LangChain 实现多智能体协作的典型模式有哪些？

1. 为什么需要多 Agent

单 Agent 在面对复杂任务时存在局限性：工具过多导致选择困难和 Prompt 膨胀、角色混乱影响专业深度、资源浪费（即使只问客服问题也加载全部工具）。多 Agent 通过分工协作解决这些问题，类似一家公司中客服专员、软件工程师、财务分析师各司其职。

2. 五种官方推荐的多 Agent 模式

• Subagents（子智能体）模式：主 Agent（Supervisor）将子 Agent 包装为工具来调用，所有路由通过主 Agent 传递。子 Agent 默认无状态，历史记忆由主 Agent 统一维护。适用于多领域分工明显、子 Agent 不需要直接与用户长期对话的场景，如企业助理、商旅规划等混合系统
• Handoffs（交接）模式：行为由状态驱动变化，工具调用更新状态变量触发 Agent 切换或配置调整。适用于必须按步骤推进、不同阶段交互方式不同的场景，如售后流程、审批流、表单收集等带状态机的对话流程
• Skills（技能）模式：单个 Agent 保持控制，按需加载专门的提示词和知识上下文。适用于一个 Agent 但领域众多、想做渐进式暴露工具与知识的场景，不想引入复杂的多 Agent 编排时使用
• Router（路由）模式：通过路由步骤对输入进行分类，引导至不同的专业化 Agent，最后汇总结果。适用于先判断任务类型再派单的场景，如技术问答走 research_agent、计划制定走 planner_agent
• Custom Workflow（自定义工作流）：使用 LangGraph 构建 bespoke 执行流程，混合确定性逻辑和 Agent 行为，可将上述模式作为节点嵌入图中

3. 三种协作执行方式

• 串行模式（Serial）：Agent A → Agent B → Agent C，每一步依赖前一步的结果。流程清晰、每步结果可单独检查，但总耗时为各步骤之和
• 并行模式（Parallel）：协调器 Agent 同时启动多个子 Agent 处理独立子任务，最后汇总结果。大幅缩短总耗时，但需处理结果合并和容错逻辑
• 委托模式（Delegation/Supervisor）：主管 Agent 动态决定将任务交给哪个专家 Agent，支持多跳路由和结果合成

4. 多 Agent 设计的核心考量

多 Agent 系统的核心是上下文工程——决定每个 Agent 能看到哪些信息。系统设计时需权衡模型调用次数、Token 处理量和延迟。Subagents 模式通常产生最多模型调用（4 次），Handoffs 和 Skills 模式约 3 次，Router 模式也是 3 次。实际生产中常混合使用多种模式。