用途：为复杂任务设计多智能体架构。当单智能体上下文限制约束任务复杂度、任务可自然拆分为并行子任务、不同子任务需要不同工具集或系统提示词、系统需同时处理多个领域，或需将智能体能力扩展到单上下文之外时启用。
主要能力：介绍三种主导模式——监督者/编排者（集中控制、便于人工介入，但监督者上下文易成瓶颈）、点对点/群体（无中心、灵活交接，但协调复杂、易发散）、分层（战略/规划/执行三层，贴近组织结构，但层间协调开销大）。强调上下文隔离是首要设计原则，机制包括完整上下文委派、指令传递、文件系统记忆。共识机制涵盖加权投票、辩论协议、基于触发器的干预（停滞、谄媚）。
使用方式：按协调需求而非组织隐喻选择模式；实现显式交接协议并传递状态；用加权投票或辩论达成共识；监控监督者瓶颈并做检查点；在智能体间传递前校验输出；设置存活时限防止死循环；显式测试失败场景。资料给出 forward_message 与 transfer_to_agent_b 等示例代码，以及研究团队、客服路由等示例。
适用场景：复杂研究、跨领域协调、大规模项目、企业工作流、需并行探索的任务。
限制：多智能体消耗显著更多 token（约 15 倍基线），存在监督者瓶颈、协调开销、发散、错误传播等失败模式；升级模型常比翻倍 token 收益更大。框架方面提及 LangGraph、AutoGen、CrewAI，但未提供具体安装命令或收费信息。