随着大模型在推理规划、工具调用和任务执行等方面能力的提升，人工智能应用正从知识问答和内容生成向复杂业务处理延伸。此类场景涉及多环节协作，对智能系统的任务组织、跨系统交互和可信执行提出更高要求。多智能体协同通过专业分工与动态编排，推动AI能力由局部辅助向全流程赋能拓展。当前，我国正推进智能体规范应用、互联标准及典型场景建设，加速技术与产业融合，这对深化“人工智能＋”行动、培育智能经济新形态具有重要意义。
一、智能体应用由单点提效向协同执行拓展，技术创新与政策部署同步加快
人工智能应用需求发生结构性变化。早期应用集中于内容生成和单一业务辅助，流程相对集中。随着智能体具备任务分解、规划及工具使用能力，其应用延伸至多环节长流程业务。以企业订单履约为为例，涵盖需求识别、方案设计、采购生产至售后等全链条，涉及不同规则、软件及权限，单一智能体难以兼顾，多智能体协同需求因此增长。
多智能体协同的核心机制。指多个具备独立感知、决策和执行能力的智能体，围绕共同任务通过角色分工、信息交互开展联合工作。其价值在于将分散的模型能力、行业知识和业务系统整合为完整流程，并在运行中动态调整。设计需平衡专业分工收益与协调管理成本，确保执行可靠性。
政策部署提供方向引导。2025年8月，国务院印发《关于深入实施“人工智能＋”行动的意见》，推动AI与各领域深度融合。2026年5月，国家网信办等部门印发《智能体规范应用与创新发展实施意见》，聚焦任务规划、群体协同和互认互通，部署智能互联网架构及可信互联基础能力。2026年7月发布的《智能体互信互联互操作全球合作倡议》，进一步强调标准互认与应用协作。
技术与标准体系持续完善。任务组织方面，微软Magentic-One等系统实现复杂任务编排；工具连接方面，模型上下文协议（MCP）规范外部资源访问；智能体互联方面，Agent2Agent（A2A）协议支持异构智能体交互。我国于2026年5月发布《人工智能 智能体互联》系列国家标准指导性技术文件，覆盖架构、身份管理、描述发现及工具调用等环节，为互联互通提供规范支撑。
二、多智能体协同的关键是形成任务可组织、能力可互联、过程可管控、风险可治理的系统能力
多智能体协同涉及任务组织、能力连接、执行协调和安全治理等多个层面，需根据场景特点选择适宜方式，构建覆盖全生命周期的技术体系。
建立面向业务目标的任务分工与动态编排机制
围绕任务目标和资源约束，对复杂流程进行结构化分解，明确子任务依赖关系并匹配相应智能体。协同方式包括：集中编排适用于规则明确、需统一控制的流程；分层协同适用于多环节复杂业务；分布式协商适用于跨组织对等协作。实际应用中应组合使用，并根据执行反馈动态调整，以提升协同效率与适应能力。
完善身份可核验、能力可发现、协议可兼容的互联机制
跨平台协同需贯通身份核验、能力发现与交互调用。建立主体身份与授权关联机制，支持可信交互；规范能力描述与接口信息，完善注册发现机制。推动MCP、A2A等开放协议与我国智能体互联协议（AIP）适配衔接，开展互操作验证，明确请求、反馈及异常处理技术要求，降低跨平台适配成本。
强化长流程任务的状态协同与运行保障能力
确保多智能体执行中的上下文准确传递与状态同步，保障各环节输入输出有效衔接。对于跨系统业务流程，需统一管理任务编排、状态共享、监测校验及中断恢复，建立关键节点可观测与人工接管机制。在高要求场景（如工业、金融），需配置审批确认、隔离执行和回退策略，确保与现有管理制度衔接。
构建覆盖协作链条的安全可信治理机制
针对智能体调用系统、操作数据可能带来的身份冒用、越权访问及风险传导等问题，落实最小权限、分级授权、行为审计和责任追溯要求，实行全过程管理。同时，完善功能、性能、可靠性及安全性测评方法，为重点行业应用提供可量化评价依据。
三、多智能体协同的典型应用场景与业务价值
当前，多智能体协同正在工业制造、科学研究、企业经营和公共服务等领域探索，通过配置专业智能体、衔接上下游任务，提升协作效率与资源配置水平。
工业制造领域
多智能体协同有望强化研发、生产、质量和供应链联动。在生产异常处置中，诊断、排产、质量及供应链智能体协同形成处置建议，经授权后执行。该模式减少信息重复传递，提高生产效率。落地需兼顾工艺约束与系统稳定性，优先从辅助决策等低风险环节推进，逐步拓展至全业务链。
科学研究领域
在AI for Science（AI4S）应用中，多智能体连接文献、模型、软件和设备，形成资料检索、假设提出、实验设计及结果分析的可追溯流程。生物制造领域可贯通蛋白质设计、菌株构建至发酵优化等环节，提升迭代效率。关键环节需引入专业人员审核，以减少模型偏差，确保科研可重复性。
企业经营与产业服务领域
多智能体协同贯通企业内部流程与上下游服务。以采购履约为例，需求分析、供应商服务、履约管理及财务核验等智能体有序协作，实现供需匹配、订单跟踪及结算核验。该模式减少重复录入与沟通成本，缩短业务衔接时间，为跨企业协同服务及智能服务供给创造条件。
公共服务领域
在政务服务中，政策解读、材料预审及进度反馈智能体辅助事项办理，推动咨询、申报与反馈有序衔接。在公共安全等场景，不同智能体承担信息汇集、分析与风险识别任务，综合研判形成预警。这有助于减少重复咨询，缩短响应时间，提升公共服务整体效能。
四、以高价值场景和可信互联为牵引，推动多智能体协同走向规模化应用
随着协作范围拓展至产业链上下游，跨平台身份核验、能力发现及任务协作需求日益突出。推动规模化落地需解决具体业务协作问题，并完善互联基础能力。当前应以高价值场景为牵引，统筹推进标准建设、测试评价与生态培育。
围绕高价值场景推动应用示范
面向工业生产、供应链、企业服务、科研及政务等重点领域，优先选择业务清晰、数据条件好、成效可衡量的场景开展试点。通过需求梳理、流程设计及技术验证，形成可复制方案。鼓励龙头企业及平台机构开放场景，促进供需联合创新。
加强智能体互联公共能力和标准化建设
围绕身份标识、能力描述、通信交互等关键环节，开展技术研究、标准建设与互操作测试。推动基础能力以公共服务、通用组件等方式供给，支持不同技术路线智能体接入。探索可信互联中心、行业智能体目录及协作服务平台建设，逐步形成开放兼容的互联服务体系。
健全多智能体协同测试评价与可信治理体系
建立涵盖协同能力、业务成效、可靠性及安全性的评价指标，重点检验跨主体身份互认、授权委托及故障恢复能力。推动检测工具与评价规范协同发展，在重点领域探索可信多智能体空间实践，支持参与主体在明确权责基础上开展协同。
培育面向持续运营的智能体产业服务生态
发挥行业组织、研究机构及平台企业作用，推动多方联合创新。完善开发部署、场景诊断、协同集成及运营维护等服务供给，探索以任务完成质量和业务价值为导向的合作机制。通过公共服务平台提高智能体复用水平，促进应用由项目建设向持续运营服务转变。
作者简介
孙强，中国信息通信研究院工业互联网与物联网研究所工程师。主要负责未来产业领域政策支撑、标准研究及咨询规划工作，重点围绕人工智能赋能未来产业开展趋势研判、场景挖掘、路径设计和机制研究，推动技术创新与产业发展深度融合。
联系方式：
15011327325
sunqiang@caict.ac.cn
刘腾飞，中国信息通信研究院工业互联网与物联网研究所未来产业研究部副主任（主持工作），工程师。长期负责未来产业相关领域政策研究支撑、行业标准制定、产业态势洞察、战略咨询研判等工作，重点聚焦未来产业制度创新、生物制造前沿技术、人工智能应用创新等领域，在战略规划、政策研究、产业分析和应用推广方面具有丰富经验。
刘乃嘉，中国信息通信研究院工业互联网与物联网研究所工程师。主要负责未来产业领域相关政策支撑、标准研究、咨询规划工作，重点研究人工智能、物理AI、生物制造等前沿赛道，助力前沿技术落地与产业生态建设。
刘彤彤，中国信息通信研究院工业互联网与物联网研究所工程师。主要负责未来产业领域相关政策支撑、标准研究、咨询规划工作，重点研究未来产业场景创新、未来产业先导区建设、人工智能赋能产业发展等领域，推动未来产业从科学发现到产业集群的全链条发展。
校 审 | 谨言、珊珊
编 辑 | 凌霄
推荐阅读
中国信通院车昕等：企业数智研发从单点提效走向体系升级之路
专家谈
