Orchestrator-Subagent Pattern

概述

协调器 - 子智能体（Orchestrator-Subagent）是由层级结构定义的多智能体模式。一个智能体担任团队负责人，负责规划工作、分配任务并整合结果。子智能体则承担具体职责并反馈结果。Claude-Code 采用此模式。

关键内容

工作原理

主智能体接收任务 → 确定处理方式
任务分配：
直接处理部分子任务
分发其他子任务给子智能体
子智能体执行 → 完成工作并返回结果
协调者整合 → 将结果整合为最终输出

适用场景

清晰的任务分解： - 任务分解清晰且子任务间相互依赖度极低 - 协调者maintains 整体目标的连贯视图 - 子智能体专注于具体职责

具体应用： - 自动化代码审查（安全检查/测试覆盖率/代码风格/架构一致性） - Claude-Code 的代码库搜索和独立问题调查 - 多文件协调修改

实际案例

自动化代码审查系统： - 协调者：接收 PR，确定需要执行的检查 - 子智能体： - 安全子代理：检查漏洞、注入风险、身份验证问题 - 测试子代理：验证测试覆盖率 - 风格子代理：评估代码风格一致性 - 架构子代理：判断架构一致性 - 整合：协调者收集结果，整合为统一的审查意见

优势

层级结构清晰，易于理解和管理
协调者对整体目标保持连贯视图
子智能体专注于具体职责
适用于广泛的问题，协调开销最低

局限性

信息瓶颈： - 子代理发现的相关信息需经协调者传递 - 关键细节在多次传递中可能丢失 - 协调者必须识别依赖关系并适当路由信息

吞吐量限制： - 顺序执行限制吞吐量（除非显式并行化） - 产生多智能体令牌成本，却无法获得速度优势

与 Agent Teams 的对比

| 维度 | Orchestrator-Subagent | Agent Teams | |------|----------------------|-------------| | 子任务时长 | 简短、有界 | 持续、多步骤 | | 上下文积累 | 无（每次从零开始） | 有（积累领域知识） | | 适用场景 | 清晰分解的独立任务 | 需要持续多步骤工作的任务 | | 示例 | 代码审查检查 | 代码库迁移 |

设计建议

任务分解： - 确保子任务间依赖度极低 - 明确定义每个子任务的输入和输出 - 协调者maintains 整体目标的连贯视图

并行化： - 显式请求并行执行独立子任务 - 三个子代理同时工作通常能在更短时间内完成

信息路由： - 识别子任务间的依赖关系 - 协调者适当路由相关信息 - 避免关键细节在传递中丢失

来源

raw/articles/ai-engineering/claude-blog/Multi-agent coordination patterns_ Five approaches and when to use them.md — Cara Phillips 撰写