适合人群
- 正在构建 AI Agent 系统的后端开发者和架构师
- 在 Claude Code、acpx 等工具中编写多 Agent 工作流的技术人员
- 想理解 Sub-Agent 和 Agent Team 区别的 AI 应用开发者
- 需要做架构决策：何时用单 Agent、何时拆分多 Agent 的技术负责人
准备清单
- 了解 LLM Agent 的基本概念（系统提示词、工具调用、上下文）
- 有使用 Claude Code 或类似 AI 编程工具的经验
- Python 异步编程基础
- 了解基本的分布式系统概念（隔离、通信、协调）
大多数 AI 系统的架构选错了
遇到复杂任务就上多 Agent 系统——这是 2026 年最常见的架构错误。
问题不在于"该不该用多个 Agent"，而在于"这个任务到底需要哪种协作方式"。选错了，系统要么过度复杂，要么信息丢失严重。
Claude 生态提供了两种截然不同的多 Agent 模式：Sub-Agent（子代理）和 Agent Team（代理团队）。它们看起来相似，但解决的是完全不同的问题。
Sub-Agent：并行隔离执行
核心理念
Sub-Agent 是一个在独立上下文中运行的专业实例。可以理解为"委派任务"——你分配一个明确的工作，它返回一个干净的结果。
每个 Sub-Agent 拥有：
- 一段定义角色的系统提示词
- 一组有限的工具
- 完全隔离的上下文环境
- 一个明确界定的单一任务
关键约束
Sub-Agent 的设计哲学是"压缩"，不只是速度：
- Sub-Agent 之间不能互相通信
- Sub-Agent 不能创建新的 Agent
- 所有信息必须通过父 Agent 传递
这三个约束让系统保持可预测和可控。
什么时候用 Sub-Agent
任务可以被干净地拆分为独立子任务时。每个子任务不需要知道其他子任务的状态。
典型场景：
- 代码安全审查 + 性能分析同时进行
- 多文件独立修改
- 多数据源并行查询后汇总
代码示例：并行安全审查
from claude_agent_sdk import query, ClaudeAgentOptions, AgentDefinition
async def main():
async for message in query(
prompt="Review the authentication module for issues",
options=ClaudeAgentOptions(
allowed_tools=["Read", "Grep", "Glob", "Agent"],
agents={
"security-reviewer": AgentDefinition(
description="Find vulnerabilities and security risks",
prompt="You are a security expert.",
tools=["Read", "Grep", "Glob"],
model="sonnet",
),
"performance-optimizer": AgentDefinition(
description="Identify performance bottlenecks",
prompt="You are a performance engineer.",
tools=["Read", "Grep", "Glob"],
model="sonnet",
),
},
),
):
print(message)
注意 description 字段——它充当路由信号，父 Agent 根据描述决定把任务分配给哪个 Sub-Agent。
Agent Team：协作式团队
核心理念
Agent Team 是为协作而生的。不是隔离的工人，而是能保持上下文、实时通信、动态适应的团队成员。
组成部分：
- Lead Agent（负责人）：分配任务并综合结果
- Teammates（队友）：执行具体任务
- Shared Task Layer（共享任务层）：追踪进度和依赖关系
关键优势
实时协调。前端 Agent 可以通知后端 Agent 需要变更，后端立即响应。这在 Sub-Agent 模式下做不到。
什么时候用 Agent Team
任务之间有强依赖关系，需要实时通信和动态调整时。
典型场景：
- 前后端联调开发
- 多人协作编写长文档
- 需要反复迭代优化的设计任务
- 一个 Agent 的输出是另一个 Agent 的输入
两种模式的核心差异
| 维度 | Sub-Agent | Agent Team |
|---|---|---|
| 关注点 | 执行效率 | 协作深度 |
| 上下文 | 隔离的、无状态的 | 共享的、持久的 |
| 通信 | 单向（只向父 Agent 汇报） | 双向（Agent 间实时通信） |
| 执行方式 | 一次性任务 | 持续交互 |
| 控制方式 | 父 Agent 中心控制 | 对等协作 |
| 适用任务 | 独立可并行的 | 有依赖需协调的 |
选择原则： 任务独立 → Sub-Agent。任务互相依赖 → Agent Team。
最常见的架构错误
按角色拆分 vs 按上下文拆分
大多数系统按"角色"拆分：规划者、开发者、测试者。这会在每次交接时丢失上下文：
- 实现者不知道规划者怎么想的
- 测试者不知道实现者做了什么决策
- 每个边界都是信息损失点
更好的方式：按上下文边界拆分。
问自己一个问题：这个任务需要什么信息？
如果两个任务共享深层上下文，放在同一个 Agent 里。只有当上下文可以干净分离时才拆分。
过度使用多 Agent
有时候一个 Agent 就够了。不是所有复杂任务都需要多 Agent 架构。
用多 Agent 的前提：
- 你需要上下文隔离
- 你有可并行的独立任务
- 你需要专业化（不同 Agent 做不同类型的工作）
避免多 Agent 的场景：
- Agent 之间高度依赖
- 协调开销超过收益
- 任务本身很简单
5 种实用的 Agent 编排模式
模式一：Prompt Chaining（提示词链）
按顺序串联多个步骤。上一步的输出是下一步的输入。
适用场景：数据处理管道、文档生成流水线
用户输入 → Agent A（分析） → Agent B（起草） → Agent C（润色） → 最终输出
模式二：Routing（路由）
根据任务特征，把任务送到最合适的 Agent。
适用场景：客服系统、代码审查（不同语言/框架路由到不同专家）
用户请求 → Router Agent → 安全专家 / 性能专家 / 代码风格专家
模式三：Parallelization（并行化）
同时运行多个独立任务，最后汇总结果。
适用场景：多维度分析、多源数据查询
用户请求 → Agent A（安全分析）↘
Agent B（性能分析）→ 汇总 → 最终报告
Agent C（可维护性分析）↗
模式四：Orchestrator-Worker（编排者-执行者）
一个编排 Agent 负责任务分配和结果整合，多个执行 Agent 做具体工作。
适用场景：大型项目开发、复杂研究任务
编排者 → 分析需求 → 分配子任务 → Worker 1, 2, 3 执行 → 编排者整合
模式五：Evaluator-Optimizer（评估者-优化者）
一个 Agent 生成结果，另一个 Agent 评估并给出改进建议，循环迭代直到质量达标。
适用场景：代码审查、文案优化、翻译润色
生成者 → 初版 → 评估者 → 反馈 → 生成者 → 改进版 → 评估者 → ... → 最终版
在 Claude Code 中的实践
如果你用 Claude Code 做开发，Sub-Agent 模式是内置支持的：
# Claude Code 内置 Sub-Agent 能力
# 通过 Agent 工具自动委派子任务
claude "审查这个项目的安全漏洞，同时分析性能瓶颈"
Claude Code 会自动创建 Sub-Agent 并行处理，你不需要手动配置。
如果你需要更复杂的 Team 协作，可以配合 acpx 使用 ACP 协议来编排多个 Agent。
常见问题
Q: Sub-Agent 和 Agent Team 能混用吗？
可以。一个常见模式是：Lead Agent 使用 Agent Team 做核心协作，但在某些独立子任务上派生 Sub-Agent 做并行处理。
Q: Sub-Agent 的数量有限制吗？
理论上没有硬性限制。但每增加一个 Sub-Agent 都会增加父 Agent 的上下文负担。实际项目中，3-5 个 Sub-Agent 通常是最佳平衡点。
Q: Agent Team 的实时通信怎么实现？
通过 Shared Task Layer。具体实现取决于你用的框架。Claude Agent SDK 提供了内置的共享任务追踪机制。
Q: 按角色拆分真的完全不可取吗？
不是绝对不可取，但大多数情况下不是最优解。如果你的团队真的有明确的角色分工（如安全专家和性能专家做完全不同的分析），按角色拆分可以工作。问题在于大多数开发任务的上下文是共享的。
Q: 单 Agent 什么时候够用？
当你评估后发现任务不需要隔离、不需要并行、不需要专业化时。简单粗暴地用一个强模型（如 Claude Opus）加好系统提示词，往往比拆成多个弱模型更有效。
参考来源
下一步建议
- 刚接触 Claude Code？→ Claude Code 完整安装教程
- 想在国内用 Claude Code？→ 国内配置教程
- 想了解 ACP 多 Agent 编排？→ acpx v0.6.0 更新指南
- 想了解 Claude 订阅方案？→ Claude Pro vs API 费用对比
- 需要 Claude Pro？→ Claude Pro 月卡