Multi-Agent Orchestration（多智能体编排）是 OrchestKit 中的一项技能，用于协调多个专用智能体完成复杂任务，并提供多智能体协调与综合的多种模式。
用途
当需要编排多个专用智能体、实现 fan-out/fan-in 工作流，或对多个智能体的产出进行综合（synthesis）时使用本技能。
主要能力
Fan-Out/Fan-In 模式
先扇出到各专业智能体，再扇入进行综合。示例代码展示：定义 agents 列表（security、performance、code_quality、architecture），通过 asyncio.gather 并行运行所有智能体，过滤掉异常结果，最后调用 synthesize_findings 汇总。
Supervisor 模式
中心协调者负责路由到各专业智能体。Supervisor 类持有 agents 字典与已完成列表，run 方法先用 LLM 生成路由计划（plan_routing），再按依赖顺序执行：可并行的按批次并行运行，不可并行的顺序执行；plan_routing 通过 LLM 判断应由哪些智能体处理、以何顺序、哪些可并行。
冲突解决（Conflict Resolution）
当智能体意见不一致时，先检测冲突；若无冲突直接返回。解决方式有两种：一是置信度更高者胜出（取 confidence 最大者），二是 LLM 仲裁（向 LLM 描述两个智能体的分歧，询问哪个更可能正确及原因），并记录解决结果。
综合模式（Synthesis Pattern）
将多个智能体输出合并为连贯结果：先按 category 分组，再用 LLM 综合，输出格式包括执行摘要（2-3 句）、按类别的关键发现、建议、置信度分数（0-1）。
智能体通信总线（AgentBus）
提供智能体之间的消息传递：publish 向所有智能体广播消息（含 from、data、ts），subscribe 注册智能体接收消息的回调，get_history 获取消息历史（可按 agent_id 过滤）。
CC Agent Teams（CC 2.1.33+）
CC 2.1.33 引入原生 Agent Teams：队友之间可点对点消息、共享任务列表、采用 mesh 拓扑。技能对比了 Star（Task tool）与 Mesh（Agent Teams）两种拓扑：Star 为 Lead 向 A/B/C/D 单向分发、无交叉通信；Mesh 中 A、B、C 可互相通信。
双模式决策树：复杂度评分 < 3.0 用 Task tool 子智能体（更便宜、更简单）；3.0-3.5 由用户选择（跨领域任务推荐 Teams）；> 3.5 使用 Agent Teams（需 CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1）。覆盖方式：ORCHESTKIT_PREFER_TEAMS=1 强制使用 Agent Teams；回退：Teams 被禁用时始终使用 Task tool。
团队组建：先 TeamCreate 创建团队与共享任务列表，TaskCreate 创建任务（可用 addBlockedBy 设置依赖），再 Task 派生队友（每个队友是完整的 CC 会话，指定 team_name、name、subagent_type），队友从共享列表自行认领任务、彼此直接发消息，Lead 通过空闲通知进行监控。
点对点消息模式：默认使用直接消息 SendMessage(type="message", recipient=...)，广播（type="broadcast"）开销大、应少用，完成后发送 shutdown_request。
成本对比
3 智能体评审：Task Tool 约 150K tokens，Agent Teams 约 400K tokens，约 2.7 倍；8 智能体功能：约 500K vs 约 1.2M tokens，约 2.4 倍；6 智能体研究：约 300K vs 约 800K tokens，约 2.7 倍。Teams 成本更高是因为每个队友都是完整 CC 会话；当跨智能体通信能避免返工时值得使用。
关键决策
智能体数量：3-8 个专家；并行：并行化相互独立的智能体；冲突解决：置信度分数或 LLM 仲裁；通信：共享状态、消息总线或 SendMessage（CC 2.1.33+）；拓扑：简单任务用 Task tool（星型），复杂任务用 Agent Teams（mesh）。
常见错误
未给每个智能体设置超时（一个慢智能体阻塞全部）；无错误隔离（一个失败导致整个工作流崩溃）；过度协调（开销过大）；缺少综合（原始智能体输出不可用）；对简单的顺序工作使用 Agent Teams（应使用 Task tool）；在本可直接消息时使用广播（浪费 tokens）。
相关技能
langgraph-supervisor（LangGraph supervisor 模式）、langgraph-parallel（LangGraph 的 fan-out/fan-in）、agent-loops（单智能体模式）、task-dependency-patterns（Agent Teams 工作流的任务管理）。
能力细节
涉及 agent-communication（智能体通信、消息传递、智能体协议、inter-agent）、task-delegation（委托、任务路由、工作分配、智能体派发）、result-aggregation（聚合、合并结果、综合）、error-coordination（错误处理、重试、回退智能体、失败恢复）、agent-lifecycle（生命周期、派生智能体、终止、智能体池）。
适用场景与限制
适用于需要多个专业智能体协作、并行分析并统一汇总的复杂任务，尤其适合跨领域评审与研究。限制方面：Agent Teams 需要 CC 2.1.33+ 且受实验性开关控制，成本明显高于 Task tool；官方未提供更多关于定价、平台支持范围或具体效果数据的信息，暂未提供。