[译] Anthropic 是如何构建 Multi-Agent Research 系统的（2025）

Anthropic构建了一个多智能体研究系统，通过智能体协作和动态调整，提高了复杂任务的研究效率。

Multi-Agent系统由多个Agent组成，包括Lead Agent和sub-agent，协同工作完成复杂任务。

Agent适合回答开放式问题，模拟人类研究过程，动态调整下一步方向。

多个sub-agent并行运行，探索同一问题的不同方面，减少路径依赖，实现深入研究。

Multi-Agent系统在广度优先查询任务中表现优异，性能显著高于单一Agent。

Multi-Agent系统的有效性依赖于足够的token使用量，token消耗是主要性能差异因素。

Multi-Agent系统的缺点包括高昂的token消耗和协调复杂性，某些领域不适合使用该系统。

系统架构采用Orchestrator-Worker模型，Lead Agent协调流程并委派任务给sub-agent。

Multi-Agent架构使用多步搜索，动态查找相关信息，回答质量更高。

提示词工程是改进Agent行为的主要手段，需合理下发工作和管理查询复杂度。

Agent-Tool接口设计至关重要，使用正确的Tool能显著提高任务效果。

评估Multi-Agent系统的效果需灵活，不能依赖传统评估方法。

Agent的状态管理和错误处理是系统可靠性的关键，需建立有效的恢复机制。

使用rainbow deployments发布更新，避免中断正在运行的Agent。

在复杂研究任务中引入并行Tool调用，显著提升速度和性能。

构建AI Agent时，最后一公里的投入至关重要，Multi-Agent系统是解决开放式任务的有效方式。