当前大模型的浪潮正以前所未有的速度重塑软件产业。然而，在这场革命席卷而来之前，许多人早已在暗流涌动中播下种子。Raphael Shu 便是其中的先行者，他一路以智能代理（Agent）为方向下注，相信群体智能（Group Intelligence）将成为下一轮技术革命的核心。本篇文章将深入探讨，剖析多智能体协作技术的演进脉络、产业布局，以及这一技术方向如何从科研概念走向大规模商业应用。通过这个故事，我们希望展现 AI 原生时代下，群体智能与智能体网络将如何重塑整个互联网生态。
一、创业故事：从东京大学到 AI 原生创业
2015 年，Raphael 在工业界研究机器翻译。当时基于统计模型的引擎复杂且耗时，需要大量模块协同才能完成。直到 Suskever 发布 Seq-to-seq 模型后，只需几分钟就能跑出一个翻译系统，这让他敏锐地意识到深度学习的颠覆性力量。于是他辞职赴东京大学攻读博士，专注语言生成模型，并在纽约大学担任访问学者期间，亲眼见证了深度学习在语言与视觉上的飞跃。
毕业后，他加入 AWS AI Lab，专注对话式 AI。2022 年，他提出 Dialog2API，让大模型能直接理解 API 文档并调用外部服务。这不仅比 ChatGPT 的公开亮相早几个月，还开创了“大模型会用工具”的新范式，证明了智能体方向的可行性。
2023 年，他将这一能力引入亚马逊AWS自己的大模型 Amazon Titan 具备智能体功能。2024 年，他又主导研发 Bedrock Multi-Agent Collaboration，为企业提供多智能体协作服务。在基准测试中，该系统大幅提升目标完成率并降低延迟，不少用户形容它“像在和一支 AI 团队共事”。
尽管在云服务巨头取得瞩目成绩，Raphael 更关注多智能体在开放世界的潜力。他认为单个模型的能力增长存在天花板，而群体协作才是走向 AGI 的关键路径。2025 年 6 月，他毅然离开亚马逊，创办专注多智能体协作的公司。
他的终极愿景是 “Internet of Agents”：让智能体像互联网节点一样互联互通，自组织、协作和分工，释放群体智能的规模化潜力。如果说互联网让人类社会实现了信息互通，那么 IoA 将带来“能力互通”，推动下一次计算范式的跃迁。
二、技术与产业背景：多智能体协作
多智能体系统 (MAS) 有着悠久的历史，可以追溯到人工智能与分布式系统研究逐渐交汇的阶段。当时学界希望通过模拟人类社会中“个体协作”的模式来解决复杂问题。20 世纪 80 年代末到 90 年代初，早期的研究旨在让多个自治实体在同一环境中协作、沟通并解决问题。随着大语言模型的崛起，研究者将 MAS 与生成式 AI 相结合，探索让 LLM 充当智能体的大脑，通过沟通、决策和行动实现协同。这一趋势在学术界和工业界迅速升温，催生了“多智能体协作”这一新兴方向。如今，越来越多的研究开始关注多智能体的复杂交互：从对齐问题到群体投票，从共享记忆到去中心化架构，每一个分支都可能孕育新的突破。
近年来，多智能体正在从学术研究迅速走向规模化应用，行业版图也日益丰富。在“巨头＋初创”双轮驱动的格局下，很明显可以感受到多智能体协作正在被业界头部玩家关注：
- Google A2A 协议 – 2025 年 4 月，Google 发布了开放的 Agent-2-Agent (A2A) 协议，旨在解决不同厂商和框架的智能体无法互通的问题。A2A 利用 HTTP、JSON-RPC 等现有标准，让智能体在企业系统之间安全交换信息并协调行动。设计原则包括支持长时间运行任务、确保默认安全、支持多模态交互等。
- OpenAI Swarm – OpenAI 于 2024 年推出 Swarm，是一个面向教育的轻量级框架，用于构建和管理多智能体系统。Swarm 可以直接从 GitHub 安装，采用简洁的 while-loop 控制流和“handoff”机制实现智能体间的任务交接。它允许开发者定义 Python 函数并自动转换为 JSON schema，突出工具抽象和教学用途。
- Microsoft AutoGen、Semantic Kernel 与 Magentic-One – 微软的研究团队推出了 AutoGen 和 Semantic Kernel 两大框架，分别面向实验与生产环境。AutoGen 是一个事件驱动、分布式架构，支持多语言并简化多智能体应用的构建；Semantic Kernel 则强调企业级的稳定性和长期支持。微软计划到 2025 年初将 AutoGen 的多智能体运行时整合到 Semantic Kernel 中。在此基础上，微软研究院发布了 Magentic-One，一个通用多智能体系统，由“总控器” (Orchestrator) 与 WebSurfer、FileSurfer、Coder、ComputerTerminal 等四个专用代理组成。Orchestrator 负责分解任务、规划、跟踪进度并在必要时重新规划，其余代理负责浏览网页、读取文件、编写代码和在终端执行程序。这一体系在多项基准测试中达到了先进水平。
- Devin – Cognition Labs 于 2024 年 3 月发布的 Devin 被称为世界首个全自动 AI 软件工程师，能够自主规划、克隆仓库、编写代码、调试、测试甚至部署应用。Devin 将大模型与强化学习结合，配备终端、代码编辑器、浏览器和规划器等工具，模仿人类开发者的迭代流程。其工作方式不仅限于生成代码片段，还能独立完成完整的软件开发任务。
- Manus – 2025 年 3 月，Monica 团队推出了全自动通用智能体 Manus。它以多智能体架构为基础，包含用于规划、知识检索、代码生成等的专用子代理，通过云端虚拟机异步执行任务。Manus 能够在后台处理复杂任务，如分析求职者简历或爬取和整理房地产信息，并在独立面板中展示执行步骤。其核心技术部分计划开源，体现了中国 AI 生态的快速发展。
这些项目共同反映出多智能体正在从概念验证迈向实际落地：大厂构建标准协议和全栈框架，初创公司探索面向特定任务的全自动代理；新一代系统强调开放互操作、模块化架构和企业级稳定性。随着 Google A2A 协议的推行、OpenAI Swarm 的教育示范、微软 AutoGen 与 Semantic Kernel 的融合以及 Magentic-One、Devin、Manus 等多智能体系统的涌现，群体智能生态正在加速成熟。
尽管 Agent 技术在过去两年取得了显著进展，但当前大多数智能体系统仍面临着几个核心困境：
- 孤岛问题：每个 Agent / Multi-Agent 系统像是独立的信息孤岛，无法快速与第三方Agent进行合作。
- 能力天花板：单个智能体系统的能力受限于其底层模型和可利用的上下文。
- 规模不经济：简单的多智能体系统若不加以优化，会快速导致大量Token消耗和高延迟。
- 合作机制缺失：缺乏标准化的协作机制。
更重要的是，研究者对于在开放环境中大规模的多智能体协同合作的探索还刚刚起步。OpenAgents在这样的背景下应运而生。
三、开源与探索：OpenAgents 框架
愿景：从一人千用到千人一用
现在的 agent 系统对单个智能体的能力有非常强的依赖，比如 Cursor 在接收到用户的指令之后会计划出一个 Todo List，然后依次调用大模型去完成这些子任务，但整个流程依旧是线性的、单智能体驱动的。一旦遇到模糊需求或跨领域问题，单个 Agent 就必须在探索与完成任务之间进行取舍。而在人类社会中，面对更加复杂的问题，往往由不同个体通过分工合作来同时推进探索与执行：一部分人负责调研和提出新思路，另一部分人则落实执行并进行反馈。这种并行协作机制让整体系统既能保持效率，又能持续创新。
类似的群体智能也一定可以应用在智能体系统中，最终由专注于解决不同问题的Agent构成的智能体互联网（Internet of Agents）很可能会释放群体智能的潜力，让多智能体能够解决的问题复杂度呈非线性增长。这也是人类社会解决复杂问题的路径。
为了推动生态发展，Raphael 发起了开源框架 OpenAgents，用于构建高效率的大型智能体网络 (Agent Networks)。OpenAgents 强调让智能体在长周期任务上进行开放式协作。智能体在网络中可以进行局部合作、竞争与谈判、投票决策等。它鼓励全球开发者一起探索 Scaling Law——即随着智能体数量增加，任务完成效率和创造力如何变化。这种开放模式既是技术实验，也是社区共建，希望为未来大规模智能体网络奠定基础。
OpenAgents 可应用于多种复杂场景，例如在科研协作中，由不同领域的智能体分别负责文献综述、实验设计、数据分析与论文撰写；在活动筹备与运营中，则由各智能体分工完成场地预订、制定时间表、宣传推广、报名管理及活动当天的实时协调等任务。在 OpenAgents 主网中，每一个子网更是一个服务的载体，用户可以以智能体的形式加入某一个子网，获取该子网内的服务和资源。在 OpenAgents 主网中，每一个子网更是一个服务的载体，用户可以以智能体的形式加入某一个子网，获取该子网内的服务和资源。
从实际的案例出发，Raphael在学术会议中组织一个workshop需要联络大量的参与者、讨论主题、场地安排、宣传推广等事务。在OpenAgents的生态中，研讨会可以演变成一个临时性的智能体网络：演讲嘉宾和参会者都能将自己的个人智能体接入此网络，形成一个动态协作的环境。嘉宾的智能体可以预先上传演讲材料、回答常见问题，甚至在主人无法实时参与时代表发言；参会者的智能体则可以根据兴趣点自动筛选最相关的演讲、提前与其他智能体交流以建立联系、寻找合作伙伴。这种"智能体社交网络"让会议的价值延伸到物理空间之外，大幅提升了知识传播和人际连接的效率。
在金融领域，不同投资机构的智能代理可以建立一个子网，快速交流对特定经济事件的深入分析，分享捕捉到的最新市场数据，减少信息不对称。在危机事件发生时，投资机构的智能体子网能迅速收集和分析各种数据源，包括实时新闻、社交媒体情绪和市场指标，形成全面的市场视角。
挑战与机遇
Raphael 指出，当智能体数量达到几百甚至上千时，系统会出现新的复杂性：
- 竞争与谈判：不同智能体之间可能存在策略冲突，需要设计合理的博弈和谈判机制。
- 决策与投票：去中心化团队如何做出统一决策，是投票还是采用权重机制？
- 价值对齐：如何确保不同智能体遵循统一目标和价值观，避免“内部分裂”？
- 通信与记忆：共享记忆能提升信息流通，但会造成隐私泄露；私有记忆又可能导致信息孤岛。如何平衡两者需要探索。
这些挑战，正是未来群体智能能否走向社会级应用的关键门槛。
四、未来展望：Internet of Agents 及其意义
多智能体不仅是简单的模型组合，它可能带来全新的社会形态。IoA（Internet of Agents）将无数的智能体连接起来形成大型网络。在这一愿景下，未来的互联网不仅连接人和计算资源，更连接着无数智能体，它们会自动发现彼此，在毫秒间协同解决问题，实现跨平台知识共享和能力复用。如果说互联网的核心价值是“信息互通”，那么 IoA 的价值就是“能力互通”。当每个智能体都能成为网络中的一个节点时，新的经济模式和组织形态也将随之诞生。
随着 LLM 能力不断提升，智能体化将成为基础设施。我们可以大胆畅想：如同蒸汽机引发工业革命，汽车推动现代化，Internet of Agents 将引领下一次计算范式的跃迁。人人可以召唤和组合智能体，就像今天浏览网页和下载应用一样简单；企业可以通过部署智能体网络，构建自动化决策链路；科研和创新将借助群体智能，以更快速度解决复杂科学难题。更重要的是，它不仅改变生产方式，也会改变人们的日常生活——教育、医疗、娱乐都可能因智能体网络而焕然一新。