第五章：Multi-Agent、Subagent 与 Skill

建议课时：12 课时
项目里程碑：M5 · Agent Collaboration

章节定位

第四章让 agent-platform 能在预算、权限和证据边界内为单个 Agent 装配可靠上下文。第五章进一步处理复杂任务的协作问题：当一个任务包含多个可并行或需要不同能力边界的子问题时，如何把它们交给 Subagent，同时保持目标、上下文、权限、预算、结果和责任归属清晰。

本章不把 Multi-Agent 当成默认架构。单 Agent、确定性 Workflow 或普通函数能完成的任务，不应仅为“智能感”增加协作者。只有当任务确实需要上下文隔离、能力专门化、并行探索或独立验证时，平台才创建 Subagent；所有委托都必须经过结构化契约、受控生命周期和可验证的结果聚合。

前置条件

开始本章前，应已完成：

1. 第一章的 LLM Gateway、Prompt、Structured Output 与调用观测；
2. 第二章的 Tool Runtime、权限、审批、审计与 MCP；
3. 第三章的 Agent Loop、任务状态、Checkpoint、Sandbox 与 Agent Harness；
4. 第四章的 Context Manager、Memory、Codebase RAG、Citation 与检索评测；
5. Python 异步编程、任务队列、测试与基础分布式系统概念。

学习目标

完成本章后，你应该能够：

1. 判断何时使用单 Agent、固定 Workflow、并行工具调用或 Multi-Agent 协作。
2. 解释 Supervisor、Worker、Reviewer、Router 与 Peer 等协作模式的适用边界。
3. 用 Task Delegation Contract 明确子任务目标、输入、产物、权限、预算和完成标准。
4. 为 Subagent 建立上下文隔离、最小能力授权和不可向下扩大的安全边界。
5. 管理 Subagent 的创建、运行、暂停、取消、超时、恢复和重复投递。
6. 在依赖约束与全局预算内执行并行委托，并避免失控的递归派生。
7. 聚合带证据的子任务结果，识别缺失、冲突、重复与无法验证的结论。
8. 定义、注册、版本化和安全加载可复用 Skill，使能力沉淀为显式工程资产。
9. 解释 MCP 与 A2A 的职责差异，以及跨 Agent 委托所需的能力发现、任务状态和身份边界。
10. 使用同一任务集比较单 Agent 与 Multi-Agent 的效果、成本和延迟。
11. 通过协作工作台与端到端验收，证明协作过程可观察、可恢复、可审计。

项目主线

本章继续扩展 agent-platform，完成一个受控的 Agent Collaboration Runtime。用户任务先进入 Supervisor；Supervisor 根据任务类型和协作策略决定直接执行、进入固定 Workflow，或创建有限数量的 Subagent。每个 Subagent 只接收完成当前子任务所需的上下文、工具和预算，并通过结构化结果协议返回结论、证据、产物和未解决问题。

flowchart LR
    U[用户任务] --> S[Supervisor]
    S --> P[协作策略与任务图]
    P --> D[Delegation Contract]
    D --> A1[Research Subagent]
    D --> A2[Code Subagent]
    D --> A3[Review Subagent]
    A1 --> R[Result Aggregator]
    A2 --> R
    A3 --> R
    R --> V[证据校验与冲突处理]
    V --> S
    S --> O[最终交付或人工接管]
    K[Skill Registry] --> S
    K --> A1
    K --> A2
    K --> A3

Supervisor 负责协作控制，不是拥有无限权限的“总模型”。它必须遵守第三章的任务状态和预算边界、第四章的上下文与证据规则，以及第二章的工具权限与审批策略。Subagent 返回“完成”只代表提交了结果，只有聚合与验证通过后，父任务才能接受该结果。

课程目录

课次	主题	建议课时	主要工程增量
1	判断何时使用 Multi-Agent	1	单 Agent、Workflow、并行调用与协作系统的选择矩阵
2	设计 Supervisor 与协作模式	1	Supervisor、Worker、Reviewer、Router 与任务图边界
3	定义 Task Delegation Contract	1	目标、输入、产物、证据、预算、权限与失败契约
4	实现 Subagent 上下文与能力隔离	1	最小上下文、工具白名单、权限收窄与身份派生
5	管理 Subagent 生命周期与恢复	1	创建、租约、暂停、取消、超时、Checkpoint 与幂等
6	实现并行委托与受控调度	1	任务依赖、并发上限、全局预算、背压与递归限制
7	聚合子任务结果与证据	1	Result Contract、合并、去重、排序、Citation 与接受规则
8	处理冲突、部分成功与写入隔离	1	冲突仲裁、不完整结果、并行写操作与人工升级
9	定义 Skill 契约与注册中心	1	输入输出、依赖、Prompt、质量标准、权限与 Registry
10	实现 Skill 匹配、执行与生命周期	1	发现、匹配、组合、执行、评估、版本兼容与下线
11	理解 A2A 协作与互操作边界	1	MCP 对比、Agent Card、任务生命周期、身份与结果回传
12	完成 M5 Agent Collaboration 验收	1	协作工作台、单 Agent 对照、故障演练与里程碑交付

课程分组

阶段	课次	要解决的问题	阶段产物
协作决策	1-2	何时需要多个 Agent，应选择哪种协作拓扑	协作选择矩阵与 Supervisor 骨架
委托运行时	3-6	子任务如何表达、隔离、调度和恢复	Delegation Contract 与 Subagent Runtime
结果治理	7-8	如何接受可信结果并处理冲突与部分成功	Result Aggregator 与冲突仲裁流程
Skill 与互操作	9-11	能力如何沉淀复用，跨 Agent 协作边界是什么	Skill 系统与 A2A 边界说明
运营与验收	12	如何用同一任务集证明协作确实产生价值	协作工作台与 M5 验收报告

关键设计原则

1. Multi-Agent 是有成本的架构选择。 只有上下文隔离、能力专门化、并行探索或独立验证带来的收益大于协调成本时才拆分。
2. 委托必须是结构化契约。 不把一段模糊自然语言直接当作完整子任务；目标、输入、约束、产物和接受标准必须显式记录。
3. 权限只能收窄，不能放大。 Subagent 的工具、数据和环境权限必须是父任务权限的子集，任务文本不能自行声明更高权限。
4. 上下文按需派生。 子任务只接收必要事实、证据与记忆，不默认继承完整对话、全部 Prompt 或其他 Subagent 的私有上下文。
5. 全局预算由父任务控制。 Subagent 的步数、Token、成本、工具次数、并发和派生深度都从父任务预算中分配。
6. 并行不等于无序。 任务图应明确依赖、取消传播、失败策略和结果提交边界，避免重复工作与竞态覆盖。
7. 结果需要验证后接受。 子任务状态、模型自述和实际产物分离；证据、测试和 Citation 不完整时不能静默合并。
8. 冲突是正常状态。 多个 Agent 结论不一致时保留各自证据，使用确定性规则、Reviewer 或人工决策解决，而不是让 Supervisor 随机选择。
9. Skill 是受治理的能力包。 Skill 需要稳定身份、版本、依赖、权限声明、输入输出契约、测试与来源，不只是可复制的 Prompt。
10. 协作链必须可追踪。 父子任务、模型回合、工具调用、Skill 版本、预算消耗、审批和产物都应关联到同一 Trace。

M5 交付内容

• 单 Agent、Workflow 与 Multi-Agent 的选择策略和协作模式配置
• Supervisor、至少两个 Specialist Subagent、任务图与有限派生深度的协作控制器
• 结构化 Task Delegation Contract 与 Result Contract
• Subagent 上下文隔离、能力收窄、预算分配和身份派生机制
• 支持取消、超时、重试、租约、Checkpoint 和幂等的 Subagent Runtime
• 带依赖、并发、背压和失败传播规则的受控调度器
• 带证据、Citation、冲突、缺失和接受状态的 Result Aggregator
• 支持注册、发现、匹配、执行、评估、版本兼容、下线和安全加载的 Skill 系统
• MCP 与 A2A 职责、Agent Card、任务生命周期和委托身份的边界说明
• 协作任务图、Timeline、预算视图、人工接管入口与完整 Trace
• 覆盖正常协作、冲突、超时、越权、递归派生和恢复的 M5 验收报告

M5 验收标准

• 平台能解释为什么选择单 Agent、Workflow 或 Multi-Agent，简单任务不会无条件派生 Subagent。
• 单 Agent 与 Multi-Agent 使用同一任务集完成成功率、成本和延迟对比，协作收益能够量化说明。
• 每次委托都包含目标、输入、范围、完成标准、预算、权限和关联父任务，且可持久化与回放。
• Subagent 无法读取未委托的上下文、调用未授权工具、提升身份权限或突破 Sandbox 边界。
• 父任务总预算、并发数和派生深度可限制；取消、超时和预算耗尽能正确传播到子任务。
• 进程重启或消息重复投递不会重复接受同一结果，也不会重复执行已确认的高风险副作用。
• 聚合结果能够区分已验证结论、候选结论、冲突、缺失和失败，并保留各自证据来源。
• 部分子任务失败时仍能输出可解释的部分结果，并明确缺失范围、失败原因和后续处理方式。
• 并行写操作发生资源冲突时不会静默覆盖，必须进入隔离、合并、仲裁或人工处理流程。
• Skill 的版本、依赖、权限声明和测试结果可追溯；不可信 Skill 不能绕过 Runtime 与审批策略。
• 协作工作台可关联父子任务、模型回合、工具调用、预算、审批、Skill 版本和最终产物。

范围边界

A2A 的业务价值、MCP 与 A2A 的职责差异、Agent Card、任务生命周期、委托身份和结果回传属于核心理解内容。跨框架协议实现、跨组织 Agent 市场、开放网络中的动态信任协商和大规模分布式 Agent 集群属于进阶内容，不作为本章结业前置条件。

最终产物

本章完成后，agent-platform 将从单 Agent 任务平台演进为具备安全委托、受控并行、证据聚合和 Skill 复用能力的协作系统。第六章会为这些单 Agent 与多 Agent 行为建立系统化 Eval，使模型、Prompt、工具、检索、Skill 和协作策略的变更都能被量化验证。