11. 延伸阅读
一句话理解：Multi-Agent 是一个快速发展的交叉领域，官方文档提供 API 细节，论文提供思想脉络，工程文章提供落地经验，相关主题则帮你把 Multi-Agent 放进完整的 AI Infra 版图里理解。
官方文档
- AutoGen Documentation — Microsoft 多 Agent 对话编排框架官方文档。
- LangGraph Multi-Agent Concepts — LangGraph 多 Agent 概念与实现指南。
- CrewAI Documentation — 角色驱动的 Multi-Agent 框架文档。
- OpenAI Agents SDK — Handoffs — OpenAI Agents SDK 的 Handoff 机制文档。
- CAMEL Documentation — 角色扮演与多 Agent 数据合成框架文档。
- MetaGPT Documentation — 软件公司模拟 Multi-Agent 框架文档。
论文
- AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation — AutoGen 框架论文，提出 ConversableAgent 与 GroupChat 等抽象。
- MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework — MetaGPT 论文，用 SOP 模拟软件公司协作。
- ReAct: Synergizing Reasoning and Acting in Language Models — ReAct 范式，是单 Agent 与 Multi-Agent 执行的基础。
- CAMEL: Communicative Agents for "Mind" Exploration of Large Language Model Society — CAMEL 角色扮演与数据合成论文。
工程文章
- Steve Kinney — Multi-Agent Systems — Multi-Agent 系统设计思考。
- Steve Kinney — Agent Memory Systems — Agent 记忆系统设计，与 Multi-Agent 共享状态密切相关。
- LangGraph Blog — Multi-Agent Workflows — LangGraph 多 Agent 工作流设计思路。
- 从 Function Call 到 MCP → SKILLS — 能力封装演进，对 Agent Skill 设计有参考价值。
相关主题
- Agent Runtime — Multi-Agent 中每个 Agent 的执行容器。
- Agent Memory — Multi-Agent 共享或隔离的长期记忆与 Blackboard 持久化。
- Agent Reflection — 群体反思与自我纠错是 Multi-Agent 系统的重要能力。
- MCP — Agent 能力发现与调用协议，Multi-Agent 角色可借此发现彼此能力。
- LLM Gateway（后续主题）— Multi-Agent 调用多模型的统一入口。
- Planning 详解 — Coordinator 做任务拆分与重规划的核心能力。
- Tool Use 详解 — 每个 Agent 的工具调用、解析、执行与权限控制。
- RAG（后续主题）— 多个 Agent 可共享的外部知识检索能力。
推荐学习路径
- 先理解单 Agent：通读 Agent Runtime 与 Agent Memory，掌握 ReAct、工具、记忆、状态、可观测。
- 再理解协作思想：阅读本主题 核心思想 与 协作模式。
- 动手跑 Mini Demo：按 工程实践 运行代码，观察 Registry、Message Bus、Blackboard、Coordinator 如何协作。
- 对比主流框架：阅读 源码分析，理解 AutoGen、LangGraph、CrewAI 等框架的差异。
- 思考生产问题：阅读 企业生产实践 与 最佳实践，设计自己的 Multi-Agent 落地路径。
本章小结
Multi-Agent 的学习资源涵盖官方文档、论文、工程文章与本手册内的相关主题。建议从单 Agent 基础出发，逐步理解协作思想、动手实验、对比框架、思考生产，形成完整的知识体系。
参考来源