3分钟看懂多智能体系统：从无状态模型到协作架构

大语言模型本质上是一个函数——文字进去，文字出来。这个看似简单的描述，恰恰揭示了整个智能体系统设计的核心约束。理解这一点，是理解多智能体系统为何如此设计的起点。

大模型是一个无状态函数

要理解智能体，先要接受一个不太直观的事实：模型本身没有记忆。当你第二次调用模型时，它完全不知道第一次调用里发生了什么。两次调用之间，模型什么都不保存，它是无状态的。

这个特性决定了后续所有的架构设计。既然模型不记得任何东西，那么所有的"记忆"和"上下文"都必须由你的代码在每一次调用时重新提供。模型的能力边界清晰而固定，它不会主动延续任何状态，一切连续性都是外部工程构建出来的假象。

模型还有第二个局限：它的知识停在训练截止日期。训练完成之后发生的事情，模型一无所知。这也是为什么我们需要额外的机制来补足它的知识盲区。

第二，它的知识停在训练截止日期。

智能体：围绕模型的一个循环

既然模型只是一个无状态函数，那智能体又是什么？答案很朴素——智能体就是你代码里的一个循环。

这个循环的运作方式是：你的代码先构建提示词，提示词里包含了目标、记忆和可用的工具列表；然后把提示词交给模型，模型做出决定；如果模型决定调用某个工具，那么是你的代码去运行这个工具，再把结果放回提示词里；循环继续，直到模型给出最终答案。

这里有个容易被误解的关键点：模型从来不运行代码。它只是写出一个"我想调用某工具"的请求，真正执行的永远是外部代码。模型负责决策，代码负责行动，两者的职责边界非常清晰。

记忆与RAG：本质都是数据检索

模型的两个局限——会忘记对话、知识有截止日期——分别对应两个解决方案：记忆系统和RAG系统。但仔细观察会发现，这两者做的其实是同一件事：你的代码找到正确的数据，再把这些数据放进提示词。记忆和RAG本质上都是数据检索问题。

记忆系统的分层设计

记忆系统模仿人类记忆的结构，分为几个层次：

工作记忆：保存当前对话，放在内存里，大约一小时后过期；
情景记忆：保存带有时间戳的事件；
语义记忆：保存事实以及它们之间的关系，通常用图结构来存储；
感知记忆：保存图片和音频等多模态内容。

要从中找到一条相关记忆，系统会计算一个综合分数。其中相似度权重最大，时间新近度只占一小部分，再乘上一个重要性因子，范围大约在 0.8 到 1.2 之间。也就是说，重要性可以改变记忆的排序，但不能决定一条记忆是否被保留在内存中。

重要性能改变排序，但不能把一条记忆保存在内存里。

RAG的检索技巧

RAG 的一个实用思路是：先让模型写出一个"可能的答案"，然后到这个答案附近去搜索。查询的切入点越多，能找到的相关文本块就越多，召回质量也越高。这种"假设性答案驱动检索"的做法，比直接用原始问题检索往往更有效。

RAG（Retrieval-Augmented Generation，检索增强生成）是解决模型知识截止问题的主流方案。其核心流程是：将外部文档切割成小块（chunk），转换为向量嵌入（embedding）并存入向量数据库；当用户提问时，将问题同样转为向量，通过余弦相似度等方式检索最相关的文本块，最后将这些文本块连同问题一起送入模型，模型基于检索到的实时内容生成回答。相比直接把所有文档塞进上下文，RAG 的优势在于可以处理超出上下文窗口限制的大型知识库，同时在检索精度够高的情况下显著降低模型幻觉的概率。向量嵌入的质量和检索策略的设计，是 RAG 系统效果好坏的关键变量。

从单智能体到多智能体协作

当一个智能体承担的任务太多、职责太杂时，合理的做法是把工作拆开，交给多个专职智能体。这就是多智能体系统的由来。

在这种架构里，**编排者（Orchestrator）**接收整体任务，然后把不同部分分发出去：一部分交给研究智能体，一部分交给写作智能体，一部分交给审查智能体。每个智能体只扮演一个角色，拥有一小组工具和自己的记忆范围。

编排者接收任务，分发给研究、写作、审查智能体。

这种设计的精髓在于隔离。共享记忆只有一个主人——编排者。这样一来，某个智能体产生的错误事实，就不会扩散传染给所有智能体，错误被控制在局部。职责单一、记忆隔离，是多智能体系统保持可靠性的关键。

生产环境中的契约：MCP

在真正的生产环境里，每个智能体都是一个独立的服务，而 MCP（Model Context Protocol）就是它们之间的契约。通过标准化的协议，不同智能体之间可以稳定地协作与通信，而不必依赖彼此的内部实现细节。

在生产环境里，每个智能体都是一个服务，MCP是它们之间的契约。

MCP（Model Context Protocol）是由 Anthropic 于 2024 年底提出并开源的开放协议，目标是统一 AI 模型与外部工具、数据源之间的接口规范。类比来看，MCP 之于 AI 智能体，类似于 USB-C 之于硬件设备——通过一套标准接口，让不同来源的工具和服务可以即插即用，而无需为每个模型单独定制连接方式。MCP 定义了三种核心原语：Resources（资源，供模型读取的数据）、Tools（工具，供模型调用的函数）和 Prompts（提示模板）。在多智能体系统中，各智能体以 MCP Server 的形式暴露自己的能力，编排者作为 MCP Client 统一调度，使得整个系统的扩展和替换更加模块化，避免了各智能体之间点对点硬耦合的维护噩梦。

一张图看懂完整图景

把所有概念串起来，整个多智能体系统的图景其实非常清晰：

模型是一个无状态的函数；
智能体是围绕模型的一个循环；
记忆和 RAG 负责把正确的数据放进提示词；
多个智能体协作，每个只负责一个角色。

最后一条实践建议尤为重要：从一个智能体开始。不要一上来就堆砌复杂的多智能体架构，只有当测试证明单个智能体确实无法胜任时，才去增加更多智能体。工程上的克制，往往比炫技式的复杂更有价值。