智能体架构选型与工具预算，如何实现经济学优化？

导读：2025年是智能体爆发的一年。然而，随着模型能力的提升，工业界开始反思：盲目增加智能体、盲目增加工具调用次数真的能“大力出奇迹”吗？本文串联了两篇Google论文，从宏观的架构选择到微观的工具预算感知，探讨如何科学地构建高效的Agent系统。 Part 1. 宏观选型：多智能体的科学定律 Towards a Science of Scaling Agent Systems 最近在很多分享交流上对于究竟使用单智能体vs多智能体有很多不同的声音。24年其实以多智能体架构为主，但是随着模型能力的提升，不少论文发现，多智能体带来的边际收益在递减，同时多智能体之间的沟通成本和信息碎片化，导致在部分任务上甚至不如单智能体的效果。 而Google这篇论文没有停留在理论争辩，而是通过严谨的控制变量实验，揭示了架构选择与任务特征之间的深层数学关系。论文试图回答： 影响智能体系统表现的决定性变量是什么？ 智能体间的“沟通”何时是蜜糖，何时是砒霜？ 是否存在一个通用的“最优架构”？ 实验设计：解耦与控制 为了得出上述结论，作者设计了一个非常严谨的控制变量实验。以下是其具体的实验步骤： 步骤一：明确的Agentic任务范围 论文明确剔除了所有非智能体任务，毕竟多智能体隐式带来的Ensenble等推理效果很容易在HumanEval等任务上带来提升。这里智能体任务包含三个特点 多步和环境交互 基于部分观测的反复信息收集 基于反馈的策略优化 缺少以上条件的任务，其实都是在测试模型自身的推理能力，而非智能体在动态非确定环境性下工具调用和多步动态规划能力。基于以上条件论文选择了下面四个测试实验 Finance-Agent: 高可分解性，需多视角数据聚合。 BrowseComp-Plus: 动态网页浏览，具有高熵搜索空间 。 PlanCraft: 基于《我的世界》GUI界面的合成数据集，包含时空数据的规划任务，具有严格的序列依赖性。 Workbench: 评估业务流程自动化，涉及确定的代码执行和工具使用，例如发邮件、安排会议。 步骤二：梳理智能体架构分类 为了解耦“多智能体”这个概念，作者将其拆解为 5 种标准架构进行对比： SAS：单智能体架构 MAS：多智能体架构，论文按照信息流动方式和结构分成以下几类 Independent：所有智能体之间没有沟通，各干各个的，等同于Ensemble模型 Centralized：中心化模式，Cluade称之为Orchestrator，主智能体负责规划分发任务给子智能体并汇总信息，整个信息流动中存在主导者和信息瓶颈。 DeCentralized：去中心化，所有智能体All to All通信，论文使用的是辩论模式，其实也有也有像圆桌讨论、多角色讨论等其他模式，只不过是智能体的角色和所站论点的差异。 Hybrid：兼顾中心规划和子智能体的横向沟通的混合模式 更具体的不同智能体架构的交互深度、沟通复杂度如下 步骤三：变量控制 所有架构使用完全相同的工具、指令和任务描述，和相同的总推理Token预算。所以会存在MAS下子智能体越多，那每个子智能体分配到的轮次就更少。 实验结论和分析 如上图是不同智能体结构在不同任务上的实验效果，实验结果并未给出一个“万能架构”，反而揭示了信息流结构（Information Flow Structure）才是决定架构优劣的根本。 多智能体收益高度依赖任务结构，不存在永远最优的智能体架构 正收益： 在可分解、并行的任务上，例如需要多角度信息收集的Finance Agent任务上，MAS 表现出色，中心化架构（Centralized）比单体（SAS）提升了 80.9% 。 微收益： 在动态搜索任务（BrowseComp-Plus）上，去中心化架构仅带来 9.2% 的提升 。 负收益： 在强序列依赖的规划任务（PlanCraft）上，所有 MAS 架构都导致性能下降，降幅在 39% 到 70% 之间 。 为什么多智能体在序列任务重失效？ 作为算法工程师，我们需要透过现象看本质：这是Context Fragmentation（上下文碎片化）带来的必然结果。 高可分解性任务：类比Finance Agent，以及单段落的大纲写作等任务 这类任务的信息流特征是正交且独立，所以 \(P(task2|task1)\sim P(task2)\)，也意味着子智能体之前几乎无需沟通交流或者状态同步，因此中心化结构能带来并发效率提升，以及覆盖更广的搜索空间。