用途：当单智能体上下文窗口无法容纳任务相关信息，或任务可自然拆分为并行子任务、不同子任务需要不同工具与系统提示时，使用本技能设计多智能体系统。核心观点是子智能体主要用于隔离上下文，而非拟人化角色分工。
主要能力：提供三种架构模式。监督者/编排者模式适合任务分解清晰、需要集中控制与人工监督的场景，由协调者分派给专家并汇总结果。点对点/蜂群模式适合灵活探索，通过显式交接机制在智能体间转移控制。分层模式适合含战略、规划、执行多层抽象的大型项目。还涵盖上下文隔离机制（完整上下文委派、指令传递、文件系统记忆）、共识机制（加权投票、辩论协议、触发式干预）以及失败模式与缓解措施。
使用方式：按协调需求而非组织隐喻选择模式；为每个智能体配置其子任务所需的系统提示、工具与上下文；实现带状态传递的显式交接协议；在智能体之间传递前验证输出；设置执行时限防止无限循环。资料给出 forward_message 与 transfer_to_agent_b 等示例代码，以及研究团队架构示例。
适用场景：需要跨多个独立来源检索、分析不同文档或比较多种方案的研究任务；需要同时处理多个领域、超出单上下文限制的生产级智能体系统。
限制与注意：多智能体系统令牌成本约为单智能体聊天的15倍，需按此预算；监督者上下文会随工作者数量非线性增长，建议每个监督者限制3至5个工作者；智能体数量超过3至5个收益递减；存在电话游戏问题、谄媚式共识、错误传播级联、过度分解与共享状态缺失等风险。资料提及 LangGraph、AutoGen、CrewAI 等框架，但未提供具体收费、价格或平台信息。