多智能体系统是处理复杂 AI 任务的新兴范式。单次 LLM 调用处理一个问题。一个智能体处理多步任务。多智能体系统处理需要不同专业知识、并行工作或通过审查进行质量保证的任务。随着 AI 从聊天机器人发展为自主工作流，多智能体架构成为自然的扩展模式。
常见模式：监督者模式（一个"管理者"智能体委派给专精化的"工人"智能体）、辩论模式（智能体争论相反立场以达成更平衡的结论）、流水线模式（智能体顺序处理，每个都精炼前一个的输出）以及对等模式（智能体并行处理问题的不同方面并合并结果）。
几个框架支持多智能体系统：AutoGen（Microsoft）使智能体能够相互对话，CrewAI 提供基于角色的智能体团队，LangGraph 以状态机的形式处理复杂的智能体工作流，Anthropic 的智能体 SDK 支持多智能体编排。选择取决于复杂度：简单的交接不需要框架；具有分支逻辑和人类审批环节的复杂工作流受益于结构化编排。
多智能体系统会倍增 LLM API 成本——如果三个智能体各进行五次调用来解决一个问题，那就是单次调用成本的 15 倍。价值主张在于：对于高风险任务，质量提升足以证明成本的合理性。一个在部署前发现 bug 的代码审查智能体节省的价值超过 API 调用成本。但对于简单任务，一个经过良好提示的单一模型通常就足够了，而且成本要低得多。