多 Agent 官方文档中文精讲（LangChain · Multi-agent）

怎么读（推荐顺序）#

1
第一步：建立判断力（半天）
2
  01 为什么需要多 Agent  ──▶  02 五种模式总览与选型  ──▶  03 性能对比（调用次数与 Token）
3
                                    │
4
第二步：按需深入某一模式（每篇 20~30 分钟）              │
5
  04 Subagents  05 Handoffs  06 Skills  07 Router  08 Custom workflow
6
                                    │
7
第三步：看别人怎么落地（想抄作业时读）                   ▼
8
  09 个人助理（Subagents） 10 客服工单（Handoffs） 11 SQL 助手（Skills） 12 多源知识库（Router）
9
                                    │
10
第四步：换成 Deep Agents 落地（API 与工程实现）           ▼
11
  deepagents/01 静态子智能体  ──▶  deepagents/03 异步子智能体  ──▶  deepagents/02 动态子智能体
12
                                    │
13
第五步（可选）：读实测附录，把"官方数字/机制"钉死
14
  13 为什么是 4 次调用（抓包）  14 手写 Tool 包装 vs Deep Agents 内置 subagents（源码 + 抓包）

• 只想快速选型：读 01 → 02 → 03 就够，三篇加起来大约一小时。
• 已经知道要用哪种模式：直接跳到 04–08 里对应的那篇，每篇都是”说人话 + 代码 + 决策表”。
• 准备动手写：09–12 是官方教程的提炼版（架构思路 + 关键代码 + 踩坑点），完整长代码指向原文。
• 决定用 Deep Agents 落地：进 deepagents/ 子板块——那里是同一套模式的 API、默认值与坑（01 静态子智能体 → 03 异步 → 02 动态编排）。
• 不信”官方说 N 次调用”：看 13、14 两篇实测附录，里面有原始 HTTP 报文与源码证据。

文件索引#

说明：官方总览页内容量大（含 12 张配图），本笔记拆成 01 / 02 / 03 三篇以便阅读；对应关系见上表。13–16 不是官方文档：13/14 是实测附录（验证调用次数、对照工具模式），15 是方法论附录（重复请求占比怎么量），16 是任务拆分与串并行的落地说明。

术语中英对照（全文统一）#

官方配图清单（images/，共 12 张）#

图片均为官方原图（图内标签是英文），笔记里配了中文图注与”这张图在说什么”的解读。

除这些官方位图外，笔记里的流程图/时序图都是可编辑的 Mermaid（Obsidian、GitHub、VS Code 都能直接渲染）或 ASCII 图。

来源清单（10 篇原文）#

延伸阅读（同源、不在本板块路径下）：Deep Agents 内置了 subagents / skills / planning / 虚拟文件系统 / 上下文管理，想少写编排代码可以直接用它——Deep Agents 概览 ｜ Subagents ｜ Skills。另外 langgraph-supervisor 包已不再维护，官方给了迁移指南。

加工说明（哪些是原文、哪些是笔记加的）#

为了不误导读者，这里把改动说清楚：

1. 结构：概念篇保留原文全部小节（Key characteristics / When to use / Basic implementation / 各设计决策 / Context engineering / Checkpointing 等）并逐节讲解；官方总览页拆成 01/02/03 三篇。
2. 代码：概念篇的短示例整段保留，只把注释译成中文、删掉文档站特有的渲染标记（围栏上的主题参数、代码高亮指令注释等）；实战篇（09–12）采用提炼式精讲——每步给 10–30 行关键代码骨架，上千行的完整示例只给原文链接，不整段复制。
3. 补充解读：凡标注 🧭 补充解读（非原文） 的段落，都是本笔记结合工程经验加的（类比、取舍建议、成本直觉、与 Deep Agents 的关系等），不是官方说法。
4. 原文瑕疵：发现原文笔误或前后不一致时，保留原样并标注 ⚠️ 原文如此，不改写官方代码。
5. 图片：官方位图为原图直存（图内英文标签未改），中文图注用于补齐语义；自绘的流程图/时序图使用 Mermaid（节点标签中文化，关键术语中英并列）与 ASCII 图。
6. 未验证的部分：笔记未在本机实际运行任何示例代码，因此不承诺可直接跑通；模型名（如 gpt-5.5、gemini-3.6-flash）沿用原文，落地时请替换为你可用的模型。
7. 以原文为准：文档会持续更新，遇到冲突请以官方文档为最终依据。

学完自测（能答上来就算过关）#

1. “我要上多 Agent”这句话背后，通常对应哪三种真实诉求？
2. 五种模式里，哪一个支持”用户直接跟专家对话”？哪一个不支持多跳？
3. 一次性请求里，Subagents 比 Handoffs 多出来的那一次调用花在哪？值不值？
4. 为什么多领域任务里 Skills 只调 3 次却最贵？这个结论对你的选型意味着什么？
5. Subagents 的”三处上下文阀门”分别是什么？各自影响谁？
6. Handoffs 的交接工具里，为什么必须补一条 ToolMessage？
7. Router 用 Send 扇出后，结果为什么必须靠 reducer 合并？
8. 什么情况下应该放弃”让模型决定路由”，改用 Custom workflow？

答案都在对应篇章里；03 篇的数字表建议反复看两遍——选型的一半功力在那张表上。

相邻主题：Agent 应用开发 ｜ 相关主题：多 Agent 架构与业务流程梳理