从顺序调用到社会化分工：多智能体协作的信任链构建仍是核心拼图

1　引言

大语言模型智能体正从对话式助手走向真实工作流的核心执行者。随着工具集合的多元化与任务颗粒度的细化，单一智能体通过顺序调用工具链解决复杂问题的模式遭遇根本性约束：上下文窗口在多轮交互中急剧膨胀，工具调用的错误率随链路长度累积放大，且缺乏针对子任务的领域专业化分工机制。这种结构性失效倒逼研究范式从「单体增强」转向「协作重构」。

Ding 等构建的 MS-Eval 基准聚焦模型上下文协议（MCP）密集工作场景，系统性确立了主智能体委派与子智能体执行（MAD-SAE）范式。该范式将复杂任务分解为可并行的专业化子任务，由主智能体负责任务分解与结果聚合，子智能体各司其职执行特定领域工具调用。这一设计直接回应了顺序调用的上下文膨胀与效率瓶颈，为多智能体协作提供了可复现的评测基座。

然而，分工的引入并非终点。当协作单元从单一智能体扩展为异构智能体群落，评价维度必须随之跃迁：从「能否完成任务」转向「协作过程是否可信」。socienceAI实验室认为，技术乐观应建立在方法论审慎之上——Agent 的价值在于增强而非替代研究者的判断；社会化协同智能的关键不在个体能力涌现，而在分工之后的可信聚合。不可验证的协同只是噪声放大器。

2　领域进展评述

2.1　MAD-SAE 范式与 MS-Eval 基准的定位

MS-Eval 的核心贡献在于将多智能体协作抽象为可基准化的委派-执行模式。不同于既有基准多聚焦单智能体工具使用或固定拓扑的多智能体对话，MS-Eval 显式建模了主智能体的委派决策与子智能体的专业化执行两个层面，并在 MCP 密集场景下量化了并行化分工对上下文压力的缓解效果。这种分层建模使得协作过程中的关键决策点——任务如何分解、子任务如何路由、结果如何聚合——成为可观测、可干预、可对比的评测对象。

基准构建覆盖了多领域工具调用、动态任务分解、跨子智能体状态同步等典型挑战，为后续研究提供了统一的实验场景与度量标准。实验结果表明，MAD-SAE 在处理多子任务复合问题时表现出显著优势，上下文占用明显更低，任务完成质量更稳健。

2.2　专业化子智能体的分工边界与协作契约

MAD-SAE 范式隐含了一个关键假设：任务可被清晰分解为相对独立的子任务，且存在匹配的专业化子智能体。现实工作流中，任务边界往往模糊、依赖关系隐性、领域知识交叉重叠。当分工边界划分不清时，子智能体间的冗余计算与语义冲突会抵消并行化收益；当协作契约缺失时，主智能体难以判断子智能体输出的可信度，聚合层面临「垃圾进、垃圾出」的风险。

MS-Eval 通过预设任务分解模板与固定子智能体角色规避了上述问题，但这也意味着基准与开放域真实场景存在鸿沟。真实部署中，分工边界的动态协商、协作契约的显式建模、异常情况下的熔断与回溯机制，构成了从基准到落地的关键跨越。

2.3　并行化执行的上下文经济学

顺序调用模式下，工具调用历史、中间结果、错误重试轨迹全部累积在单一上下文中，导致令牌消耗呈指数级增长且关键信息被淹没。MAD-SAE 通过将子任务执行上下文隔离在独立子智能体中，仅向主智能体返回结构化摘要，实现了上下文压力的结构性分流。这种设计不仅降低了令牌成本，更保护了主智能体决策上下文的信噪比。

然而，上下文隔离带来了新的信息不对称：主智能体仅能看到子智能体「选择呈现」的摘要，无法直接审计执行细节。当子智能体出现幻觉、工具误用或逻辑跳跃时，主智能体缺乏一手证据进行交叉验证。这种信任假设在低风险任务中可接受，但在高可靠性要求场景下构成本质缺陷。

3　方法论意涵

socienceAI实验室认为，MAD-SAE 范式与 MS-Eval 基准揭示的方法论转向具有双重意义。首先，它确立了「分工即显式建模」的原则：协作不再是涌现的副产品，而是可设计、可验证、可优化的工程对象。任务分解策略、子智能体选型、路由规则、聚合算法，均显式纳入系统设计空间，使得协作行为具备了可审计的结构性前提。

其次，它暴露了现有评价体系的盲区。主流基准多以任务成功率、令牌消耗、延迟为核心指标，却缺乏对委派链路完整性、失败归因精度、知识溯源完备性的度量。一个在基准上表现优异的系统，若无法回答「为何委派给该子智能体」「子智能体为何得出此结论」「中间推理步骤是否可复现」，其协作产出在科学研究、金融合规、医疗决策等高可信场景中即不可采信。

信任链的三要素——可审计、可归因、可溯源——应当成为多智能体系统评价的第一性维度。MS-Eval 为这一维度的操作化提供了实验基座：委派决策日志、子智能体执行轨迹、聚合推理链路，均可在基准框架内被记录、重放、审计。将这些过程性证据纳入评价指标体系，才能避免「指标好、实战坏」的虚假繁荣。

4　挑战与展望

4.1　信任链构建的三重缺口

当前 MAD-SAE 实现与 MS-Eval 评测均未充分覆盖信任链的三重要求。在可审计性上，子智能体执行过程的中间推理、工具调用参数选择、错误恢复尝试多被压缩为最终摘要，审计追踪链条断裂。在可归因性上，任务失败时难以精准定位是分解策略失当、路由规则错配、子智能体执行偏差，还是聚合逻辑缺陷。在可溯源性上，知识在多智能体间流转时的来源标注、版本演进、冲突消解缺乏标准化机制。

这三重缺口并非独立，而是相互纠缠：无审计则无归因依据，无归因则无溯源锚点。填补缺口需要在系统架构层面引入不可变执行日志、结构化决策记录、跨智能体知识图谱等基础设施，并将其纳入基准评测的强制产出项。

4.2　从基准驱动到可信驱动的范式跃迁

基准竞赛容易诱导「为指标优化而优化」的局部最优。MS-Eval 作为首个聚焦委派-执行范式的基准，具有定义领域评价标准的先发优势，也承担着避免指标异化的责任。未来基准演进应引入「可信度分级」机制：基础级验证任务完成，进阶级验证委派链路完整，高级验证失败归因精度与知识溯源深度。只有当高可信级指标成为榜单主导排序依据，技术投入才会真正流向信任链建设。

4.3　社会化分工的治理边界

多智能体协作本质上是算力、模型能力、工具生态、领域知识的社会化分工。当分工延伸至跨组织、跨信任域边界，技术层面的信任链必须对接制度层面的治理框架：子智能体身份认证、执行授权范围、数据访问控制、审计日志留存合规、责任划分与赔偿机制。纯技术路径无法解决的治理问题，需要技术标准与法律规范、行业自律的协同演进。

socienceAI实验室认为，多智能体社会化分工的下一阶段突破不在于构建更强的单体智能体，也不在于设计更精巧的委派算法，而在于建立经得起审计的信任链基础设施。MS-Eval 打开了这扇门，但跨过去的路径，要求我们在每一次委派、每一次执行、每一次聚合中，都刻入可验证、可归因、可溯源的基因。这才是让可信聚合更近一步的关键拼图。

参考文献

1. Bowen Ding; Qixin Wang; Lexing Ruan; Weiyi Lu; Qiwei Ge; Ruishan Fang, 等. MS-Eval: Benchmarking Sub-Agent Delegation and Orchestration in MCP-Intensive Working Scenarios[EB/OL]. arXiv:2610.22869 (2026-10-16)[2026-10-07]. https://arxiv.org/abs/2610.22869