多智能体系统导论：范式演进与协同挑战

第 1 章　多智能体系统导论：范式演进与协同挑战

当单一大模型的上下文窗口被撑至 200K token、推理能力被 RLHF 与过程奖励模型反复提纯之后，工程界却逐渐意识到：许多真实的复杂任务——从跨企业供应链调度到百万行代码库的重构规划，从多模态医疗诊断到自动驾驶车队的博弈决策——本质上并不存在一个"上帝智能体"可以独立完成所有子目标。这种认知催生了 2023 年以来 LLM Agent 框架的爆发式增长，也使多智能体系统（Multi-Agent System, MAS）从分布式人工智能的学术范畴，正式跃升为继 RAG、Function Calling 之后的下一代架构范式。但"多智能体"并非新瓶装旧酒——它既不是把单体应用拆成几个微服务的同义词，也不是 Actor 模型的简单复刻，更不是几个 LLM 调用串成的"伪协作"剧本。本章将沿着分布式人工智能四十年的范式演进脉络，给出 MAS 的形式化定义、认知坐标系与边界判据，并以 AutoGen、CrewAI、LangGraph 三大框架的横向对比作为承接，把读者带到下一章对智能体内部架构的精细拆解之前。

1.1　多智能体系统的形式化定义与认知坐标系

1.1.1　从 Russell & Norvig 的智能体公理出发

任何关于 MAS 的严肃讨论都必须从一个更基本的概念——智能体（agent）——出发。Russell 与 Norvig 在《Artificial Intelligence: A Modern Approach》中给出的定义被视为公理性起点：一个智能体是任何能够通过传感器（sensors）感知其环境（environment）、并通过执行器（actuators）作用于该环境的实体。该定义刻意回避了对"智能"的形而上学争论，把研究焦点拉到可观测的输入/输出行为上，为后续整个领域建立了行为主义（behaviorist）的锚点。

形式化地，一个智能体可以抽象为函数映射 $f: \mathcal{P}^* \rightarrow \mathcal{A}$，其中 $\mathcal{P}$ 是感知序列的集合，$\mathcal{P}^*$ 表示任意长度的历史感知序列，$\mathcal{A}$ 是动作空间。对于一个具体的智能体，其内部实现可以是任意的——从查表（table lookup）、简单的 if-then 规则，到深度神经网络乃至人类认知过程。这种"黑箱容忍"的定义是 MAS 能够在符号主义、连接主义、行为主义三大流派之间建立统一语义的根源。

当环境 $\mathcal{E}$ 中并存两个及以上智能体，且每个智能体的效用函数 $u_i: \mathcal{S} \rightarrow \mathbb{R}$ 至少部分地依赖于其他智能体的动作时，MAS 的研究范畴便自动开启。换言之，MAS 的本质不是"多个智能体同时运行"，而是智能体之间存在相互依赖的效用结构。若每个智能体的最优动作独立于他人，则所谓的"多智能体系统"在理论上等价于若干单体优化问题的并集，工程实现上则完全可以退化为一组相互调用的微服务；只有当智能体的策略空间耦合（coupled）时，MAS 的独立研究价值才得以确立。

1.1.2　PEAS 框架与环境的七维分类

为统一描述任务环境，Russell 与 Norvig 提出 PEAS 框架（Performance, Environment, Actuators, Sensors），为每一个具体的智能体问题提供"性能度量—环境—执行器—传感器"四元组的完整刻画。以自动驾驶场景为例，性能度量可以拆解为安全性、效率、舒适性、法律合规等多目标加权和；环境是动态的城市交通网络；执行器是方向盘、油门、刹车与信号灯；传感器则是摄像头、激光雷达、毫米波雷达与高精度地图。这一框架在 MAS 语境下被进一步扩展为 N-PEAS（N 个智能体各自的 P、E、A、S）。

更关键的是环境本身的分类学。MAS 研究者通常沿用七维正交划分：

• **完全可观测 vs 部分可观测**：完全可观测意味着传感器在每一时刻都能获取环境的完整状态；部分可观测（partially observable）则是 MAS 的常态，因为它源于智能体感知的物理局限与信息隐藏的策略需求。
• **确定性 vs 随机性**：在确定性环境中，下一状态完全由当前状态与所选动作决定；随机性环境则引入转移函数 $T(s, a, s')$ 上的概率分布。
• **片段式 vs 序列式**：片段式（episodic）任务中，每个感知-动作对彼此独立；序列式（sequential）任务中，当前动作会影响所有未来收益，因此智能体必须进行前瞻性规划。
• **静态 vs 动态**：动态环境下，环境自身会在智能体决策期间发生变化——这在 MAS 中尤为突出，因为其他智能体的行为正是环境动态性的主要来源。
• **离散 vs 连续**：离散环境（如棋盘）的状态-动作空间是有限集合；连续环境（如机器人控制）则需要函数逼近器。
• **已知 vs 未知**：环境动力学是否对智能体透明。
• **单智能体 vs 多智能体**：核心判据——是否存在多个效用相互影响的决策者。

MAS 的大部分理论成果集中在"部分可观测、随机、序列式、动态、连续、多智能体"这一极端复杂的象限，这也是为何 MAS 的求解难度远高于单智能体规划。

1.1.3　Wooldridge & Jennings 的弱定义与强定义

为避免"一切并发系统皆 MAS"的语义滑坡，Michael Wooldridge 与 Nicholas Jennings 在 1995 年提出著名的弱/强二分法，至今仍是领域内最具操作性的判据。

弱定义（weak notion）把智能体刻画为满足四项属性的软件/硬件实体：

1. 自主性（autonomy）：智能体对自身行为拥有最终控制权，无需外部干预； 2. 社会能力（social ability）：智能体能够通过某种智能体通信语言（Agent Communication Language, ACL）与其他智能体交互； 3. 反应性（reactivity）：智能体能够感知环境并及时响应变化； 4. 主动性（pro-activeness）：智能体不仅被动响应，还能主动发起目标驱动行为。

满足弱定义的系统被称为"分布式人工智能系统"——大多数分布式专家系统、协作式信息系统都被纳入此范畴。

强定义（strong notion）则在弱定义的基础上额外要求智能体具备心智状态（mentalistic notions），即信念（belief）、愿望（desire）、意图（intent）等类人认知属性，并且其行为应当能从这些心智状态出发进行"心智归因"（mentalistic attribution）。强定义对应于 BDI 体系，是 MAS 理论研究的最高纲领。

二者的工程意义截然不同：弱定义足以支持"协同求解"的工程实现，强定义则是形式化验证、规约设计、可解释性研究的前提。在 LLM Agent 时代，弱定义几乎是 LLM 应用的天然属性——每个 LLM 调用都天然具备自主性与反应性；而强定义则需要通过提示工程、工具调用日志、心智状态外显化（verbalization of BDI）等机制来近似实现，这正是当前研究的活跃前沿。

1.1.4　MAS 与单体智能的本质差异

为何 MAS 不能被简化为"一个更大的单体智能"？答案藏在三道结构性障碍之中。

第一道障碍是表征异质性（representational heterogeneity）。在一个医疗诊断 MAS 中，放射科智能体的工作记忆可能基于 3D 体素张量，病理智能体基于高分辨率显微图像，而费用控制智能体则基于结构化的诊疗编码。这种异质性的根源在于不同子任务的输入模态、知识结构与决策空间存在本质差异，要求每种表征形式内部一致、相互之间的转换却不必无损——这与单体智能的"统一嵌入空间"假设相悖。

第二道障碍是效用耦合与博弈结构（utility coupling & game-theoretic structure）。当多个智能体的效用函数彼此依赖时，整体最优（global optimum）通常无法通过局部最优的简单叠加获得。著名的 Braess 悖论揭示：在一个交通网络中增加一条新道路反而可能使所有出行者的总通行时间上升。在 MAS 中，这意味着每个智能体必须对其他智能体的策略进行推理（reasoning about others），形成递归心智（recursive mindreading）或贝叶斯心智（Bayesian ToM）。

第三道障碍是可扩展性约束（scalability constraint）。即便存在一个全知全能的单体智能体，其状态空间也会随子任务数量呈指数爆炸。MAS 通过任务分解（task decomposition）、局部性约束（locality constraints）与层次化抽象（hierarchical abstraction）来抑制组合爆炸，这是它在工程上得以生存的根本理由。

1.2　范式演进：从黑板系统到 Agent Mesh

MAS 的历史几乎与人工智能本身一样长——它是符号主义 AI 在分布式场景下的逻辑延伸，也是连接主义 AI 在多体博弈中的最近一波复兴。理解这条演进谱系，对于把握当前 LLM Agent 浪潮的历史定位至关重要。

```mermaid flowchart LR A[1980 黑板系统<br/>Hearsay-II BB1] --> B[1980 合同网协议<br/>Smith Davis] B --> C[1990 BDI 架构<br/>Rao Georgeff] C --> D[1990 ACL/KQML<br/>FIPA 标准] D --> E[2000 语义Web Agent<br/>OWL-S WSMO] E --> F[2010 深度强化学习<br/>AlphaGo OpenAI Five] F --> G[2023 LLM Agent Mesh<br/>AutoGen CrewAI LangGraph] ```

1.2.1　第一波：黑板系统（1970s–1980s）

黑板系统（Blackboard System）是 MAS 思想的真正源头。其经典代表 Hearsay-II 语音理解系统（Erman 等，1980）将多个专家知识源（Knowledge Source, KS）组织在同一块共享的"黑板"数据结构周围。每个 KS 在黑板上观察部分状态后，可被激活、修改黑板内容或触发其他 KS。该架构的革命性在于实现了机会主义问题求解（opportunistic problem solving）——不预先规定求解顺序，而是由系统根据当前黑板状态动态决定下一步行动。后续的 BB1、HEARSAY-III、Proteus 等系统进一步引入元级控制（meta-level control），使调度策略本身也可被修改。

黑板范式对现代 MAS 的影响深远：当下的"共享内存 + 多个 LLM Agent 异步读取/写入"模式，如 LangGraph 的 SharedState、AutoGen 的 GroupChatManager，本质上都是黑板系统的当代变体。区别在于：黑板系统中的 KS 是确定性符号处理单元，而 LLM Agent 是基于概率的生成器，调度逻辑也从元级规则迁移到了 LLM 自身。

1.2.2　第二波：合同网协议与协商机制（1980s）

Reid Smith 在 1980 年提出的合同网协议（Contract Net Protocol, CNP）标志着 MAS 研究从"被动共享"转向"主动协商"。CNP 把任务分配建模为招投标过程：管理者（manager）广播任务招标公告（task announcement），潜在承包者（contractor）根据自身能力、负载、成本进行投标（bid），管理者基于某种评估函数选择中标者并签订合同。整个过程天然支持任务分解、动态角色切换与故障重试，是 MAS 中任务分配（task allocation）问题的奠基性框架。

CNP 的局限在于其假设管理者具备全局视野，且忽视了合同执行阶段的协作代价。这催生了后续的扩展协议——多阶段合同网、嵌套合同网、引入承诺机制的承诺合同网（commitment-based CNP），以及将拍卖理论与机制设计（mechanism design）相结合的 Vickrey-Clarke-Groves 拍卖在 MAS 中的应用。CNP 至今仍是供应链 MAS、云计算任务调度、机器人队协作的理论基石。

1.2.3　第三波：BDI 架构与形式化心智状态（1990s）

Anand Rao 与 Michael Georgeff 在 1991 年提出的 BDI（Belief-Desire-Intention）架构是 MAS 强定义的工程化身。其核心思想是把智能体的内部状态显式建模为三类心智结构：

• **信念（Belief）**：智能体对环境与其他智能体的认知，通常以一阶或高阶逻辑公式描述；
• **愿望（Desire）**：智能体希望达到的状态集合，可能彼此不一致；
• **意图（Intention）**：智能体承诺去实现的目标子集，是经过深思熟虑后从愿望中筛选的。

BDI 的形式语义基于分支时序逻辑（Computational Tree Logic, CTL）扩展——通过把"信念"映射为对路径的可达性谓词、"意图"映射为持续性算子（sustain operator），建立了可被自动验证的语义基础。澳大利亚的 dMARS、美国的 JACK Intelligent Agents、欧洲的 Jason 等 BDI 平台在 2000 年代被广泛应用于航空交通管制、机器人足球与商业流程管理。

BDI 的批判主要来自两方面：一是其符号推理开销大，难以应对高维连续状态；二是"信念-愿望-意图"的精确边界在真实场景中很难刻画。这两条批判恰好为后来基于神经网络的 MAS 留下了空间，也为今天 LLM Agent 用自然语言外显 BDI 状态提供了动机。

1.2.4　第四波：ACL 与 FIPA 标准化（1990s–2000s）

要让异构智能体互联互通，必须有标准化的通信语言。这条线路上最重要的里程碑是 KQML（Knowledge Query and Manipulation Language）与 FIPA（Foundation for Intelligent Physical Agents）ACL。KQML 引入了 performative（言语行为）概念，把消息内容与通信意图（inform、request、query、advertise 等）解耦。FIPA 在此基础上进一步规范化了消息结构、交互协议（contract net、English auction、subscribe 等）以及本体服务（Directory Facilitator）。

尽管 FIPA 在产业上未能达到 TCP/IP 那样的统治地位，但其设计哲学——把通信语义、交互协议、内容表示分层解耦——深刻影响了后来的 Web 服务（SOAP/WSDL）、语义 Web（OWL-S）以及当下的 LLM Agent 通信协议（如 Anthropic MCP、Google A2A）。可以说，FIPA 是当代 Agent-to-Agent 协议的"精神祖先"。

1.2.5　第五波：深度强化学习中的多体博弈（2010s）

2016 年 AlphaGo 击败李世石、2018 年 OpenAI Five 击败 Dota 2 人类顶尖战队，将 MAS 的研究焦点从符号协商推到了多智能体强化学习（Multi-Agent Reinforcement Learning, MARL）。MARL 关注的核心问题是：在共享环境与部分可观测条件下，多个深度神经网络智能体如何通过策略梯度或价值函数学习获得协调或竞争策略。

MARL 的理论难点在于非平稳性（non-stationarity）——从单个智能体视角看，环境转移函数在训练过程中会因其他智能体策略变化而漂移，导致经验回放失效。解决方法包括集中训练-分散执行（Centralized Training with Decentralized Execution, CTDE）、注意力机制建模队友、通讯信道学习（如 CommNet、TarMAC、IC3Net）等。MARL 在游戏 AI、自动驾驶编队、机器人协作、能源电网调度等领域取得了工程级成果。

但 MARL 仍受制于样本效率、奖励设计、可解释性等老大难问题，使其难以应对开放域语言任务。这为下一波 LLM Agent 浪潮让出了舞台。

1.2.6　第六波：LLM 驱动的 Agent Mesh（2023–）

2023 年以来，以 GPT-4、Claude 3.5、Gemini 为代表的大语言模型展现出惊人的自然语言理解、规划与工具调用能力，使"用自然语言配置多智能体协作"成为可能。Microsoft 的 AutoGen、CrewAI、LangGraph、MetaGPT、ChatDev 等框架相继涌现，把 MAS 从学术原型推向生产环境。

这一阶段的核心范式被称为Agent Mesh：智能体之间通过结构化消息（通常仍是自然语言 + 工具调用 JSON）、共享工作区、状态机或事件总线进行协作，每个智能体可调用 LLM、工具、记忆模块或外部 API。Agent Mesh 与传统 MAS 的关键区别在于：

1. 认知负载从程序员转移到 LLM：过去需要程序员用形式逻辑精确刻画 BDI 状态，现在可通过提示词让 LLM 在自然语言层面"模拟"这些状态； 2. 通信介质从 KQML 语义消息转向 JSON + 自然语言：FIPA 式的 performative 仍存在，但更多以"系统提示词 + 工具描述"的方式实现； 3. 涌现行为（emergent behavior）成为研究焦点：智能体的复杂协作不再需要预先穷举协议，而是通过角色分配、目标对齐机制涌现出来。

理解这条从黑板到 Agent Mesh 的演进谱系，有助于避免把当下的 LLM Agent 浪潮误读为"突然出现的新事物"——它既是四十年范式积累的爆发，也是符号主义与连接主义在认知架构层的再次合流。

1.3　BDI 模型与理性智能体的数学刻画

1.3.1　BDI 逻辑的形式语义

Rao 与 Georgeff 的 BDI 模型本质上是模态逻辑（modal logic）的多模态扩展。设 $W$ 为可能世界集合，$T \subseteq W \times W$ 为时序可达关系，则信念、愿望、意图可分别用三种二元模态算子 $(Bel, Des, Int)$ 表示。每种模态都