用途：该技能面向多智能体系统设计，核心目的是上下文隔离，而非角色拟人化划分。当单智能体上下文无法容纳全部任务相关信息，或任务可自然分解为并行子任务、不同子任务需要不同工具与系统提示时启用。
主要能力：给出三种主流架构模式。主管/编排者模式适用于分解清晰、需要集中控制与人工监督的任务；点对点/群体模式适用于灵活探索、刚性规划适得其反的场景，通过显式交接让任一智能体将控制权转给另一智能体；层级模式按策略、规划、执行分层，适用于大规模项目。强调用显式协调协议、抗谄媚的共识机制和失败处理来设计系统，并区分投票、加权投票、辩论协议与基于触发器的干预。
必要用法：交接可用 transfer_to_agent_b() 这类函数返回实现；主管架构可加入 forward_message 工具让子智能体直接回复用户，避免主管转述失真。来源提到 LangGraph、AutoGen、CrewAI 等框架以不同方式实现这些模式。
适用场景与限制：适合研究团队、客服路由等可分解任务；但多智能体 token 成本显著更高，来源称约为基线的 15 倍，主管数量超过 5 个后收益递减，还存在主管瓶颈、协调开销、发散、错误传播、谄媚式共识、过度分解等风险。设计时应先与单智能体基线对比，限制每个主管下的智能体数量，验证输出并设置执行时限。
明确边界：任务与模型匹配、项目级成本属于 project-development；托管沙箱与远程运行属于 hosted-agents；KV 缓存压缩状态共享属于 latent-briefing；各智能体工具设计属于 tool-design。以上为资料所列，其他实现细节暂未提供。