人工智能和分布式计算领域的快速发展，标志着昔日单一范式的彻底变革。它将我们带入一个由智能代理组成的复杂网络相互协作的时代。多智能体系统 (MAS) 已成为一种至关重要的架构范式，它正在将工业方法转化为复杂的计算问题。从在城市街道上穿梭的自动驾驶汽车车队，到能够做出即时财务决策的人工智能系统，我们都能亲眼见证。
但究竟是什么促使人们使用这种互联的智能系统？设计和维护多个协作代理的障碍何时足以让我们放弃更简单的单智能体方法？我们将全面探讨多智能体系统 (MAS) 不仅实用，而且对于解决我们这个时代一些最热门的技术问题至关重要的令人信服的理由。
什么是多智能体系统？
多智能体系统是一种计算框架，其中的智能体能够自主运行，并位于一个共同的环境中，它们彼此协作或竞争，以实现特定目标。与由中央控制器协调所有操作的传统系统不同，多智能体系统 (MAS) 提供多个实体的分布式智能，每个实体都能够感知、推理和行动。
Source: fpt.ai
代理可以是简单的反应式系统、响应环境刺激的程序，也可以是基于机器学习算法做出复杂决策的高度复杂的认知代理。多代理系统 (MAS) 与普通程序集合的区别在于，它对交互、协调和涌现进行了有目的的设计，而这些设计源于代理网络的集体智慧。
多代理系统的关键特征
多代理系统 (MAS) 的一些关键特征确保了它们与传统计算机架构的区别：
- 自主性：多代理系统 (MAS) 的本质在于代理独立行动，不受外部直接控制。代理根据内部状态、对环境的感知以及编程设定的目标做出决策。
- 去中心化：它以分布式方式处理算法解决方案的计算，以避免系统中出现单点故障。与所有操作都由主控制器管理的传统系统不同，MAS 依赖于点对点交互和去中心化的决策流程。
- 交互与通信：在此，代理交换信息并协商以协调其行动。此类交互可以是轻量级的通信，也可以是高度复杂的通信，包括拍卖、共识或行为建模等机制。
身份危机：多代理系统由何构成？
在人工智能领域，大型语言模型每天都占据着头条新闻，“多代理系统”这一术语终于随着 Anthropic 的研究论文而卷土重来。在此背景下，你会发现许多基本上采用 LLM 编排工作流程的新闻应用程序正在被重新命名为多代理系统 (MAS)。但数百篇互联网文章并未充分强调一个非常重要的观点：链接几个 LLM 调用本身并不构成多代理系统。
目前，多代理世界面临着一个微妙而棘手的身份问题。许多人只考虑每个代理（通常是 LLM）的智能程度，而未能理解 MAS 的基础知识。多智能体系统的真正定义及其强大之处在于智能体之间的交互。它并非一个大型的 LLM 将任务通过管道传递给另一个，真正的多智能体系统意味着：
- 涌现行为：复杂的智能行为源于智能体的交互，这些行为并非明确地被编程到智能体本身。
- 协商与协调：智能体真正地参与沟通、资源协商、冲突解决以及为实现目标而采取的动态行动协调，而不仅仅是遵循预定的顺序。
- 去中心化决策：真正拥有多智能体系统（MAS）经验的智能体会根据其本地信息和共同行动做出决策，从而促成全局结果，而无需受到中央机构的持续监控。
Source: MDPI
如果不关注动态交互、协作和涌现特性，最终得到的可能只是一个复杂的流水线或分布式系统，而不是一个真正的多智能体系统，无法开启更高层次的集体人工智能。理解这种差异是构建真正解决单智能体智能之外问题的系统的关键。
为什么多智能体系统不再是可有可无的？
多智能体系统从“可有可无”到“任务必需”的转变，源于我们构思和实施技术复杂解决方案的方式发生了根本性的转变。多种因素共同作用，使得多智能体系统在当代应用中不再是优势，而是必需品。
征服前所未有的复杂性
现代技术场景已经超越了单片系统架构的能力。想象一下，管理全球供应链时，成千上万的供应商、制造商、分销商和零售商必须跨越不同的时区、货币和监管环境进行协调。传统上，集中式架构在计算开销和实时决策方面面临着挑战。
多智能体系统 (MAS) 将复杂问题分解为可管理的子问题，然后由智能体负责处理。例如，这种用于供应链管理的系统可能包含监控供应商绩效的采购智能体、用于确定最佳运输路线的物流智能体，以及用于预测市场趋势的需求预测智能体。每个智能体都拥有各自的专业领域知识，并为系统目标的实现做出贡献。
另一个优势是，问题分解的复杂性会增加。在多智能体问题求解中，智能体会针对发展中的问题寻找解决方案，当一个智能体无法执行时，另一个智能体会接替其执行。谷歌的搜索算法就是一个例子。它雇佣了数百个小型网络搜索专家。不同的智能体会查看网页内容的不同部分、用户行为信号、相关性信号等。随着系统共同学习，搜索结果会越来越好。
追求超高效和高弹性
我们生活在一个系统无法承受故障的时代。关键应用程序再也无法容忍单点故障。此外，随着用户数量和海量数据的不断增长，人们对效率的期望也随之飙升。
这正是 MAS 真正发挥作用的地方。其优势在于分布式弹性。如果一个代理出现故障或失败，没关系——其他代理会接替工作，重新安排任务，甚至生成一个替代代理。亚马逊的推荐系统就是一个很好的现实案例。即使一个部分离线，系统也能保持平稳运行。它会继续提供建议，分散工作负载，并恢复故障部分，而用户对此毫无察觉。
MAS 还能带来巨大的效率提升。它无需预留大量资源来应对偶尔的峰值负载，而是支持动态扩展。当需求低迷时，运行的代理数量会减少，从而节省电力和计算资源。一旦流量激增，新的代理就会立即加入，确保系统以最高速度运行。
释放分布式数据和物联网的力量
随着物联网设备无处不在，数据遍布全球，中心化系统已达到极限。带宽、延迟、隐私——所有这些因素使得一个位于中心的大型系统难以处理所有问题。多智能体系统 (MAS) 几乎是为应对这一挑战而量身定制的。以智慧城市为例。路口的本地交通代理无需将所有决策都发送到中央服务器，而是在数据收集地进行处理。它们可以现场决定如何设置交通信号灯，同时将更全面的数据反馈给城市的协调系统。
隐私和数据主权也日益受到关注。许多行业无法承受敏感数据的传输。MAS 支持联邦学习——本地代理可以处理数据、改进模型，并仅共享安全的聚合更新。医院已经在这样做了：每个站点的代理从各自的患者数据中学习，但只在网络上共享匿名改进。
由于物联网中设备和协议的种类繁多，MAS 通过使用专门的代理来解决这个问题，这些代理可以使用每种设备的语言，规范数据，并为更广泛的系统提供清晰统一的视图。
何时构建多智能体系统？
那么，何时构建多智能体系统 (MAS) 才真正有意义呢？关键不在于追逐最新技术，而在于挑战与 MAS 功能之间的契合度。以下是 MAS 真正发挥作用的场景。
协作至关重要
当不同的自主部件需要协同工作时，MAS 便成为自然而然的选择。想象一下自动驾驶汽车协调避免碰撞，或者全球科学家在一个大型联合项目中汇集数据和研究成果，例如大型强子对撞机的粒子物理分析。
另一个例子是复杂的谈判，例如并购期间。MAS 可以模拟具有各自目标和约束条件的不同参与方，并帮助模拟谈判策略或结果。
当集中式解决方案不切实际或无法实现时
有些挑战过于庞大、分散或碎片化，以至于集中式解决方案无法有效发挥作用。全球金融市场就是一个典型的例子。它们跨越时区、货币和法规，全天候运行。单一中央系统无法应对。
灾难响应是另一个例子。当通信线路中断时，本地团队仍然需要协调、决策和采取行动——MAS 支持这种自主但一致的行动。此外，还有跨公司流程，例如供应链。每个组织都希望控制自己的系统，但他们仍然需要协作。MAS 无需强制中央权威机构即可实现这一点。
应对动态和不确定环境
市场瞬息万变，瞬息万变。您无法预测接下来会发生什么。网络威胁不断演变。对云资源的需求瞬息万变。MAS 帮助系统在动态变化中保持敏捷，快速适应策略、转移资源、应对威胁，所有这些都是实时进行的。
整合遗留系统或异构组件时
大多数组织都混合使用新旧系统、不同的协议和不同的接口。多智能体系统 (MAS) 可以位于它们之间，由代理处理繁琐的翻译和协调工作。
医疗 IT 就是一个例子。MAS 将病历、设备、药房和保险公司连接成合理的工作流程。即使这些系统并非设计为相互通信，它们也能完美地协同工作。
当可扩展性和稳健性至关重要时
在服务数百万用户的场景中，例如内容交付、在线游戏和电信网络，MAS 发挥着巨大的作用。MAS 有助于分配负载、适应不断变化的条件，并在故障后恢复，而不会导致整个系统瘫痪。
多智能体系统如何工作？
MAS 的核心是由能够感知环境、推理正在发生的事情、做出决策并采取行动的代理构建的。这些代理通过不同的方式进行通信，即：
- 直接消息
- 共享数据空间
- 发布-订阅模型
协调通过拍卖、任务竞标或共识协议等机制进行。 MAS 最棘手的部分之一是处理突发行为——许多代理交互时出现的模式。
有时这些模式很棒，有时却根本不是你想要的。好的多智能体系统 (MAS) 设计应该包含观察这些模式并根据需要进行引导的方法。智能体还可以通过反馈、彼此之间的互动或进化过程进行学习和适应，从而帮助系统随着时间的推移不断改进。
构建多智能体系统 (MAS) 为何如此困难？
MAS 潜力巨大，但也带来了严峻的工程挑战，例如：
- 协调很快就会变得复杂。添加的智能体越多，保持一切平稳运行就越困难。
- 调试成为一个令人头疼的问题，因为问题通常源于智能体之间微妙的交互。
- 涌现可能是一把双刃剑。系统可能会以你意想不到的方式运行，而这些意外并不总是好的。
- 通信可能成为瓶颈。智能体之间的所有来回通信都会给网络带来压力并消耗资源。
- 安全性更加棘手。在分布式系统中，建立信任并阻止不良行为者更加困难。
- 测试和验证非常困难。问题往往要等到整个系统运行起来才能发现，因为很大程度上取决于代理在大规模情况下的交互方式。
- 性能调优是一门艺术。平衡单个代理的效率、协调开销和整体系统性能需要经验，而且通常需要大量的反复试验。
Source: Openxcell
小结
多智能体系统 (MAS) 已从学术上的新奇事物发展成为应对当今复杂互联挑战的关键架构模式。当您面临需要分布式操作、快速适应或大规模协作的问题时，MAS 能够提供传统系统无法比拟的选项。
但 MAS 并非仅仅因为听起来很棒就使用。只有精心选择 MAS，使其优势与实际问题相匹配，才能获得最佳结果。此外，团队也必须做好构建和管理这些系统的实际工作的准备。
评论留言