8.8 多 Agent 智能体 · 七种协作方式全景图

横轴 = 编排重心(静态/硬编码 → 动态/协商)| 纵轴 = 开放度(应用内/框架内 → 跨应用/开放)| 三个 ★ 为 8.8 重点对比方

图例 ★ ① 第8章 · Orchestrator(应用内 · 静态) ★ ② AI-Coding · 主Agent+子Agent池 ★ ⑦ 跨应用 · A2A+MCP 卡片底行=LangGraph API 编排重心 → 动态 / 协商 静态 / 硬编码 开 放 度 应用内 / 框架内 跨应用 / 开放 ① Orchestrator / Supervisor 中心调度器定"下一步派给谁" ★ 第8章 · LangGraph supervisor · CrewAI 进程内直调 · 硬编码 Pipeline LangGraph: create_supervisor ④ 图 / DAG 流水线 把任务画成有向图,沿边依次执行 LangGraph · Temporal 编译期顺序 · 确定可重放 LangGraph: 子图作为节点 ③ Swarm / Handoff(对等移交) 无监督者 · Agent 间直接移交控制权 OpenAI Swarm · langgraph-swarm 对等 · 无固定中心 LangGraph: Command(goto, PARENT) ② 主 Agent + 子 Agent 池 主Agent运行时临时spawn子Agent干活 ★ AI-Coding主流 · Claude Code · Codex OpenCode · Hermes · 干完回收 LangGraph: create_subagent ⑥ 分层 Supervisor Supervisor 下再有 Supervisor LangGraph 嵌套 · Bedrock Claude Agent SDK · 树状策略 LangGraph: 嵌套 create_supervisor ⑤ 群聊 / 黑板 共享空间互相发言/投票,协商推进 MS Agent Framework(原AutoGen) CrewAI · 多对多 LangGraph: 群聊需自建/用其它框架 ⑦ A2A + MCP(联邦协议) 跨厂商Agent用开放协议发现+派任务 ★ 跨应用 · Agent Card 发现 Agent↔Agent · JSON-RPC 任务 非框架 · A2A 开放协议 越靠右 = 编排越动态(LLM 运行时决定) | 越靠上 = 开放度越高(可跨系统互操作)

第 8 章 vs A2A —— 一个「导演」,一个「外交协议」

🎬 第 8 章 Orchestrator(应用内)

  • 通信:进程内直调 graph.ainvoke
  • 编排:中心调度器 + 硬编码 Pipeline
  • 发现:_LABEL_TO_AGENT 映射表(写死)
  • 开放度:封闭 · 同框架 LangGraph · 单进程
  • 状态:共享 MemorySaver 检查点(thread_id)

→ 高效、可控、省;但只在「这个剧组」内有效。

🤝 A2A 协议(跨应用)

  • 通信:JSON-RPC 2.0 走 HTTP/SSE/WebSocket
  • 编排:去中心 · 任何 Agent 都能给任何 Agent 派任务
  • 发现:动态 Agent Card(Well-Known URL)+ 目录
  • 开放度:开放 · 框架无关 · 跨厂商
  • 状态:任务级状态机(working/completed/…)

→ 开放、标准、可扩展;但不管「内部怎么编排」。

二者互补:对内(同框架同进程)用 Orchestrator,对外(跨系统互操作)用 A2A —— MCP 管 Agent↔Tool,A2A 管 Agent↔Agent。