多代理系統與單一代理系統的根本差異，在於解決問題的方法和互動範圍。

單一代理系統只有一個自主運作的實體，會在環境中獨立作業，達成特定目標，不會與其他代理直接互動。以獨立運作的西洋棋 AI 為例，這類 AI 會分析棋盤，並根據預先定義的規則或學到的策略做出決策。這類系統擅長處理定義明確的問題，且外部互動極少，集中控制效率高，例如推薦引擎或詐欺偵測。這類模型通常較容易開發，維護成本較低，且結果可預測。

相較之下，多代理系統的特徵是多個代理存在於共用環境中。這些代理會經常合作、競爭或協商，以達成個別或集體目標。這就像一個高效團隊，每個代理負責處理問題的一部分，並與其他代理溝通以達成共同目標。透過分散工作負載和專業性角色，MAS 可以處理複雜、動態或大規模的挑戰，這些挑戰會讓單一代理不堪重負。雖然需要完善的通訊和協調通訊協定，因此設計上較為複雜，但 MAS 具有更出色的彈性、穩定性和擴充性。

多代理系統會將工作和通訊分配給各個代理，讓它們在共用環境中合作達成目標。這個程序通常包括：

• 感知：代理觀察周遭環境並收集資料。這類行為包括直接發出信號，或是注意到共用環境的變化 (也稱為共識主動性)。
• 推論與決策：在現代多代理系統中，推論作業主要由大型語言模型 (LLM) 執行，LLM 就像代理的「大腦」。這類 LLM 擅長理解複雜的使用者意圖、執行多步驟推論，以及制定計畫來達成目標。LLM 輔助代理會根據感知資料，決定最符合邏輯的行動。
• 行動：代理在環境中執行計畫的行動。
• 互動：代理不會單獨運作，而是會彼此溝通、協調、談判及合作。例如直接傳遞訊息、分享資訊，或是修改其他代理之後可觀察的環境。
• 自動化調度管理：現代 MAS 遵循自動化調度管理原則，將複雜工作分解為結構化的代理功能工作流程。您可以將其視為專案計畫，為不同代理指派特定角色和職責。「自動調度管理工具」或預先定義的圖表結構，可確保以正確順序呼叫代理、資訊在代理之間流動，以及實現最終目標。不僅能進行簡單的溝通，還能管理以目標為導向的程序，CrewAI 和 LangGraph 等現代化框架即著重於此。

這種團隊合作讓多代理系統能夠適應並解決複雜問題。

多代理系統包含三個基本要素：代理、環境和互動機制。

這些是系統中主動做出決策的實體。每個代理都具備一定程度的自主性，也就是說，代理可以獨立運作、感知周遭環境，並根據目標和可用資訊做出選擇。代理可以是軟體程式、機器人、實體機器人、無人機、感應器，甚至是人類。這些是獨立的實體，各有特定角色和功能。

這是代理工作、感知和互動的共用空間。環境可以是虛擬的，例如模擬世界或網路，也可以是實體的，例如機器人代理的工廠。環境提供資源、設定限制，並做為間接溝通的媒介。

如要讓代理協同運作，必須讓它們彼此溝通。通訊協定是如何交換資訊的規則。包括訊息格式 (例如 JSON 或 XML) 和傳送方式 (例如 HTTP 或 MQTT)。代理通訊語言 (ACL)，例如 FIPA ACL 和 KQML，提供代理互動和分享詳細資訊的標準方式。

• FIPA ACL (智慧型實體代理基金會 - 代理通訊語言) 是一種廣泛使用的語言，可協助智慧型軟體代理相互溝通。這類模型以人類溝通方式為基礎，其中特定「動作」(例如「要求」或「告知」) 具有明確的意義。FIPA ACL 訊息包含傳送者、接收者、動作和實際訊息內容等欄位，因此溝通清楚明瞭。
• 協調機制是指代理用來解決意見分歧、達成目標共識，以及有效團隊合作的方法。例如：代理出價工作 (如競價)、投票決定，或使用「合約網」系統。

多代理系統在各種領域都很有價值，因為解決複雜問題需要合作、適應性和韌性。

MAS 擅長將複雜的程序分解為較小的可管理工作，再將這些工作分配給專門的代理，並協調執行作業。

• 供應鏈管理：從製造到消費者購買，多代理系統可連結供應鏈的不同環節。虛擬代理可以彼此協商，預測庫存需求、管理資源，並即時調整營運作業。
• 客戶服務：在客戶支援方面，AI 代理可共同追蹤問題、建議修正方式、提報解決方案，甚至處理帳單調整或退款事宜。一位代理負責處理初步詢問，另一位則提取相關文件，第三位則生成個人化回覆。
• 軟體開發：您可以設計一組代理，用來回覆錯誤要求、分析過去的錯誤是否相似、建立新支援單，甚至提供工程協助，例如生成程式碼建議或安排程式碼審查。

代理的分散式特性和自主性，讓多代理系統即使在不斷變化的環境中，也能運作良好。

• 交通運輸管理：MAS 可處理複雜的運輸系統，例如火車網路、卡車指派或船舶。代理可以分享即時交通和路線資訊，協助疏導交通，避免在繁忙的市區塞車。
• 機器人與自治系統：在倉庫中，許多機器人會一起工作，在完成訂單的同時避免相互碰撞。同樣地，自動駕駛送貨機器人小組也能分享即時路況和路線資訊，有效率地完成配送任務。
• 防禦系統：MAS 可模擬網路攻擊或海事狀況等潛在威脅，協助強化防禦系統，讓相關人員能更主動地規劃應對措施。

MAS 是強大的工具，可模擬互動並瞭解複雜系統中產生的行為。

• 金融交易：多個代理可分析市場資料、評估風險，並在各種資產類別中執行交易。部分代理專注於特定市場，其他則尋找更廣泛的模式。協助公司即時處理及運用大量資料。
• 醫療照護與公共衛生：透過基因分析，以代理為基礎的系統可協助預測及預防疾病，並管理醫院資源，例如床位分配、員工排班和醫療設備配置。
• 社會模擬：MAS 可針對模擬群體的社會互動和自發行為建立模型，有助於研究各種複雜的社會現象。

雖然多代理系統很有幫助，但也可能帶來一些潛在問題：

• 難以管理：讓多個獨立的代理協同運作而不發生衝突，可能是一項挑戰，尤其是當代理數量增加時。
• 通訊超載：代理數增加，訊息量也會隨之增加，可能導致處理速度變慢。通訊必須清楚快速。
• 意想不到的行動：多個代理的互動可能產生意想不到的結果，難以測試所有可能發生的情況。
• 安全疑慮：在分享私密資訊的系統中，強大的安全性至關重要。惡意代理可能會提供錯誤資訊、拒絕合作或分享私密資訊，進而造成問題。
• 建構和使用方式複雜：建構這類系統需要仔細規劃，並充分瞭解代理之間的對話方式。團隊必須瞭解分散式 AI 和嚴謹的溝通規則。
• 運作成本：由於高度仰賴強大的 LLM (通常透過 API 呼叫)，因此運算成本可能相當高。如果沒有妥善管理，擴充多代理系統的成本可能會高到令人卻步。
• 事實根據和幻覺：由 LLM 驅動的代理可能會「產生幻覺」，也就是生成看似合理，但事實上不正確的資訊。確保代理輸出內容可靠地以事實資料來源為依據，是主要的技術難題。
• 複雜的偵錯和評估作業：互動式代理的非確定性和自發行為，使偵錯作業變得極為困難。在複雜的多步驟工作流程中，如要追蹤錯誤來源，必須使用精密的記錄和評估工具。

為了協助開發人員建構及管理多代理系統，許多框架提供工具，用於設計、協調及部署自動化代理。以下列舉一些熱門選項

實作多代理系統，從設計到部署需要完成多項重要步驟：

1. 定義問題和目標：清楚說明系統需要解決的問題，以及您希望整個系統和每個個別代理達成的目標。

2. 決定代理設計：

• 確定代理角色：找出各類代理將執行的特定工作類型
• 定義代理能力：指明每個代理能感知什麼、能做什麼，以及如何做出決策
• 決定代理的獨立性：決定每個代理在做出選擇時的自由度

3. 模擬環境：建立代理將在其中運作的共用空間。包括功能、資源和規則。

4. 決定通訊方式：

• 選擇語言：選取代理彼此溝通時使用的語言 (例如 FIPA ACL)，以及訊息的顯示方式
• 制定規則：設計規則，說明代理如何通訊、協同合作及解決歧見，例如傳送即時訊息、共用記憶體或透過環境對話

5. 協調策略：制定方法，確保代理能順暢合作並解決衝突。這可能涉及一個主要控制代理、代理協商規則或自然協作。

6. 整合工具：讓代理存取執行任務所需的外部工具或程式，例如資料庫、其他服務或其他 AI 模型。

7. 程式碼：選擇程式設計語言 (例如 Python 或 Java) 和多代理框架 (例如 JADE、Mesa、Ray、AutoGen 或 CrewAI)，建構代理並設定互動方式。

8. 測試及驗證：徹底測試系統，確保代理的行為符合預期、能順暢協同運作，並達成整體目標。由於代理可能出現非預期行為，這項工作會更加困難。

9. 部署及監控：將系統部署至合適的基礎架構，並設定監控機制，追蹤系統運作狀況、找出問題，確保系統持續正常運作。

Google Cloud 提供強大且可擴充的基礎架構，是開發、部署及管理多代理系統的理想平台。全套服務相當完整，可支援 MAS 中的各種元件和互動：

• 運算資源：部署大量代理 (尤其是採用 LLM 等密集型 AI 模型的代理) 需要大量運算能力
• Google Kubernetes Engine (GKE)：GKE 提供代管環境，可部署、調度資源及管理容器化應用程式，非常適合用於自動化調度管理許多個別代理
• Compute Engine：如要更精細地控管虛擬機器 (VM)，Compute Engine 提供彈性且可自訂的 VM 執行個體，來託管代理程序
• 資料處理與儲存：代理通常需要儲存及擷取大量資料，才能進行感知、學習和決策
• Cloud Storage：提供高度可擴充且耐用的物件儲存空間，可存放代理資料、記錄和模型
• BigQuery：全代管的無伺服器資料倉儲，可儲存及分析龐大的資料集，適合執行資料密集型任務的代理，或用來分析集體代理行為
• Cloud SQL 或 Cloud Firestore：分別為代管的關聯式資料庫和 NoSQL 資料庫，適合代理儲存狀態、個別知識庫或互動記錄
• 代理間的溝通：有效率的訊息傳遞是代理協調和分享資訊的關鍵
• Pub/Sub：這項即時訊息服務可讓代理之間進行非同步通訊，非常適合分離式架構和事件導向互動。代理可將訊息發布至主題，並訂閱相關主題，在沒有直接瞭解端點的情況下促進通訊
• A2A 通訊協定：這個開放標準最初由 Google 開發，可讓不同的 AI 代理安全地通訊及協作，就像共通的翻譯工具，協助不同架構和供應商的代理互相探索、交換資訊 (包括文字、音訊和影片)，以及協調行動。A2A 著重於代理間的互動，可與處理代理與工具之間通訊的 Model Context Protocol (MCP) 相輔相成。
• AI 和機器學習功能：許多代理會納入 AI 模型，以提升智慧化和決策能力
• Vertex AI：Google 的統合式機器學習平台，是建構智慧型代理的核心。這個平台提供 Gemini 等強大的基礎模型，可進行推論，最重要的是，還包含 Vertex AI Agent Builder。這項代管服務提供多種工具，可以公司資料做為生成式 AI 代理回覆基準、將代理連結至外部 API，以及建構以目標為導向的對話式體驗，加速開發企業級生成式 AI 代理
• 預先訓練的 API：代理可運用 Google Cloud 的預先訓練 AI API (例如 Vision AI、Natural Language API)，加強對各種資料類型的感知和理解
• 網路與安全：確保 MAS 內部的通訊安全、有效率。
• 虛擬私有雲 (VPC)：為您的代理和服務建立獨立安全的網路環境
• Identity and Access Management (IAM)：管理與 Google Cloud 資源互動的代理的權限和存取控管機制

開發人員可運用這些 Google Cloud 服務，建構強大、可擴充的智慧型多代理系統，打造精密的 AI 應用程式，解決全球一些最複雜的難題。