本文基于 Building Conversation Kernels for AI Agents 中的核心示意图与文字内容，总结当前主流 Agent 架构的演进路径，并结合图示拆解其设计动机、优缺点与适用场景。

---

一、背景：为什么需要新的 Agent 架构？

随着 AI Agent 从单轮问答演进到复杂、多轮、工具驱动任务，传统的 Single Agent System（SAS） 暴露出明显问题：

• 上下文无限膨胀（Context Pollution）
• 工具与指令耦合严重
• 长对话下性能与稳定性下降
• 复杂任务难以扩展

为了解决这些问题，Agent 架构逐步从 单体 → 分工 → 编排 → 群体 演进。

---

二、On-Demand Tooling SAS：按需加载技能的单体 Agent

1. 核心思想

在传统 SAS 的基础上，引入 Skill（技能） 概念：

• 技能以独立 SKILL.md 形式存在
• 描述：功能、输入输出、可用工具
• Agent 在运行时 按需学习并注入技能

skill参考地址

2. Agent 调用关系（泳道图）

关键点：Skill 一旦加载即进入长期上下文，形成不可逆增长

3. 优点

• 比静态工具集更灵活
• 技能模块化、可复用
• 降低初始上下文负担

4. 致命问题

上下文不可逆增长（Irreversible Context Growth）

• 技能一旦注入，为保持一致性就难以移除
• 长会话后仍会走向 Context Pollution
• 本质仍是“增强版单体 Agent”

📌 结论：这是过渡方案，而非终局。

---

三、Context Engineer / Executor SAS：双模型串行架构

1. 架构拆分

角色	模型	职责
Context Engineer	小模型（Fast / SFT）	上下文工程、Query Rewrite、RAG、工具筛选
Executor	大模型（Reasoning）	在“干净上下文”中执行 ReAct

2. Agent 调用关系（泳道图）

关键点：Context Engineer 决定“给什么”，Executor 决定“怎么做”

3. 优点

• 高效率：小模型做“脏活累活”
• 上下文干净：Executor 不被污染
• 成本可控

4. 局限

• 工具依赖 SFT，扩展成本高
• Context Engineer 判断错误会被放大
• 系统运维复杂（双模型）

📌 结论：工程效率很高，但灵活性不足。

---

四、Multi-Agent System（MAS）：多 Agent 分工协作

MAS 是当前主流与未来趋势，核心思想只有一句话：

让不同 Agent 各司其职，而不是让一个 Agent 无所不能

---

1、Basic Centralized MAS：Dialog / Planner 双 Agent

1.1 角色划分

• Dialog Agent：

  • 与用户交互
  • 维护长期、干净记忆

• Planner Agent：

  • 接收 Task Specification
  • 规划步骤、调用工具

1.2 Agent 调用关系（泳道图）

关键点：Dialog 不碰工具，Planner 不直接对话

1. 3 记忆策略

Agent	记忆特征
Dialog	长期、精简（只保留最终结果）
Planner	短期、深度（完整执行链路）

1.4 优点

• 指令竞争问题消失
• 支持长期对话
• 性能更稳定

1.5 缺点

• 单轮任务延迟略高

• 信息传递存在损耗

• Planner 成为瓶颈

• 单轮任务延迟略高

• 信息传递存在损耗

• Planner 成为瓶颈

---

2、Hierarchical Centralized MAS：层级化 Agent 组织

2.1 类似“公司组织结构”

• Dialog Agent（前台）
• Primary Planner（老板）
• Team Leader（部门负责人）
• Worker Agent（执行者）

2.2 Agent 调用关系（泳道图）

关键点：任务逐层拆解，结果逐层回传

2.3 适用场景

• 超复杂任务（写书、市场调研）
• 长时间异步执行

2.4 核心问题

• 延迟高

• 调试极难（电话游戏效应）

• 只适合高价值任务

• 延迟高

• 调试极难（电话游戏效应）

• 只适合高价值任务

---

3、Orchestrator MAS：编排者中心架构（强烈推荐）

3.1 核心角色

• Orchestrator Agent：

  • 全局状态机
  • 路由、调度、聚合结果

• Specialized Planner：

  • 只做规划（Coding / Writing / Math）

• Executor Agent：

  • 具备重试、容错能力的“智能工具”

3.2 Agent 调用关系（泳道图）

关键点：Orchestrator 统一决策，Planner 与 Executor 完全解耦

3.3 优点

• Planner 可独立优化（CoT-SC / Critic）
• 扩展安全，不影响全局
• Executor 更稳定

3.4 核心挑战

• 规划与执行可能脱节
• Orchestrator 本身要“足够聪明”

📌 结论：这是当前工程实践中最平衡的 MAS 架构。

---

4️⃣ 一个重要对比总结

架构	决策权	执行权	上下文控制
SAS	单 Agent	单 Agent	差
Context/Executor	Context Engineer	Executor	好
Basic MAS	Planner	Planner	很好
Orchestrator MAS	Orchestrator	Executor Agent	⭐⭐⭐⭐⭐

---

五、总结：架构选型建议

场景	推荐架构
简单问答	基础 SAS
工具密集	Context Engineer + Executor
长对话	Basic MAS
超复杂任务	Hierarchical MAS
通用 AI Agent 平台	Orchestrator MAS ⭐⭐⭐⭐⭐

---

Agent 架构的本质，不是模型有多强，而是“谁在什么时候，知道什么，能做什么”。