Anthropic 发布多代理 AI 协调框架供开发者使用

Lawrence Jengar 2026年4月10日 18:06

Anthropic 发布五种多代理 AI 协调模式的综合指南,为开发者提供构建复杂自主系统的实用框架。

Anthropic 发布了一份详细的技术指南,概述了多代理 AI 系统的五种不同协调模式,为开发者提供了构建需要多个 AI 代理协同工作的自主应用程序的实用框架。

该指南通过 Claude 官方博客发布,解决了 AI 开发中日益突出的痛点:当简单解决方案就足够时,团队却选择了过于复杂的架构。Anthropic 的建议很直接——从可行的最简单模式开始,然后逐步演进。

五种模式详解

该框架将多代理协调分解为五种方法,每种方法适用于不同的使用场景:

生成器-验证器将一个生成输出的代理与另一个根据明确标准评估输出的代理配对。想象代码生成场景,一个代理编写代码,另一个代理运行测试。Anthropic 警告说,当团队在未定义验证实际含义的情况下实施循环时,这种模式就会失败——制造出"没有实质内容的质量控制假象"。

编排器-子代理使用分层结构,由主代理委派有限任务。Claude Code 已经使用这种方法,调度后台子代理搜索大型代码库,同时主代理继续主要工作。

代理团队与编排器-子代理在一个关键方面不同:工作者持久性。团队成员不是在每个任务后终止,而是在多个任务中保持活跃,积累领域知识。这对于大规模迁移非常有效,每个代理都能熟悉其分配的组件。

消息总线架构适用于事件驱动的管道,其中工作流从事件而非预定序列中产生。安全操作系统就是例证——警报根据类型路由到专门代理,新代理功能可以插入而无需重新连接现有连接。

共享状态完全消除了中央协调器。代理直接从持久存储中读取和写入,实时基于彼此的发现进行构建。研究综合系统在这方面受益,一个代理的发现立即为另一个代理的调查提供信息。

Anthropic 毫不回避记录失败模式。如果生成器无法处理反馈,生成器-验证器循环可能会无限期停滞——具有后备策略的最大迭代限制至关重要。编排器-子代理会造成信息瓶颈;关键细节在通过中央协调器路由时经常丢失。

当工作并非真正独立时,代理团队会遇到困难。共享资源会使问题复杂化——多个代理编辑同一文件会产生冲突,需要仔细分区。消息总线架构使调试更加困难,因为跟踪五个代理之间的事件级联需要细致的日志记录。

共享状态存在反应循环的风险,代理不断响应彼此的更新而不收敛,无限期消耗代币。解决方案:一流的终止条件,如时间预算或收敛阈值。

对于大多数应用,Anthropic 建议从编排器-子代理开始。它以最小的协调开销处理最广泛的问题。生产系统通常结合多种模式——整体工作流使用编排器-子代理,协作密集型子任务使用共享状态。

该公司计划发布后续文章,通过生产实施和案例研究来检验每种模式。对于构建需要多个代理的 AI 应用的开发者——无论是代码审查、安全操作还是研究综合——该框架提供了将架构与实际需求而非表面复杂性相匹配的具体指导。

图片来源: Shutterstock