LangGraph 如何构建多 Agent 协作系统？

1. Supervisor-Worker 架构

Supervisor 模式是多 Agent 协作中最成熟的生产方案：一个 Supervisor 节点作为调度中枢，接收用户请求后分析任务并路由给专业的 Worker 节点执行。每个 Worker 拥有独立的系统提示词、工具和模型配置，执行完成后将结果写回共享状态，Supervisor 评估结果后决定继续路由给其他 Worker 或终止。所有通信通过 LangGraph 的共享 State 传递，无需 Agent 之间直接 API 调用。

2. 子图封装专业 Agent

复杂的 Worker 本身可以是独立的子图，包含多步处理逻辑。例如研究员 Worker 可以是一个包含"网络搜索 → 事实提取 → 摘要生成"三步的子图。子图作为单个节点嵌入父图中，父图不需要了解子图的内部结构，只需关注输入输出 schema。这种组合式设计使得大型多 Agent 系统可以分层构建、独立测试和复用。

3. 并行派发的 Send API

通过 Send 对象，Supervisor 可以在一个超级步中同时向多个 Worker 派发任务，实现真正的并行执行。返回 [Send("researcher", state), Send("coder", state)] 这样的列表会让 LangGraph 为每个 Send 创建独立的执行分支，各分支的结果通过 reducer 自动合并回主状态。这种 fan-out/fan-in 模式可以将串行执行的时间复杂度从 O(n) 降低到 O(1)。

4. 层级化多 Agent 架构

对于超大规模的系统，可以采用多层 Supervisor 架构：顶层 Supervisor 负责任务分解，中层 Supervisor 管理特定领域的 Worker 团队，底层 Worker 执行具体操作。每个层级的交互模式都是显式的图结构，确保了整个系统的可审计性。实践中，单个 Supervisor 管理的 Worker 数量建议不超过 8-10 个，超过此规模应引入层级拆分。