前端必备的知识宝典

外观

Multi-Agent 系统 ​

概念 ​

Multi-Agent 系统是将多个 AI Agent 组织起来分工协作完成复杂任务的架构模式。每个 Agent 有自己的角色、职责和工具集，通过通信和协调共同解决问题。

类比：一个软件团队有产品经理、前端、后端、QA——各司其职，通过沟通完成任务。Multi-Agent 同理。

为什么需要 Multi-Agent ​

单 Agent 的局限性：

  • 上下文溢出：单次对话无法装下复杂任务的所有信息
  • 角色冲突：一个模型很难同时扮演产品、开发、测试
  • 能力边界：不同 Agent 可使用不同的模型（便宜模型做简单任务，强模型做推理）
  • 可靠性：Agent 间互相检查，减少错误

核心架构模式 ​

顺序编排（Sequential） ​

Agent A → Agent B → Agent C → 结果

流水线模式，适合有明确阶段的流程：

需求分析 Agent → 技术方案 Agent → 代码生成 Agent → 代码审查 Agent

路由/分发（Router） ​

根据任务类型分发给专门的 Agent：

用户提问 → 路由器
    ├→ 前端 Agent（React 问题）
    ├→ 后端 Agent（API 问题）
    └→ DevOps Agent（部署问题）

层级/管理（Hierarchical） ​

一个管理者 Agent 调度多个子 Agent：

            管理 Agent
          /    |     \
    子Agent1  子Agent2  子Agent3

管理 Agent 负责任务分解、分配、结果整合。

协作/辩论（Collaborative） ​

多个 Agent 自由对话，形成共识：

Agent A 提出方案 → Agent B 质疑 → Agent C 补充 → Agent A 修正 → 共识

群集/蜂群（Swarm） ​

大量轻量 Agent 各自执行小任务，结果聚合。

通信机制 ​

共享上下文 ​

所有 Agent 写入共享的消息池，彼此可见。

消息传递 ​

Agent 间通过结构化消息（JSON）定向通信。

协议标准 ​

  • A2A（Agent-to-Agent）：Google 提出的 Agent 间通信协议
  • MCP：Agent 与外部工具的通信协议
  • 两者互补：MCP 连接工具，A2A 连接 Agent

实现框架 ​

框架特点
LangGraphPython/JS，状态图驱动
CrewAIPython，角色驱动的简单抽象
AutoGen微软，对话驱动
MetaGPT模拟软件公司 SOP 流程
OpenAI Swarm轻量实验性框架
Vercel AI SDK前端友好，支持 Agent 模式

前端应用场景 ​

  • 全栈开发 Agent 团队：需求→UI 设计→前端代码→后端 API→测试
  • 代码 Review Agent 系统：代码提交后多个审查 Agent 并行检查（性能、安全、可访问性等）
  • 客服升级系统：简单问题 → 基础 Agent，复杂问题 → 专家 Agent，敏感问题 → 人工

主要挑战 ​

  • 协调复杂度：Agent 数量增加，协调成本指数级上升
  • 成本控制：多 Agent 意味着多次 LLM 调用
  • 一致性：多个 Agent 对同一问题可能给出矛盾答案
  • 循环死锁：Agent 间可能陷入无效争论

面试常问 ​

  • 什么时候应该用 Multi-Agent 而不是单 Agent？
  • Multi-Agent 的几种架构模式？各适合什么场景？
  • A2A 协议解决的是什么问题？

参考 ​