多智能体架构怎么选：Subagent、Skills、Handoffs、Router 深度对比

Thu, 14 May 2026 22:00:00 +0800

开门见山：多智能体（Multi-Agent）架构现在已经不是什么新鲜概念了，但真正要在生产项目中落地，很多团队其实还没想清楚「什么时候该用什么模式」。

今天我们深度解读 LangChain 官方博客的一篇重磅技术文章，结合实际场景，把 Subagents（子代理）、Skills（技能）、Handoffs（交接）、Router（路由） 四种核心模式讲透——包括各自的工作原理、适用场景、性能对比，以及实操代码示例。

读完这篇，你就知道下次遇到多智能体场景该选什么了。

背景：什么时候需要多智能体架构？

在聊四种模式之前，先说一个重要原则：不要一上来就上多智能体。

LangChain 官方博客的建议很明确：

先用单体代理 + 好的工具（Tools）。只有当你的应用真的遇到瓶颈了，再考虑多智能体。

那什么情况下会遇到瓶颈呢？主要两个约束：

上下文管理问题：每个子能力都需要大量专业知识，塞进一个 Prompt 里根本装不下。
分布式开发问题：不同团队独立维护不同能力，单体 Prompt 根本没法管。

当这两个问题变得尖锐时，多智能体架构就是正确答案。

顺便提一句，Anthropic 的多智能体研究系统（Claude Opus 4 主导 + Sonnet 4 子代理）比单代理 Opus 4 在内部评测中性能提升 90.2% ——这个数字足以说明多智能体的威力。

四种架构模式深度解析

1. Subagents：集中式编排

一句话理解：一个主代理（Supervisor）通过工具调用（Tool Calling）的方式调度多个专用子代理，子代理无状态、不记忆对话历史。

工作原理

graph TD
    User["用户请求"] --> Supervisor["Supervisor 主代理"]
    Supervisor --> Sub1["日历子代理"]
    Supervisor --> Sub2["邮件子代理"]
    Supervisor --> Sub3["CRM子代理"]
    Sub1 --> Result1["结果"]
    Sub2 --> Result2["结果"]
    Sub3 --> Result3["结果"]
    Result1 --> Supervisor
    Result2 --> Supervisor
    Result3 --> Supervisor
    Supervisor --> Final["综合响应"]

核心特点

中心化控制：所有路由都经过主代理，主代理决定调用哪个子代理、传什么参数、怎么合并结果。
强上下文隔离：子代理 stateless，每次调用都是全新上下文，不存在记忆污染。
天然支持并行：主代理可以同时触发多个子代理并行工作。

适用场景

个人助手类应用（协调日历、邮件、CRM）
需要调用多个独立领域专家的研究系统
需要集中管控路由策略的企业应用

关键权衡

优点	缺点
控制清晰、易调试	多一跳模型调用（结果要回到主代理再返回）
强隔离，子代理互不干扰	子代理无法直接和用户对话
并行执行效率高

代码示例（LangChain Python）

from langchain_core.tools import tool
from langchain_openai import ChatOpenAI
from langgraph.prebuilt import create_react_agent

# 子代理1：日历管理
@tool
def get_calendar_events(date: str):
    """获取指定日期的日历事件"""
    return [f"会议A {date} 10:00", f"评审 {date} 14:00"]

# 子代理2：邮件管理
@tool
def send_email(to: str, content: str):
    """发送邮件"""
    return f"已发送邮件给 {to}"

# 创建子代理（各自独立）
calendar_agent = create_react_agent(
    model=ChatOpenAI(model="gpt-4o"),
    tools=[get_calendar_events]
)

email_agent = create_react_agent(
    model=ChatOpenAI(model="gpt-4o"),
    tools=[send_email]
)

# 主代理通过 tool 调用调度子代理
# 这里省略主代理 prompt 定义，实际使用时通过 tool 绑定子代理

实战建议：Subagents 模式是四种模式里最接近「多智能体」原始定义的一种。如果你需要强隔离、高可控，选这个。

LangGraph on Lucas Ma 的博客