Agent Teams 深度解读：从 Claude Code 到多智能体协作的技术全景

当一个 Agent 不够用，那就来一个团队。本文拆解 Agent Teams 的核心工作机制，横向对比 Claude Code、MetaGPT、AutoGen 等主流多智能体框架，纵向追溯学术脉络，试图回答一个根本问题：让 AI "组队干活"到底难在哪？

---

🎯 一句话总结

Agent Teams 是一种主从式多智能体协作架构，通过任务分解（DAG）、消息传递（Mailbox）和生命周期管理（Shutdown Protocol）三大核心机制，让多个 LLM Agent 像真实团队一样分工协作、并行执行、协调收敛。Claude Code 的 Agent Teams 是当前工程实现最完整的产品级方案，而这一方向背后有一整条从 CAMEL 到 AdaptOrch 的学术演化链。

---

📖 起源：一篇"Agent 自我观察"的实验报告

之前我做了一件很有意思的事情——让 Agent Teams 自己观察自己。我创建了一个5人"观察团队"，由不同角色的 Agent 分别记录协作机制的工作细节。团队角色设计如下：

角色名称	类型	职责
team-lead	协调型	统筹全局、分配任务、收集结果
task-manager	调度型	管理任务队列、处理依赖关系
executor-alpha	执行型	执行具体子任务
executor-beta	执行型	与 alpha 并行执行，测试竞争机制
protocol-tester	边界测试型	探测消息协议边界、异常处理

这种"让被观察者自己写报告"的实验设计颇为巧妙。结果也确实揭示了几个核心机制，下面我们逐一拆解。

---

🏗️ 核心机制一：文件系统即状态后端

Agent Teams 没有用数据库，甚至没有用内存中的共享状态，而是直接拿文件系统当状态后端。这个选择乍一看很"土"，但仔细想想非常合理——每个 Agent 本质上是一个独立的 CLI 进程，用文件系统做进程间通信是最简单、最可靠的方案。

~/.codebuddy/teams/{team-name}/
├── config.json              # 团队配置：成员列表、角色定义
├── members/
│   ├── team-lead/
│   │   └── inbox/           # 收件箱：其他 Agent 发来的消息
│   ├── executor-alpha/
│   │   └── inbox/
│   └── ...
└── tasks/
    ├── task-001.json         # 任务元数据：状态、依赖、所有者
    ├── task-002.json
    └── ...

每个任务用一个 JSON 文件记录状态，包含 status（pending/in_progress/completed/deleted）、blockedBy（依赖的其他任务 ID）和 owner（认领者）三个关键字段。这个设计有几个优点：

原子性靠文件系统保证。 两个 Agent 同时想认领同一个任务？TaskUpdate 操作设置 owner 字段时，文件系统的写入锁天然保证了原子性，不需要额外的分布式锁机制。

可观测性极强。 整个团队的状态就是一堆 JSON 文件，用 ls 和 cat 就能看到全貌。调试的时候不用接 debugger，直接 watch -n1 cat tasks/task-001.json 就行。

崩溃恢复简单。 某个 Agent 挂了？重启后读一遍文件就能恢复状态，不需要事务日志或 WAL。

当然也有明显的缺点——性能上限低。报告里发现广播消息的成本随团队规模线性增长（N 个队友 = N 次文件写入），这在 10 人以内的小团队可以接受，但如果要扩展到几十个 Agent 并行就会成为瓶颈。

---

🏗️ 核心机制二：任务系统与 DAG 依赖

任务不是简单的列表，而是一个有向无环图（DAG）。每个任务可以通过 blockedBy 字段声明自己依赖哪些前置任务，只有前置任务全部 completed 之后，当前任务才会从"阻塞"变为"可认领"。

这个设计直接借鉴了构建系统（如 Make、Bazel）的依赖拓扑排序思想。举个例子，一个典型的前后端开发任务可能长这样：

[定义 API Schema] ──→ [实现后端接口] ──→ [集成测试]
         │                                    ↑
         └──→ [实现前端组件] ─────────────────┘

后端和前端可以并行开发（都只依赖 Schema），但集成测试必须等两者都完成。Agent Teams 的任务系统会自动处理这种依赖关系，编排器不需要手动调度"先做 A 再做 B"。

四态流转模型也值得关注：

pending ──→ in_progress ──→ completed
                │
                └──→ deleted (取消/失败)

没有 failed 状态——这是个有意思的设计决策。失败的任务直接标记为 deleted，然后由编排器决定是重新创建一个同样的任务让别的 Agent 认领，还是调整整个执行计划。这种"失败即重来"的策略比复杂的错误恢复机制要简单得多。

---

🏗️ 核心机制三：消息传递与通信协议

Agent 之间怎么交流？Agent Teams 设计了一套基于收件箱的消息系统，支持以下消息类型：

消息类型	用途	是否需要回复
message	点对点定向消息	否
broadcast	广播给所有队友	否
shutdown_request	请求某个 Agent 关闭	是（shutdown_response）
shutdown_response	确认关闭请求	否
plan_approval_response	审批执行计划	否

报告中 protocol-tester 做了几个很有价值的边界测试：

超长消息测试： 发送了 1085 字符的消息，系统正常接收，没有截断。这说明消息长度限制比较宽松，Agent 之间可以传递详细的上下文信息。

无效收件人测试： 给一个不存在的 Agent 发消息，系统直接拒绝，不会静默丢弃。这是一个关键的安全特性——如果消息被静默丢弃，调试起来会非常痛苦。

空消息测试： 空内容消息也被拒绝。看起来是小事，但防止了 Agent 因为幻觉（hallucination）产生空消息进而触发其他 Agent 的无意义处理。

消息投递采用的是客户端驱动的推送模式，不是 Agent 自己轮询收件箱。当 Agent 执行完一个 tool call、进入下一个 agentic turn 时，系统会自动把收件箱里的新消息注入到 Agent 的上下文中。这比轮询高效得多，也避免了轮询间隔的配置问题。

---

🏗️ 核心机制四：生命周期管理

一个经常被忽视但极其重要的问题：Agent 什么时候停下来？

LLM Agent 没有"完成"的天然概念。如果不加约束，一个 Agent 可能会无限循环地"思考"——每次都觉得还有事情没做完。Agent Teams 用两个机制解决这个问题：

max_turns 硬上限。 每个 Agent 在创建时可以设定最大执行轮次。到达上限后 Agent 强制停止，无论任务是否完成。这既是成本控制（每个 turn 都烧钱），也是安全边界（防止失控）。

优雅关闭协议（Graceful Shutdown Protocol）。 Team Lead 关闭团队时，不是直接杀进程，而是：

1. 依次向每个成员发送 shutdown_request
2. 每个成员收到后完成当前手头工作，然后回复 shutdown_response（approve=true）
3. Team Lead 收集全部 response 后，才执行最终的 team_delete 操作

这跟 Kubernetes 的 Pod 终止流程很像——先发 SIGTERM，给 graceful period 让进程收尾，最后再 SIGKILL。只不过这里是用自然语言消息代替了 Unix 信号。

---

🔍 Claude Code Agent Teams：产品级实现的技术细节

报告观察到的机制，跟 Claude Code 官方 Agent Teams 的实现高度一致。Claude Code 在 2026 年 2 月正式推出 Agent Teams 功能，把社区之前通过 OpenClaw 等工具零散实现的多 Agent 协作能力做成了原生支持。我们来看看它的具体工程实现。

工具体系

根据 Claude Code 系统提示词（version 2.1.76）的公开拆解，Agent Teams 依赖以下核心工具：

工具名称	Token 数	功能
TeammateTool	1645	核心工具：创建团队、管理成员、协调队友
SendMessageTool (Teams版)	1205	智能体之间的消息传递
TaskCreate	528	创建任务或启动子智能体
TeamDelete	154	删除团队、清理资源

此外还有几个关键的 System Prompt：

Team Coordination（250 tokens）： 告诉 Agent 在团队环境中如何与其他成员配合——什么时候该发消息、什么时候该等待、什么时候该认领任务。

Teammate Communication（130 tokens）： 定义了 swarm 模式下智能体之间的通信行为准则。

Fork Usage Guidelines（339 tokens）： 规定了什么时候该 fork 子智能体。有一条很关键的规则：禁止在 fork 过程中读取输出或伪造结果。这是为了防止 Agent 偷懒——如果允许主 Agent 在子 Agent 还没执行完就"猜"一个结果，整个并行执行的可靠性就没了。

编排模式

Claude Code 的编排器（主 Agent）根据任务性质动态决定生成多少个子 Agent、分别承担什么角色。触发方式有两种：

隐式触发： 用户描述的任务暗示了需要并行处理。比如"重构整个项目的认证模块，同时更新所有相关的单元测试"，编排器会自动判断可以拆成"重构"和"测试"两个并行子任务。

显式触发： 用户明确要求。比如"用 3 个 Agent 分别处理前端、后端和数据库"。

每个子 Agent 有独立的上下文窗口，只加载与自己任务相关的文件和信息。这解决了单 Agent 架构的一个根本问题：上下文窗口是有限的。一个 Agent 试图同时理解整个项目的前端、后端、数据库代码，很容易因为上下文过长而丢失关键细节。分成多个 Agent 后，每个只需关注自己那一块。

Worker Fork 模式

Claude Code 有一个特殊的子 Agent 类型叫 Worker Fork，它的系统提示词（370 tokens）明确要求：

这是一个分叉的子智能体，它直接执行指令而不生成更多的子智能体，然后报告结构化结果。

换句话说，Worker Fork 是叶子节点——只干活、不分活。这防止了子 Agent 无限递归地创建更多子 Agent，避免了"Agent 繁殖爆炸"的问题。这跟操作系统中的 fork bomb 防护逻辑是一个道理。

---

📚 学术脉络：Agent Teams 背后的论文演化

Agent Teams 不是凭空出现的，背后有一条清晰的学术演化链。从2023年的角色扮演通信框架，到2026年的自适应编排，我们来梳理关键节点。

CAMEL（2023）：角色扮演通信框架的开山之作

Li et al. “CAMEL: Communicative Agents for ‘Mind’ Exploration of Large Language Model Society.” arXiv:2303.17760, 2023.

CAMEL 提出了一个核心洞察：两个 LLM Agent 可以通过角色扮演（role-playing）实现自主协作，不需要人类持续介入。具体做法是用一个叫 “inception prompting” 的技术，给两个 Agent 分别设定角色（比如一个是"用户"、一个是"AI助手"），然后让它们自动对话推进任务。

这个工作的意义在于证明了 LLM 多智能体协作的可行性，但它的限制也很明显——只支持两个 Agent 之间的对话，没有任务分解、没有依赖管理、没有生命周期控制。可以理解为 Agent Teams 的"最小可行验证"。

MetaGPT（2023，ICLR 2024 Oral）：把软件公司搬进 LLM

Hong et al. “MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework.” ICLR 2024 Oral. arXiv:2308.00352.

MetaGPT 把"Agent 协作"这件事向前推了一大步，它的核心创新是把人类组织的标准操作流程（SOP）嵌入到多智能体系统中。具体来说，MetaGPT 模拟了一个软件开发公司的组织结构：

Agent 角色	对应人类角色	输出物
Product Manager	产品经理	PRD（需求文档）
Architect	架构师	系统设计文档
Project Manager	项目经理	任务分解和排期
Engineer	工程师	代码实现
QA Engineer	测试工程师	测试用例和报告

每个角色只接收上游角色的标准化输出（比如 Engineer 只看 Architect 的设计文档，不需要看 PRD），通过**结构化的中间制品（artifacts）**实现角色间的信息传递。这比 CAMEL 的自由对话高效得多——就像真实公司里工程师不需要参加产品讨论会，只需要看 PRD 和技术方案就行。

MetaGPT 对 Agent Teams 的影响主要体现在"角色专业化"和"工作流管理"两个维度。Claude Code 的 Team Coordination 系统提示词中，关于角色分配和任务边界的规定，很大程度上继承了 MetaGPT 的设计理念。

AutoGen（2023，Microsoft）：可编程的多智能体对话

Wu et al. “AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation.” arXiv:2308.08155, 2023.

如果说 MetaGPT 是"固定流水线"，AutoGen 则提供了"可编程的对话拓扑"。它的核心概念是 ConversableAgent——每个 Agent 都可以与其他任意 Agent 对话，开发者通过代码定义谁跟谁说话、在什么条件下说什么。

AutoGen 对 Agent Teams 最大的启发是人机协作模式。在 AutoGen 中，人类可以作为一个特殊的 Agent 参与到多智能体对话中，在关键决策点介入。Claude Code 的 plan_approval_response 消息类型就是这个思路的产物——Team Lead 可以在执行计划生成后请求人类审批，而不是自动开干。

Multi-Agent Collaboration Mechanisms Survey（2025）：系统性分类框架

Tran et al. “Multi-Agent Collaboration Mechanisms: A Survey of LLMs.” arXiv:2501.06322, 2025.

这篇综述提出了一个五维分类框架来表征多智能体协作机制：

维度	说明	Claude Code 对应
参与者	涉及哪些智能体	主 Agent + N 个 Worker Fork
协作类型	合作/竞争/混合	纯合作（cooperative）
结构	集中式/分布式/点对点	集中式（主从架构）
策略	基于角色/基于模型	基于角色（role-based）
协调协议	通信规则	Mailbox + DAG 依赖

按照这个分类框架，Claude Code Agent Teams 属于集中式、合作型、基于角色的多智能体系统，协调协议结合了消息传递和任务依赖两种机制。

LLM-based Multi-Agents Survey（2024）：进展与挑战

Guo et al. “Large Language Model based Multi-Agents: A Survey of Progress and Challenges.” arXiv:2402.01680, 2024.

这篇来自圣母大学（Notre Dame）等机构的综述，系统回答了四个问题：

1. 环境：多智能体系统在什么样的环境中运行？（沙盒、代码库、Web、模拟器）
2. 角色设定：如何给每个 Agent 分配身份和能力？（prompt-based profiling）
3. 通信：Agent 之间怎么交换信息？（自然语言、结构化消息、共享内存）
4. 能力增长：Agent 如何在协作中变得更强？（经验积累、反馈学习）

对于 Claude Code Agent Teams 来说，第 3 点特别值得关注。论文指出，纯自然语言通信会引入大量冗余信息，降低协作效率。Claude Code 的解决方案是结构化消息——send_message 工具要求提供 type、recipient、content、summary 四个字段，其中 summary 是一个 5-10 词的摘要。这个设计让接收方可以先看摘要决定是否需要读全文，减少不必要的上下文注入。

AdaptOrch（2026）：编排拓扑比模型选择更重要

Yu. “AdaptOrch: Task-Adaptive Multi-Agent Orchestration in the Era of LLM Performance Convergence.” arXiv:2602.16873, 2026.

这篇论文提出了一个很有挑衅性的观点：当各家 LLM 的性能趋于收敛时，优化编排拓扑比选择更强的模型更有效。

AdaptOrch 定义了四种基础编排拓扑——并行、顺序、分层、混合——并提出了一个拓扑路由算法，能在 $O(|V|+|E|)$ 时间内将任务依赖 DAG 映射到最优编排模式。实验表明，即使使用相同的底层模型，拓扑感知的编排比固定拓扑实现了 12-23% 的性能提升。

这个结论对 Claude Code Agent Teams 有直接的工程启示：与其纠结用 Sonnet 还是 Opus 执行某个子任务，不如花精力优化任务拆解和依赖关系的设计。目前 Claude Code 的编排器主要依赖 LLM 自身的判断力来决定拆分策略，还没有引入形式化的拓扑优化算法，这可能是未来改进的方向。

---

🔧 工程落地：主流框架横向对比

维度	Claude Code Agent Teams	MetaGPT	AutoGen	CrewAI	LangGraph
架构模式	主从式（Leader + Workers）	流水线式（SOP chain）	可编程对话图	基于角色的编排	有向图状态机
通信机制	Mailbox + 文件系统	结构化制品传递	Agent 对话链	任务委托	状态传递
任务管理	DAG + 四态流转	SOP 驱动	开发者定义	自动/手动	图节点
并行支持	原生并行 spawn	有限	需配置	支持	支持
生命周期	shutdown 协议	流程终止	开发者控制	自动	图终态
人机协作	plan_approval	有限	human-in-the-loop	支持	支持
上手门槛	低（CLI 原生）	中	高（需编程）	低	高
适用场景	代码开发/重构	软件工程全流程	通用多 Agent	业务自动化	复杂工作流

几个值得注意的差异：

Claude Code 的优势在于"开箱即用"。 用户不需要写一行编排代码，只需要自然语言描述任务，编排器自动决定拆分策略。这是 MetaGPT 和 AutoGen 做不到的——它们需要开发者预先定义角色和交互拓扑。

但灵活性也因此受限。 如果你对任务拆分有特定要求（比如"一定要先做 code review 再合并"），Claude Code 的编排器可能不会完全按你想的来。MetaGPT 和 LangGraph 在这方面更可控。

CrewAI 和 Claude Code 在理念上最接近—— 都是"给 Agent 分角色，然后让它们自己干"。但 CrewAI 更偏业务自动化场景（营销、客服、研究），Claude Code 专注于代码开发。

---

💡 我的思考与判断

Agent Teams 的真正瓶颈不是技术，是成本

报告里提到广播消息的成本随团队规模线性增长，但这其实是小问题。真正的成本瓶颈是 token 消费。每个子 Agent 都是一个独立的 LLM 会话，需要独立的系统提示词（light thousands of tokens）、上下文注入、多轮推理。一个 5 Agent 的团队，token 消费大约是单 Agent 的 3-5 倍（不是 5 倍，因为每个子 Agent 的上下文比单 Agent 处理全部任务要短）。对于使用量大的团队来说，这笔账得算清楚。

"编排质量"将成为核心竞争力

AdaptOrch 论文的核心结论——编排拓扑比模型能力更重要——我认为说到了点子上。同样一个"重构认证模块"的任务，好的编排器会把它拆成"分析现有代码 → 设计新接口 → 实现核心逻辑 → 迁移调用方 → 编写测试"五步，有明确的依赖关系；差的编排器可能就拆成"改后端"和"改前端"两坨，导致接口不一致需要大量返工。

目前这个编排质量完全依赖 LLM 自身的规划能力，没有形式化的验证或优化。我觉得接下来 6 个月内，我们会看到更多工作把图优化算法引入 Agent 编排——类似编译器优化 AST 那样，优化任务 DAG。

消息系统会从"无结构"走向"强类型"

现在 Agent 之间传递的消息基本是自然语言 + 少量结构化字段（type、recipient）。但随着 Agent 数量增加和协作复杂度提升，我预测消息系统会向"强类型"方向演化——每种消息有 schema 定义，接收方可以校验消息格式，甚至可以自动路由。这本质上就是把微服务架构中的 protobuf/gRPC 那套搬过来。

人机协作的比例问题

Agent Teams 目前的定位是"自主执行 + 关键节点人类审批"。但"哪些节点需要人类介入"这个问题还没有好的答案。太多审批会降低效率（你一个下午就在按 approve），太少审批又可能让 Agent 团队跑偏。理想的方案可能是基于置信度的动态审批——Agent 对自己的决策有高置信度时自动执行，低置信度时请求人类确认。这也是一个值得研究的方向。

---

📝 相关论文速查表

论文	年份	核心贡献	与 Agent Teams 的关系
CAMEL	2023	角色扮演通信框架	证明 LLM 多 Agent 协作可行性
MetaGPT	2023/2024	SOP 嵌入多 Agent 系统	角色专业化、工作流管理范式
AutoGen	2023	可编程多 Agent 对话	人机协作、灵活拓扑
LLM Multi-Agents Survey	2024	系统性综述	四维分析框架
Multi-Agent Collaboration Survey	2025	五维分类框架	协作机制分类学
AdaptOrch	2026	自适应编排拓扑	编排 > 模型选择

---

觉得有启发的话，欢迎点赞、在看、转发。跟进最新AI前沿，关注我的微信公众号：机器懂语言。