跳转到内容

Agent 架构与执行循环:Workflow、单 Agent 与多 Agent

步骤固定时,先用普通代码或 Workflow;下一步取决于不确定输入和中间反馈时,才引入 Agent。 单 Agent 已经能可靠完成任务,就不要继续加角色。架构升级的理由必须是解决了可观察的问题,而不是名词更高级。

可以用四项检查做第一轮判断:

任务特征优先选择
输入结构化、规则明确、结果可用代码验证普通代码
步骤基本固定,只有提取、分类或写作需要模型Workflow
下一步要根据工具结果动态决定,目标和工具边界清楚单 Agent
子任务真正独立,需要不同上下文、工具或权限,或必须执行中协调再比较多 Agent

例如报销审核,模型只需提取发票字段和生成异常说明,金额、预算、重复报销与权限都由代码校验。流程已知,不需要让 Agent 自由决定全部步骤。反之,调查数据库迁移时,发现一种查询不兼容会改变后续测试方法,这才需要执行循环。

还要算完整成本,而不是只比较模型单价:

实际收益 = 每任务价值
− 模型与工具成本
− 基础设施成本
− 人工接管成本
− 错误补偿成本
− 评测与维护成本

1. 先分清四个概念:它们不是四个升级阶段

Section titled “1. 先分清四个概念:它们不是四个升级阶段”

Function Call 声明一次工具调用,Agent 推进多步任务,MCP 统一工具接入,Skill 提供可复用的任务说明。 它们可以组合,也可以单独使用。

概念负责什么不负责什么
Function Call用结构化参数描述“调用哪个函数、传什么”模型不会亲自执行函数;不保证参数正确或已授权
Agent根据观察和目标决定下一步,直到结束不保证任务完成,也不自动拥有业务权限
MCP用标准协议连接 Host 与工具、资源和提示模板不替代业务实现、权限、幂等与结果核对
Skill保存某类任务的流程、约束和领域写法不是可执行函数,也不能代替程序检查

Function Call、Agent、MCP、Skill 各自的职责

以“读取当前数据库支持的查询类型”为例,开发者先声明工具:

{
"type": "function",
"function": {
"name": "get_query_capabilities",
"description": "只读查询当前数据库版本支持的查询能力",
"parameters": {
"type": "object",
"properties": {
"database_id": { "type": "string" }
},
"required": ["database_id"],
"additionalProperties": false
}
}
}

模型只返回 get_query_capabilities(database_id=...) 的调用请求。Host 是运行 Agent 的应用,它必须再次检查数据库归属和只读权限,然后才真正执行并把结果交回模型。strict: true 或 JSON Schema 只能约束输出形状,不能证明这个 ID 可以访问,也不能证明业务判断正确。

MCP 解决的是接入方式:Host 内的 Client 连接 MCP Server,Server 暴露 Tools、Resources 和 Prompts。它减少每个应用分别写适配器的成本,但 Server 返回的内容和动作仍要经过业务校验。MCP 的协议版本差异见2026-07-28 核心变化,不要把不同版本的连接生命周期混写。

Skill 则是另一层:它告诉 Agent 做迁移评估时先查版本、再核对查询能力、最后评估成本。即使不使用 MCP,也可以用本地函数执行工具;即使没有 Skill,Agent 仍能运行。

2. 单 Agent 的核心是行动与观察,不是反复生成文本

Section titled “2. 单 Agent 的核心是行动与观察,不是反复生成文本”

一个最小执行循环如下:

读取目标与约束
→ 模型决定下一步
→ Host 校验并执行工具
→ 把结果交给模型
→ 模型根据新观察继续,或提出结束

这种组织方式常叫 ReAct(Reasoning + Acting)。产品不必展示完整内部推理,但必须保存足够验证下一步的工具结果和任务状态。

Agent 内部:规划循环、多次工具调用、记忆与上下文预算

迁移评估可能这样推进:

  1. 读取数据库版本和查询清单。
  2. 调用兼容性工具,发现一种查询不支持。
  3. 根据发现改写测试方案,而不是继续测原始查询。
  4. 在隔离环境运行测试。
  5. 把兼容性问题、测试前提和新增改造成本一起写入报告。

这里的价值来自“新观察改变下一步”。如果只是按照固定清单依次调用三个 API,普通 Workflow 更直接。

单 Agent 合适的前提是:目标明确、工具集合有限、每步有结果反馈、副作用受控,并且可以限制步数、时间和费用。没有行动工具或结果反馈时,反复要求模型“再想想”不会形成执行闭环。

3. 目标控制是在一轮结束后验收,不是另一套 Agent

Section titled “3. 目标控制是在一轮结束后验收,不是另一套 Agent”

普通 Agent 的循环负责执行,目标控制程序(Harness)再多做一次判断:这轮结束后,应该结束、继续,还是等待外部结果?

假设任务是把首页和关于页的页脚年份都改成 2026,正文不能动。Agent 改了首页就宣布完成,文件检查器发现关于页仍是旧年份,就把具体失败项送回下一轮。

Agent 做一轮工作
→ 程序读取实际文件并验收
→ 未通过且还有额度:带着失败项再做一轮
→ 通过:记录成功并停止
→ 等待审批或外部事件:保存进度,事件到达后再验收
→ 达到上限:明确未完成,不能报喜

自动续跑和结果验收是两件事。程序可以不断催 Agent 工作,却仍然相信它自己报告的“已经完成”。真正有用的是检查器、继续条件、等待状态和预算上限。

不同产品的 Goal 实现并不相同。固定到 Codex rust-v0.135.0,续跑最终启动的是普通任务,主 Agent 自查并报告完成,没有另外启动独立验收模型。Claude Code /goal 的评估器只能依据对话中已有的证据判断,不能自己读文件或运行测试。Ralph 的完成标记同样不能替代外部结果。

演示脚本不调用付费模型,也不访问真实网站。它故意让模拟 Agent 每轮只改一页,却每次宣布完成:

Terminal window
curl -fsSLo harness-goal-loop.mjs https://blog.mlxb.cc/examples/harness-goal-loop.mjs
goal_demo_dir=$(mktemp -d)
node harness-goal-loop.mjs init "$goal_demo_dir/goal.sqlite"
node harness-goal-loop.mjs run "$goal_demo_dir/goal.sqlite"
node harness-goal-loop.mjs status "$goal_demo_dir/goal.sqlite"

脚本需要 Node.js 24+。第一轮的外部检查失败,第二轮修改另一页后才进入 SUCCEEDED。这只能证明控制程序能拦下过早的完成声明,不能证明真实模型两轮就能完成任务。

实际项目还要补三条规则:

  • 验收记录绑定目标版本和被检查结果的内容哈希;文件再次变化后,旧验收结果失效。
  • 连续多轮没有文件变化、同一检查持续失败时,换方案或请求人工,不把轮数当进度。
  • 达到预算、用户取消或目标改变时停止调度;迟到的成功结果不能让已取消任务重新成功。

需要等待部署、审批或跨进程恢复时,再引入持久化状态、租约和事件回执,见Agent 状态持久化与恢复。

4. 多 Agent 的区别是通信和最终责任,不是角色数量

Section titled “4. 多 Agent 的区别是通信和最终责任,不是角色数量”

继续用迁移评估:A 查兼容性,B 测性能,C 算改造成本。A 发现查询必须改写,B 原来的测试因此作废,C 也要把改写和补测计入成本。这条发现怎样传递,决定了架构。

架构信息怎样流动适合什么这个例子里怎么判断
SAS 单 Agent同一个上下文连续推进前后发现会改变后续步骤留作基线;可靠且成本可接受就不必拆
Independent 独立并行各自完成,最后拼接子任务互不相干不适合只有末尾拼接的配置,B 会在旧前提上白跑
Centralized 中心化总管分工、转达发现、重新安排工作需要统一目标和执行中协调第一个值得验证的多 Agent 候选
Decentralized 去中心化执行者直接讨论,按规则结束局部发现需要互相追问当前只需落实新前提,不必全体讨论
Hybrid 混合总管管全局,局部直接通信整体统一,局部频繁对齐A、B 需要反复对齐时再选

中心化并不意味着更聪明。总管一旦误解 A 的报告,B、C 会一起收到错误指令。去中心化也不等于互相验证,多数 Agent 同意仍不能代替证据。

《Towards a Science of Scaling Agent Systems》v3 也支持“按任务结构选”,而不是给架构排固定名次:

实验任务SAS 基线多 Agent 结果能说明什么
PlanCraft,步骤会改变后续材料56.8%Hybrid 34.6%,已是多 Agent 中较高多 Agent 都退化,Hybrid 退化较少仍不如 SAS
Finance-Agent34.9%Centralized 63.1%在另一任务和配置下,中心化可能有益
BrowseComp-Plus31.8%Decentralized 34.7%结论依赖任务、模型、工具和预算,不能泛化排名

先实现 SAS 和 Centralized 的同任务对照即可,不必一次做五套。所有方案使用相同任务、资料版本、工具、验收标准和总预算,并把协调、汇总和重试全部计入成本。

5. 拆分之前,先写清任务、消息和权限

Section titled “5. 拆分之前,先写清任务、消息和权限”

一次子任务至少要约定:目标、已有资料、可用工具、禁止动作、完成条件,以及时间和费用上限。只写“你是性能专家”没有可执行边界。

每条结果至少包含:

结论
证据位置
测试前提与资料版本
未确认事项
下一步需要谁处理

收到建立在旧前提上的结果,要标为待更新,不能覆盖新结论。子 Agent 结束也不代表总任务完成,最终责任人必须检查所有必要条件。

写操作还要指定唯一责任方。独立上下文不会自动带来权限隔离;多个 Agent 同时修改同一资源会产生冲突。工具超时后先查外部状态,不能因为另一个角色不知情就再执行一次。

当多 Agent 只是让报告更长,关键遗漏、测试前提、成本完整性和人工补查次数都没有改善,就不构成替换 SAS 的理由。