Raphael Shu 博士-多智能体协作与博弈——打造最高效的“AI 团队”.pdf

《Raphael Shu 博士-多智能体协作与博弈——打造最高效的“AI 团队”.pdf》由会员分享，可在线阅读，更多相关《Raphael Shu 博士-多智能体协作与博弈——打造最高效的“AI 团队”.pdf（42页珍藏版）》请在三个皮匠报告上搜索。

1、开放世界中的多智能体协作与博弈(打造最高效的“AI 团队”)Raphael Shu目录0102030405开场与破题：Magnetic-One System 案例LLM 给多智能体系统带来了什么？企业落地：协作效果评估与打造高效 AI 团队开放世界的多智能体协作总结与展望个人简介Raphael Shu 2020 年东京大学博士。赴纽约大学Lecun实验室访问研究。2021 年加入 AWS AI Lab，Amazon Bedrock Science 技术负责人。2022 年主导AWS 首个基于LLM的智能代理系统(Dialog2API)2023年负责 Amazon Titan（现 Amazon

2、Nova）的 Agent能力训练。2024 年带领设计 Bedrock 多智能体协作系统（Bedrock Multi-Agent Collaboration），于年底上线。组织 WMAC 2025/WMAC 2026（Workshop on Advancing LLM-based Multi-Agent Collaboration）。Acenta AI创始人01从 Magnetic One 系统看MAS微软微软MagenticMagentic-One One 多智能体系统多智能体系统由由 OrchestratorOrchestrator和四个和四个SubSub AgentAgent 构成构成:

3、1.1.FileSurferFileSurfer 2.2.WebSurferWebSurfer 3.Coder3.Coder 4.Computer Terminal4.Computer TerminalMagenticMagentic-One One 多智能体系统多智能体系统 拓扑结构（拓扑结构（TopologyTopology）中心化结构 编排 x 1+子代理 x 4行为发起者（行为发起者（Initiative TakerInitiative Taker）:编排 决策者（决策者（Decision MakerDecision Maker）:编排 协调机制（协调机制（Coordination P

4、rocessCoordination Process）分治异步异步多智能体系统的四大组件多智能体系统的四大组件典型的异步多智能体系统（Async MAS）架构：事件循环/调度器（event loop/scheduler）编排/协调器(Orchestrator)任务状态/记忆系统（shared ledger or memory）Agent池（agent pool）多智能体协作的意义多智能体协作的意义难以同时处理 规划+执行+评估 的复合任务上下文窗口/Token 限制无全局视角，导致局部最优分工协作：将复杂问题拆解成可独立求解的子任务。并行执行：降低推理延迟，提高系统吞吐。群体自治：具备互评、协

5、商与动态任务重构能力。多智能体协作并非单纯追求更强大模型，而是打造更有效的组织结构多Agent协作的价值单Agent 系统的局限核心洞察多智能体协作的意义多智能体协作的意义LangGraph /AutoGen/OpenAI Agents SDK/Strands/CrewAI/AG2/Camel/FIPA/CNP/MCP/A2A/ACP/ACNBP/LangChain AP /AWS Bedrock Agents/AWS AgentCore/ByteDance Coze/AgentSpace/Vertex Agent Builder/Microsoft AI Foundry /OpenAI Ag

6、entKit/OpenAgentsFramework 层Service 层Collaboration 层Protocol 层Google Gemini Agents,Agent SpaceMicrosoft Autogen、AI Foundry Agent Service、Copilot 生态OpenAI OpenAI Agents SDKAWS Bedrock Agents、AgentCoreByteDance Coze初创生态 LangGraph、CrewAI、AG2,Camel等主流厂商生态布局02LLM 给多智能体系统带来了什么？MASMAS 的发展历程的发展历程以Actor Mode