从单智能体到多智能体的演进
在前面的章节中，我们探讨了如何构建强大的单智能体系统——利用工具、知识、记忆和编排层来解决复杂任务的智能实体。单个智能体在正确配置后可以非常强大，能够利用大量的知识和集成来自主行动。然而，智能体系统的真正潜力在我们超越单独智能体时才开始展现。
就像人类依靠具有不同角色和专长的团队一样，AI系统也可以从拥有多个智能体中获益匪浅，每个智能体都有自己的专长、视角或功能。智能体之间可以通信、协调和协作，以完成单独一个智能体难以甚至无法处理的任务。这种从简单函数到智能实体的转变，展示了多智能体系统如何将更丰富的推理、灵活性和自主性带入原本基础的任务中。
为什么需要多智能体——以购物场景为例
让我们考虑一个更复杂的例子。假设我们要构建一个AI应用程序，帮助用户在线购物，跨越多个商店。一个典型的查询可能是：“从XYW购买新鞋，欧洲尺码39。
在单智能体设置中，那个智能体会顺序搜索鞋子、管理日程、填写地址细节并处理付款。但在模块化的多智能体设计中，这个任务被分解为专门的组件：
- Planner Agent（规划智能体）：解释指令并协调后续执行。
- Web Agent（网页智能体）：浏览电子商务平台，使用底层的Web Controller Agent（例如Selenium驱动的机器人）与界面交互——点击、滚动和视觉搜索。
- Scheduling Agent（调度智能体）：检查日历以确定送货可用性，调用Calendar Agent获取或创建事件。
- Order Placement Agent（订单放置智能体）：通过协调以下智能体来完成购买：
- Payment Agent（支付智能体）：负责安全处理交易。
- Address Agent（地址智能体）：验证并格式化送货地址。
