多智能体

面向 AI 智能体互操作性的开放标准，可实现跨平台的无缝协作

用于智能体交互的标准化通信机制，包括消息传递、发布-订阅和事件驱动模式

编排者-工作者架构，由一个主导智能体协调多个专门的子智能体以并行执行任务

多个智能体在同一个公共工作区上透明地协作，所有工作对彼此都可见

专门化的智能体在线性流水线中处理任务，每个智能体的输出成为下一个智能体的输入

多个智能体同时处理同一任务，以提供多样化的视角和并行处理能力

动态委派，智能体根据上下文和各自的专门能力智能地转移控制权

对等智能体之间没有中央权威的去中心化协作

多层级的智能体协调，具有监督关系、集中式编排和权限委派

异步消息传递系统，在分布式智能体系统中实现 AI 智能体与服务之间的解耦通信

用于多智能体决策的分布式共识机制

多个 AI 模型协作并展开辩论以得出结论

一种分层集成方法：在每一层，多个 LLM 提议智能体都会接收上一层的全部回复作为辅助上下文，并在最终的聚合器进行综合之前迭代地完善各自的答案。由于模型在看到同伴的回复后能给出更好的答案，一叠开源提议智能体可以胜过单个前沿模型。

编排器使用两个账本来驱动一组专业化智能体：一个是任务账本，保存事实、有依据的推测和计划；另一个是进度账本，编排器在每一步进行自我反思，判断是否取得进展、团队是否陷入停滞，以及下一步应由哪个智能体行动。当进展停滞时，外层循环会更新事实并修订计划。该方法由微软 Magentic-One 提出。

一种面向长上下文任务的免训练框架，它将超长输入切分为若干块，把每一块分配给一个工作智能体；每个工作智能体读取自己的块以及上一个工作者传递过来的持续通信单元，最后将累积的最终通信交给管理智能体生成答案。这种顺序化的读取与摘要链条缓解了长上下文中的焦点丢失问题，并优于 RAG 和全上下文基线。