什么是多智能体系统
多智能体系统（Multi-Agent Systems）指两个及以上 Agent 在任务分解、角色分工、状态共享与治理上的协作架构——与「单 Agent + 超长上下文」相对，当子任务可并行、需专长分离或组织权限隔离时，multi-agent 成为默认设计。本文主榜覆盖 L1–L3；IDE/PPT 内嵌 multi-agent（L4）仅作分流说明。
常见误购是把工作流自动化选型指南当作 multi-agent：workflow 编排固定 API 节点与 IF/THEN 分支；multi-agent 编排的是可推理 Agent 与 handoff。又把桌面智能体工具选型指南当团队协调层——单人本机文件/GUI 是 agent-for-desktop 的主场，组织级权限与多 Agent 工作空间见 L3 产品。相关相遇面见 Agent 互联网络指南。
2025–2026 年协议层出现 MCP（工具）与 A2A（Agent 互操作）标准化窗口——框架很多，独立 Agent Workspace 仍偏少但在快速增多。选型应先定 Lane，再选具体产品。
Agent Swarms：去中心化的多智能体范式
Agent Swarms（智能体蜂群）是多智能体系统的一种独特子范式——去中心化、自组织、涌现式协作。与 Supervisor/Worker 层级中显式的任务路由不同，Swarm 中的 Agent 没有中央控制器：每个 Agent 根据简单规则和共享上下文自主决定参与、委托或终止。整体行为从这些本地交互中「涌现」出来，灵感来自蚁群和蜂群的集体智能。
与传统 multi-agent 编排的关键区别：LangGraph 和 CrewAI 定义显式拓扑（图边、角色分配）；Swarm 拓扑在运行时自组织——可动态生成新 Agent、重新配置通信图、适应变化的工作负载，无需预定义 handoff schema。
这一范式擅长大规模并行探索——想象数百个 Agent 同时调研、编码或压力测试——以及长时间自主运行系统。代价是涌现行为比显式拓扑更难调试、成本封顶和审计。
值得关注的知名公司 Swarm 产品：Kimi Agent Swarm（月之暗面 Moonshot AI）是 Kimi K2.5/K2.6 模型内生 Swarm 能力——零人工编排，最多 300 子 Agent、4,000 次工具调用，通过 PARL 训练实现约 4.5 倍速度提升。OpenAI Swarm（已归档，22K GitHub Stars）是轻量级 Agent+handoff 原语的先驱框架，后被 OpenAI Agents SDK 取代。Anthropic 的 Dynamic Workflows（Claude Code / Opus 4.8）让 Claude 自主分解目标、派生成百上千并行 subagent。Google 以 ADK + A2A 协议推动跨框架互操作。研究前沿的 SwarmAgentic（EMNLP 2025）通过语言驱动 PSO 全自动生成多 Agent 系统。
多智能体系统是如何工作的
典型 multi-agent 栈包含七层。规划层由 Supervisor 或 Planner 分解目标为可验收子任务。角色层为 Researcher/Coder/Reviewer 等 persona 绑定 prompt 与工具集。Handoff 层用结构化消息或 SDK handoff 移交上下文——避免纯自然语言循环。状态层区分线程级、Agent 级与 Workspace 级记忆。工具层通过 Agent Skills 与 MCP Server 路由外部能力。触发层含 Cron、Webhook 与感知系统（如 Clawith Aware）。治理层含 RBAC、审批、quota 与 audit trace——L2/L3 企业向核心。
- 并行专长分工: 研究、编码、审核可并行——突破单 Agent 注意力瓶颈
- 组织级治理: L2/L3 平台将 IAM、审计与租户隔离产品化
- 框架生态成熟: LangGraph/CrewAI/OpenAI SDK 降低自建编排门槛
- 协议互操作: MCP + A2A 降低跨厂商 Agent 混编成本
L1 框架（LangGraph/CrewAI/OpenAI SDK）卖拓扑与状态控制——买家自建部署。L2 平台（Copilot Studio/watsonx）卖连接器与无代码——绑定企业 IT 栈。L3 Workspace（Multica/Moxt/Clawith）卖团队界面与持久 Agent 身份——人类与 Agent 共享任务队列。Supervisor 层级 vs 对等 Crew vs 顺序流水线是框架内三种常见拓扑。
2026年最好的多智能体系统
1. LangGraph: 图状态机多 Agent 编排框架
LangGraph LangGraph 是 LangChain 生态中面向生产的图状态机编排框架——用 StateGraph 定义 Agent 节点、边与 checkpoint，支持 human-in-the-loop 中断与恢复。Klarna、Uber 等公开案例使其成为 L1 框架层的事实标准之一。适合有 Python 工程团队、需要可观测 trace 与复杂分支（并行、循环、条件 handoff）的 builder。与 CrewAI 的「角色叙事」不同，LangGraph 更偏底层控制与状态持久化。
2. CrewAI: 角色化 Crew 快速原型框架
CrewAI CrewAI 以 Researcher、Writer、Reviewer 等角色模板降低多 Agent 原型门槛——几行代码即可组建 Crew 顺序或层级执行。开源社区活跃，CrewAI Enterprise 提供企业治理与托管。适合快速验证 multi-agent 工作流、偏好「角色分工」叙事而非手写图拓扑的团队。复杂生产场景需评估与 LangGraph 的状态管理与 HITL 深度对比。
3. OpenAI Agents SDK: GPT 原生 Handoff 多 Agent SDK
OpenAI Agents SDK OpenAI Agents SDK 提供 handoff、guardrails 与内置 tracing 的 GPT 栈多 Agent 开发体验——Agent 间通过结构化 handoff 移交子任务，与 Responses API 和工具调用深度集成。适合已锁定 OpenAI 模型、希望官方 SDK 而非第三方框架的团队。跨模型或自托管场景需另选 LangGraph/CrewAI 等。
4. Microsoft Copilot Studio: M365 生态企业多 Agent 平台
Microsoft Copilot Studio Copilot Studio 是 Microsoft 365 生态内的低代码多 Agent 与自动化平台——预制连接器、Teams/SharePoint 集成与企业 IAM 使其成为 L2 企业向代表。适合已深度使用 Microsoft 栈、需要业务用户参与编排而非纯工程团队的组织。与 LangGraph 等 L1 框架互补：Studio 卖治理与连接器，框架卖定制拓扑。
5. IBM watsonx Orchestrate: 受监管行业多 Agent 工作流
IBM watsonx Orchestrate watsonx Orchestrate 面向 HR、IT 与受监管行业的企业多 Agent 编排——80+ 企业应用连接器、无代码 Agent Builder 与审计能力。与 Copilot Studio 同属 L2 平台层，差异化在 IBM 企业合规叙事与 watsonx 模型集成。适合金融、医疗等需严格治理与现有 IBM 合同的客户。
6. Multica: Linear 式人机 + Agent 项目管理
Multica Multica 将 AI coding Agent 变成工作区一等成员——Linear 风格 issue、@mention 与 assignee 下拉中人类与 Agent 并列，本地 daemon 驱动 Claude Code、Cursor、OpenClaw 等 12 种 CLI 在你的机器上执行。控制面在云端，密钥与代码不出本机。适合工程团队希望「像管同事一样管 Agent」、且可接受成员安装 daemon 的场景。
7. Clawith: 开源 OpenClaw for Teams
Clawith Clawith（BISHENG/dataelement）定位「OpenClaw 赋能个人，Clawith 服务团队」——Agent 拥有持久 soul.md/memory.md、私有工作区、Crew 协作与 Aware 自主感知触发器（超越固定 heartbeat）。Plaza 组织知识流、RBAC 与多租户治理面向企业。MIT 开源可自托管。与 OpenClaw 生态 互补：个人 Gateway 选型看 openclaw-alternatives，团队协调层看本文。
8. Moxt: Agent-native 团队工作空间
Moxt Moxt 主张 Agent-native Workspace——内容以 Markdown、CSV、HTML 等 AI 熟悉格式组织，momo 个人助手与可共享的 AI Teammate 在 Slack 与 workspace 内 24/7 协作。Skills、Rules、Cron 与 Webhook 构成 Agent 操作系统层。适合知识型团队（Notion/Obsidian/Feishu 多源上下文）希望「Obsidian + Claude Code + 云端协作」一体体验的场景。产品仍处快速迭代期，以官网当期能力为准。
9. Kimi Agent Swarm（月之暗面）: 模型内生 Swarm——300 子 Agent，零人工编排
Kimi Agent Swarm（月之暗面） Kimi Agent Swarm 是月之暗面（Moonshot AI）在 Kimi K2.5/K2.6 模型内生的多智能体集群能力。不需要手动编排框架——模型本身自动拆解任务、动态生成最多 300 个并行子 Agent、单次执行最多 4,000 次工具调用。通过 PARL（并行 Agent 强化学习）训练，比单 Agent 顺序执行快约 4.5 倍。BrowseComp Swarm 得分 86.3%。适合不想写编排代码、希望模型自动处理并行复杂任务的构建者。Kimi Web、App 和 API 均可使用。
10. OpenAI Swarm: 多 Agent handoff 先驱框架（已归档）
OpenAI Swarm OpenAI Swarm（2024 年 10 月发布，22K+ GitHub Stars）率先推广了轻量级 Agent + handoff 原语——将 'Swarm' 概念带入 multi-agent 流行语汇的教育框架。现已被 OpenAI Agents SDK 取代（本文主榜已单独收录），Swarm 仓库归档且不再维护。列入本文作为历史参考：Swarm 的无状态 Agent ↔ handoff 模式塑造了 2025–2026 年多数 multi-agent SDK 的思维模型。2026 年新项目应使用 OpenAI Agents SDK。
11. Anthropic Dynamic Workflows: Claude 原生百 Agent 并行编排
Anthropic Dynamic Workflows Anthropic Dynamic Workflows 是 Claude Code / Opus 4.8 内置的模型原生 Swarm 编排——Claude 自主分解复杂目标、在单会话内派生成百上千并行 subagent，无需框架胶水。Claude 编写 JavaScript 编排脚本、生成独立 subagent 执行并行工作、进行结果交叉验证并汇总。进度持久化支持中断恢复。Claude Code CLI、Desktop、VS Code 扩展和 API 均可使用（Max/Team/Enterprise 计划）。代表「胖模型」方向：当模型自身会编排时，外围框架层让位于模型能力。
多智能体系统对比：选择最适合你的
以下按 Lane 对比 8 款代表产品，表外补充 Google ADK、Floatboat 等相邻选项：
| 工具名称 | 核心特点 | 主要应用场景 | 定价模式 |
|---|---|---|---|
| LangGraph | 图状态机、checkpoint、HITL | Python 生产编排 | 开源 + 平台订阅 |
| CrewAI | 角色化 Crew、快速原型 | 多 Agent 实验 | 开源 + Enterprise |
| OpenAI Agents SDK | Handoff、guardrails、tracing | GPT 栈开发者 | 按 API 用量 |
| Copilot Studio | M365 连接器、低代码 | Microsoft 企业 | 企业订阅 |
| watsonx Orchestrate | 80+ 连接器、合规 | 受监管行业 | 企业合同 |
| Multica | Linear PM + 本地 daemon | 工程团队管 Agent | Cloud + 开源 |
| Clawith | OpenClaw Teams、Aware、RBAC | 自托管企业 Crew | 开源 MIT |
| Moxt | Agent-native 文件、Slack | 知识型团队协作 | SaaS（以官网为准） |
| Kimi Agent Swarm | 模型内生、300 子Agent、PARL | 零代码并行 Swarm 任务 | Beta（Kimi 订阅） |
| OpenAI Swarm | Agent+handoff 原语、22K stars | 学习 Swarm 概念（已归档） | 免费 / 开源 |
| Anthropic Dynamic Workflows | Claude 原生、百Agent 并行编排 | 代码库审计、大规模迁移 | Claude Code 计划 |
多智能体系统都能做什么：5大实用场景
研发流水线：研究 + 编码 + 审核
Supervisor 分解需求——Researcher Agent 检索文档，Coder Agent 改仓库，Reviewer Agent 跑 lint/test。LangGraph 或 CrewAI 在 CI 外编排；Multica 将同样角色映射为可 assign 的 workspace 成员。
企业 HR/IT 多 Agent 编排
Copilot Studio 与 watsonx Orchestrate 连接 ServiceNow、Workday 等——无代码 Agent 处理员工自助与 IT ticket。垂直 HR 助手选型另见 AI HR 助手选型指南；本文侧重多 Agent 编排层而非单点 HR 聊天机器人。
团队 Agent 一等成员协作
Multica、Moxt、Clawith 让人类与 Agent 共享任务、@mention 与持久记忆——解决「每人一个 Agent 后如何组织权限与上下文」。Clawith 的 Crew + Plaza 偏开源自托管；Moxt 偏 Slack + 文件 workspace。
OpenClaw 个人栈扩展到团队
个人 Gateway 选型见 OpenClaw 生态专页；团队协调、Aware 触发与 RBAC 见 Clawith（亦见本文 L3）。避免把个人 Channel 栈直接当企业 org 层。
客服分流与升级
Triage Agent 分类意图，Expert Agent 处理垂直领域，Escalation handoff 给人工——L2 平台常提供预制模板；L1 框架需自建状态机与知识库 MCP。
如何选择多智能体系统
多智能体选型先定 Lane：L1 框架（LangGraph/CrewAI）、L2 企业无代码（Copilot Studio/watsonx）、L3 团队 Workspace（Multica/Moxt/Clawith）。框架解决「怎么连 Agent」，Workspace 解决「团队怎么管 Agent」——不要为 PM 需求只买框架，也不要为复杂定制拓扑只买 SaaS。
1. 先定 Lane 再选产品
有 Python/平台工程 → L1 LangGraph/CrewAI/OpenAI SDK。要 M365/IBM 合规无代码 → L2 Copilot Studio/watsonx。要团队共享 Agent 状态与任务界面 → L3 Multica/Moxt/Clawith。
2. 框架 vs 工作空间
框架解决「怎么连 Agent」；Workspace 解决「团队怎么管 Agent」。不要为 PM 需求只买框架，也不要为复杂定制拓扑只买 SaaS Workspace。
3. 治理与执行隔离
多 Agent 调用工具前评估 Agent 沙箱 与 MCP allowlist——与 Agent Skills 能力层配合，防止越权 handoff 与供应链风险。
4. 可观测与成本 cap
生产必配 trace、max turns 与单次编排预算——多 Agent 循环可指数级消耗 token。LangGraph/OpenAI SDK 内置 tracing；企业平台常含 quota。
5. 与模型选型联动
Handoff 质量依赖底层模型推理——重大 rollout 前用大语言模型 LLM 评测指南对 Supervisor 与 Worker 分别基准测试，避免「编排完美、单 Agent 弱智」。
结论
多智能体系统不是单一产品品类，而是 L1 框架 + L2 企业平台 + L3 Agent Workspace 三条 Lane 的选型地图——宽检索词「multi-agent」必须先用 Lane 收束，再避免与 workflow、单人 desktop Agent 混购。
多数组织会组合使用：L1 定制核心 handoff，L2 接企业 SaaS，L3 给团队界面；协议上优先 MCP 统一工具、按需评估 A2A。Floatboat 等个人 workspace 团队向能力链回桌面智能体页，Clawith 团队向能力以本文 L3 为准。
跨职能评审（工程、内容、法务）可避免可预防的回归：模板变更应触发自动化 HTML 校验、schema 差异检查，并在全量发布前对 flagship URL 抽样人工 QA。将此类页面视为活文档——在快速迭代的 Agent 生态中，按季度刷新，与产品命名、定价及协议变更对齐。
参考文献
- LangGraph documentation （LangChain，持续更新） — StateGraph、checkpoint 与 human-in-the-loop 模式。
- OpenAI Agents SDK （OpenAI，持续更新） — Handoff、guardrails 与 tracing 官方说明。
- A2A: A New Era of Agent Interoperability （Google，2025） — Agent-to-Agent 协议背景与动机。