agent与多Agent的工作方式，并梳理了LangChain、LangGraph、OpenAI Agents SDK、AutoGen、CrewAI、DeepAgent等主流多智能体框架的定位与核心特点。
多Agent系统
多智能体系统，英文叫Multi-Agent System，简称MAS，单个智能体它的能力存在上限，如果让一个Agent做需求、代码开发、代码测试，它会把这三个业务（需求、代码开发、代码测试）看成是一个东西，会理解错，就会出现需求写错、代码写错、测试过程不正确的问题，来到现实正常来说一个人很难做好多个工作（我们国家的环境可能就是让一个做多个工作，但是实际上不合理，一个人的经历有限不可能完成多个工作），多Agent就是根据业务来创建Agent，有转本编写需求的Agent、专门根据需求写代码的Agent，有专门根据需求测试的Agent，就是给Agent设定不同的角色，然后组成一个完整的团队，就比如说京东商城，它就不可能让一个人开发，它是由很多人，负责不同的内容而开发出来的
多Agent就是让多个Agent互相合作，共同完成一个任务
如下图但Agent和多Agent
上图单个Agent，它又要查天气、查机票、规划路线、预算计算、生成攻略等，这个要是让一个人完成这些事情就很头疼上图多Agent，它根据查天气、查机票、规划路线、预算计算、生成攻略等业务创建对应的Agent，然后用一个管理员（主管）Agent来调度它们，这样这些业务可以同时进行就可以提升很大的效率，当干活的Agent做完业务就把结果汇总起来然后生成结果
多智能体框架
框架 定位 核心特点 LangChain Agent 开发框架 Tool、Prompt、Memory、Agent 抽象 LangGraph 多 Agent Runtime Graph + State + Workflow OpenAI Agents SDK Agent 编排框架 Handoff、多 Agent 协作 AutoGen 多 Agent 协作框架 Agent 对话协商 CrewAI 多角色 Agent Role-based 协作 DeepAgent Agent Harness 自动规划、自治执行
