整合自历史调研摘要
agent_research_2026_summary.md与 2026 年最新网络检索（Tavily）。 本文档为撰写方向 A 文章的素材底稿。
1. 核心趋势
- 多智能体协同编排从研究范式全面进入生产落地阶段，成为企业竞争标配。
- 编排层能力不再稀缺，焦点从"如何编排"转向"如何评估与保障编排系统的安全"。
- 2026 年 2 月主要框架集中发布稳定版（AutoGen 1.0 / LangGraph 0.4 / CrewAI 0.95）。
2. 编排模式（Patterns）
- 五种操作上不同的拓扑：Fan-out（并行扇出）、Pipeline（串行流水线）、Debate（多视角辩论）、Supervisor（分层委派）、Swarm（动态对等 swarm）。
- Supervisor 是 2026 生产默认：Claude Code subagents、LangGraph Supervisor、OpenAI Agents SDK handoffs 均收敛于 supervisor 拓扑。
- Swarm 是前沿形态：Kimi K2.5/K2.6 Agent Swarm 通过 PARL 训练，协调上百/数百子 Agent 并行。
3. 关键框架（生产部署）
| 框架 | 定位 | 采用主体 |
|---|---|---|
| LangGraph (~38%) | 有状态图、durable execution、HITL | Anthropic/Replit/LinkedIn/Uber |
| 自研编排 (~28%) | Python/TS | 大厂 |
| CrewAI (~12%) | 角色化 crew、低门槛 | 快速原型/业务工作流 |
| AutoGen 1.0 (~9%) | 对话式多智能体、研究/学术 | Azure/研究团队 |
| Claude Skills (~5%) / Google ADK (~4%) / OpenAI Agents SDK | — | — |
4. 前沿训练技术
- PARL（Parallel-Agent Reinforcement Learning）：Kimi Agent Swarm 训练法，大型搜索场景关键步骤减少 3×–4.5×。
- 多智能体 RFT / RL：arXiv:2605.02801 提出用 RL 训练 LLM 多智能体系统（基于编排轨迹），附 84 项论文池、15 个研究方向。
- Puppeteer 中央编排器（NeurIPS 2025，ChatDev 团队）：多智能体协作的动态演化编排。
- AgentBreeder（ICLR 2025）、OFA-MAS（MoE 图生成自动设计拓扑）、AgentSpawn。
5. 关键模型与产品
- Kimi K2.5（2026-01-27）：引入 Agent Swarm，协调 100 子 Agent / 1500 工具调用。
- Kimi K2.6（2026-04-20）：开源，升级至 300 子 Agent / 4000+ 工具调用，4.5× 于单 Agent 顺序执行，支持 12 小时自主编码会话。
- Kimi K3（K3 Swarm）：当前 Agent Swarm 动力模型，进一步改善大规模并行搜索。
- Microsoft Copilot Council：并行跑 GPT-5.4 与 Claude，judge 模型仲裁，代价约为单模型 2.5×。
- 前沿编码/通用 Agent：Claude Mythos/Opus 4.7、GPT-5.3 Codex、Claude Sonnet 4.5（GAIA 74.6%）。
6. 典型应用（工业）
- 客服生态：意图识别 Agent / 客服响应 / 订单查询（接 ERP）/ 升级 Agent → 处理时间降 60%、一次解决率 85%。
- 销售自动化：线索评分等多 Agent 协作。
- 金融 / 供应链 / 医疗 / 制造：跨域 Agent 协作（Promethium 等企业用例）。
- 软件工程模拟：MetaGPT（PM/架构/开发/QA，44k stars，SOP 驱动）。
- 编码/研究助手：多 Agent 验证工作流（IS4 等）。
7. 挑战与研究方向
- 评估缺失：无广泛采纳的多智能体编排专属基准；需评估协调效率、可扩展性、鲁棒性、成本效率、涌现行为质量。
- 通信/拓扑：通信拓扑（broadcast/点对点/pub-sub）直接决定成本；MetaGPT pub-sub 比 full-broadcast 在软件基准上每行代码 token 减半。
- 可观测性：框架无关的可观测性（OpenTelemetry、跨框架追踪）是巨大机会；62% 团队计划改进，89% 采用但仅 <33% 满意。
- 安全与对齐：单模型对齐不成立（safety does not compose），共谋、责任分散、对齐惩罚等系统级风险；Schmidt/DeepMind 已立项资助。
8. 主要参考文献
- arXiv:2605.02801（RL for LLM-MAS 综述）
- MDPI Future Internet 18(6):326（LLM-Based Multi-Agent Orchestration Survey）
- arXiv:2412.17481 / arXiv:2501.06322（多智能体综述）
- arXiv:2502.00757（AgentBreeder）、arXiv:2601.12996（OFA-MAS）
- Kimi 官方 Help Center（Agent Swarm / K2.5 / K2.6）
- Digital Applied（5 orchestration patterns 2026）、Codebridge、AYAutomate、GenAI Protos、IS4（框架对比）
- Promethium、ACTGSYS（企业用例）
- Gupta Deepak（可观测性/治理市场分析）