多 Agent 协作系统：Anthropic 的实战经验
原文：How we built our multi-agent research system | Anthropic Engineering Blog | 2025.6.13
导语
Claude 的研究功能背后，是一个完整的多 Agent 协作系统。首席 Agent 负责规划，多个子 Agent 并行搜索，最后汇总生成带引用的研究报告。
这篇文章是 Anthropic 的实战经验分享——从原型到生产的全过程，包括架构设计、提示工程、评估方法和生产可靠性。
一、为什么需要多 Agent
研究任务的特殊性
- 开放式问题，无法预测所需步骤
- 需要根据发现动态调整策略
- 信息量可能远超单个上下文窗口
多 Agent 的优势
- 并行压缩：子 Agent 在各自的上下文窗口中并行操作，将海量信息压缩后返回
- 关注点分离：每个子 Agent 有独特的工具、提示和探索轨迹
- 超越个体限制：就像人类社会通过协作超越个体能力
性能数据
- 多 Agent 系统（Opus 4 首席 + Sonnet 4 子 Agent）在研究评估中比单 Agent Opus 4 高出 90.2%
- 仅 token 使用量就解释了 BrowseComp 评估中 80% 的性能差异
二、系统架构
协调器-工作器模式
用户查询 → 首席研究 Agent├── 子 Agent 1 (搜索方向 A)├── 子 Agent 2 (搜索方向 B)└── 子 Agent 3 (搜索方向 C)↓首席 Agent 综合结果↓引文 Agent 处理来源↓最终研究报告
关键设计
- 首席 Agent 将计划保存到内存（上下文窗口超过 200K tokens 时会被截断）
- 子 Agent 独立执行搜索，使用交错思考评估结果
- 引文 Agent 确保所有声明正确归因到来源
三、八条提示工程原则
1. 像你的 Agent 一样思考
在控制台中构建模拟，使用完全相同的提示和工具，逐步观察 Agent 工作。
2. 教导协调器如何委派
每个子 Agent 需要：明确的目标、输出格式、工具使用指导和任务边界。简短的指令（如"研究半导体短缺"）会导致重复工作。
3. 将规模扩展到查询复杂性
- 简单事实查找：1 个 Agent，3-10 次工具调用
- 直接比较：2-4 个子 Agent
- 复杂研究：10+ 个子 Agent
4. 工具设计至关重要
给 Agent 明确的启发式方法：先检查所有可用工具，将工具与用户意图匹配。
5. 让 Agent 自我完善
Claude 4 可以成为出色的提示工程师。一个"工具测试 Agent"通过几十次测试发现了关键的工具缺陷，改进后任务完成时间减少了 40%。
6. 先宽后窄
Agent 默认使用过于冗长的查询。提示 Agent 以简短、宽泛的查询开始，逐渐缩小焦点。
7. 引导思考过程
扩展思考让首席 Agent 规划方法，子 Agent 用交错思考评估工具结果质量。
8. 并行工具调用
引入并行化后，研究时间减少了多达 90%。
四、评估方法
小样本快速启动
不需要数百个任务，20 个代表性查询就是很好的开始。
LLM-as-Judge
使用 LLM 评判器根据标准评估输出：事实准确性、引文准确性、完整性、来源质量、工具效率。
人工评估不可替代
人类测试者发现了 Agent 持续选择 SEO 优化的内容农场而非权威来源的偏差。
五、生产可靠性
Agent 是有状态的，错误会累积
构建可以从错误中恢复的系统，让 Agent 知道工具何时失败并适应。
调试需要新方法
添加完整的生产跟踪，监控 Agent 决策模式和交互结构。
部署需要仔细协调
使用彩虹部署，逐渐将流量从旧版本转移到新版本。
六、Token 经济学
| 类型 | Token 使用量（相对聊天） |
|---|---|
| 普通聊天 | 1x |
| 单 Agent | 4x |
| 多 Agent | 15x |
多 Agent 系统需要任务价值足够高以支付增加的成本。
读后感
这篇文章最令人震撼的数据是：仅 token 使用量就解释了 80% 的性能差异。
这意味着多 Agent 的核心价值不是"更聪明"，而是"能处理更多信息"。本质上，多 Agent 是一种扩展计算资源的方式。
本文是 Anthropic AI Agent 系列 第 10 篇，共 15 篇。下一篇：MCP 代码执行：构建更高效的 Agent
关注公众号 coft 获取系列更新。