23.5 给了多智能体的入门判据(单 Agent 工具过载才拆、能简不繁),这一节补上两块进阶:编排模式怎么选(路由、流水线、辩论各自的适用面)与 Agent 间的协议栈(A2A、ACP、AG-UI 与 MCP 怎么拼成完整图层)——前者决定系统怎么转,后者决定系统怎么连。
Router 路由模式(一个分发者把任务派给专职 Agent):客服入口一个 Router,识别意图后转售前、售后、技术三个子 Agent——各持三五件工具,各自提示词专职化。它解决的是 22.3 说过的问题:工具全塞一个 Agent 选择准确率下滑,按域拆分后每个 Agent 的决策空间小而准。Pipeline 流水线模式(子 Agent 串行接力):分析→检索→写作三段各司其职,上一段的输出是下一段的输入——适合阶段清晰、每段质量可独立验收的任务;与 22.2 的「任务分解」同源,只是执行者从三次调用变成了三个专职 Agent。Debate 辩论模式(多个 Agent 各出答案再互评择优):代码审查场景一攻一防,生成方写方案、审查方挑漏洞、第三方裁决——用分歧换质量,成本也是三倍起步,仅用于高风险决策。三模式的复杂度与成本递增,选型次序也照此:先 Router(最便宜的分而治之)、再 Pipeline(质量接力)、最后才 Debate(高风险才配)。
编排实现上的两个 Java 侧落点:其一,Supervisor 的「路由决策」本身可以是一次轻量分类调用(22.3 的结构化输出限定枚举目标 Agent),不必上重型框架;其二,子 Agent 间的消息传递用领域事件解耦(21.4 的同一思想):Router 只发「任务书」,子 Agent 完成后发事件交棒,流水线的下一段订阅事件接力——进程内用 Spring 事件总线(13.4),跨服务用 MQ(11 章),编排逻辑零硬编码。
2025-2026 年 Agent 生态最重要的演进是协议分层化,四层各管一段连接:
| 协议 | 连接对象 | 层次 | 类比 |
|---|---|---|---|
| MCP | Agent ↔ 工具/数据 | 接口层 | 员工用工具 |
| A2A | Agent ↔ Agent | 发现层 | 员工互找协作 |
| ACP | Agent ↔ Agent 消息 | 通信层 | 工作交接单格式 |
| AG-UI | Agent ↔ 用户界面 | 表现层 | 前台接待规范 |
A2A(Agent-to-Agent:Google 2025 年提出的跨 Agent 协作协议)的核心概念四个:Agent Card(Agent 的能力名片,声明自己会什么、怎么调——服务发现的 Agent 版)、Task(Agent 间传递的任务单元,有生命周期状态)、Message(任务执行中的消息往来)、Artifact(任务产出的成果物)。与 MCP 的分工 23.4 摆过一次,这里放平视角再看:MCP 管 Agent 怎么获得能力(接工具),A2A 管 Agent 怎么找到同伴(发现与协作)——一个员工先用工具武装自己,再找同事协作,两件事不冲突、不可替代。ACP(Agent Communication Protocol:标准化 Agent 间消息格式与任务编排的协议)补在 A2A 之下:A2A 侧重「发现与能力暴露」,ACP 侧重「消息长什么样、任务怎么编排」——发现层找到人,通信层才能对上话。AG-UI 把链路接到用户端:Agent 的流式输出、状态回显、操作确认在界面层标准化。
Java 工程师看这套协议栈的正确姿势:短期当概念掌握(面试辨析题已常考),中期跟踪 Spring 生态的 starter 落地——MCP 的 Spring AI 支持已经成熟(23.4 实操过),A2A/ACP 的 Java 实现还在早期,选型时「等框架收编」比自己裸写协议实现便宜得多(23.5 的「预制梁」逻辑对外部协议同样成立)。
| 框架 | 语言 | 定位 |
|---|---|---|
| LangGraph | Python | 图编排生态最厚 |
| CrewAI | Python | 角色化多 Agent |
| AutoGen | 微软 | 对话式多 Agent |
| Spring AI | Java | Spring 生态整合 |
| LangChain4j | Java | 轻量声明式 |
Java 团队的选型口径延续 23.3 的结论:Spring 技术栈优先 Spring AI(Agent 循环与编排正在框架原语化),轻量场景 LangChain4j;Python 系框架当参照系学习模式,不必跨语言硬搬。框架之上永远记得 23.5 的警告:Multi-Agent 的调试与 token 成本是真金白银——上马前三问(领域交叉吗、工具过载吗、能简不繁做到了吗)不过关,再新的框架也救不了架构错配。
模式画完图,落地还有三件容易被忽略的工程件。共享状态(黑板模式:多 Agent 读写同一份任务状态):任务书、中间结论、已完成清单集中存(Redis 或内存对象),子 Agent 完成即更新——没有它,每个 Agent 只知道自己那一段,接力的上下文全靠消息拼,丢一段就断链。全链路追踪:每个 Agent 的每轮 Thought/Action/Observation 打上统一的 traceId 串起来(16.6 的思想平移),跨 Agent 任务出问题时按 trace 回放——「三个 Agent 都说自己没错但结果不对」是调试常态,没有轨迹就是三头扯皮。token 预算分账:每个子 Agent 独立计 token 与成本(22.5 的计量粒度下沉到 Agent 级),月度对账时哪个 Agent 烧钱、哪个环节浪费一目了然——多 Agent 系统的成本治理靠这张分账表起步,否则「总量超了但不知道谁吃的」。三件合起来的主题就一个:单 Agent 的护栏(熔断、追踪、计量)在多 Agent 里要乘以 N,还要再加一层跨 Agent 的缝合。
多 Agent 协作的成熟度看两张图:编排图上按成本递增选 Router/Pipeline/Debate,协议图上分清 MCP 连工具、A2A 找同伴、ACP 定话术、AG-UI 接用户——模式与协议都不复杂,难的是守住「能简不繁」的造价纪律。