Multi-Agent 系統全景：從 CLI 到雲端，2026 年各家怎麼做多 Agent 協作

TL;DR2026 年幾乎所有主流 coding agent 都支援 subagent。設計哲學分三派：腳本確定性編排（Claude Code Workflow）、model-driven 自主（Codex、Devin）、IDE 指揮台（Windsurf 2.0、VS Code）。這篇是系列總篇，整理產品定位、能力矩陣與架構光譜。

#multi-agent #agent #anthropic #openai #google #antigravity #microsoft-agent-framework #langgraph #crewai #agent-cli

系列: Multi-Agent 系統實戰 (1 / 7)

Multi-Agent 成本控制：七家框架的做法與「先軟著陸再硬擋」的業界共識

2026 年，「讓 AI agent 自己再叫一個 AI agent 幫忙」已經從實驗性功能變成標配。從 CLI 工具到 IDE、從開源框架到雲端服務，幾乎每家都有某種形式的 multi-agent 支援。

但各家的設計哲學差異很大——有的讓你用 JavaScript 腳本精確控制每一步，有的讓 LLM 自己決定要不要 spawn 子 agent。這篇是 Multi-Agent 系統實戰系列的總篇，整理各家產品的定位和能力，幫你判斷哪種模式適合你的場景。

CLI / Terminal Agents

Claude Code（Anthropic）

依 Anthropic 官方文件，Claude Code 的 multi-agent 體系分四層：

Subagents — Fork（繼承完整 context + 共享 prompt cache）或 Fresh（零上文獨立判斷）
Skills — 預定義 prompt 模板驅動
Agent Teams — 少量 peer session 即時對話協商
Dynamic Workflows — JS 腳本確定性編排，是目前最完整的多 agent 編排系統

Workflow 提供五個核心原語：pipeline()（逐 item 流水線，無 barrier）、parallel()（barrier 同步）、agent({schema})（結構化輸出）、phase() / log()（進度分組）、budget.remaining()（token 預算追蹤）。單次 run 最多 1,000 個 agent、16 並發，支援中斷後 resume。

Claude Code 的特色是同時支援腳本和 model-driven 兩種模式——Workflow 做確定性的流程，Subagent 和 Agent Teams 做自主的探索。

Codex CLI（OpenAI）

依 Codex 官方公告（2026-03 GA），Codex 走 Manager / Worker 模式。Manager agent 負責決策，用六個原語控制 worker：spawn_agent、send_message、followup_task、wait_agent、list_agents、close_agent。

三個內建 agent 類型：default、worker（實作導向）、explorer（唯讀探索）。定義在 .codex/agents/<name>.toml 或 AGENTS.md。

Symphony 是 OpenAI 開源的獨立編排層，用 Linear 當 control plane 把 issue 映射到 Codex agent——但這是 always-on 的 issue-driven 模式，不是 session 內的 multi-agent。

Antigravity（原 Gemini CLI，Google）

Gemini CLI 於 2026-06-18 正式退役，改名為 Antigravity，用 Go 重寫並新增多 agent 背景編排。原有的 subagent 架構延續了 Hub-and-Spoke 模式：主 agent 用 @agent 語法 dispatch，內建 @generalist、@cli_help、@codebase_investigator 三個 agent。

Antigravity 的特色是結果壓縮後才回傳主 session，防止子 agent 的大量輸出污染父 context。每個 subagent 獨立 context + tool set。

Aider

目前無 multi-agent 支援。單 agent 順序處理，強項是極輕量、支援幾乎所有 LLM vendor。社群已提案 /spawn 和 /delegate，尚未實作。

IDE Agents

Cursor

依 Cursor 3.2 更新（2026-04），Cursor 正從「編輯器」轉向「agent 執行 runtime」：

Subagents（Cursor 2.4, 2026-01）：spawn 多個獨立 context 的 Claude instance 平行跑
/multitask（Cursor 3.2）：自動把大任務拆成 chunk 分配給 subagent
Background Agents：跑在雲端沙盒，產出以 PR 形式 review

Windsurf（Codeium → Devin 收購）

Windsurf 的策略是不自己做 multi-agent 編排，而是當指揮台：

Cascade：核心 agent，持久 context-aware，拆任務成 Flows
Wave 13（2025-12）：平行多 Cascade session（最多 5 個），各自 git worktree 隔離
Windsurf 2.0（2026-04）：Agent Command Center（Kanban 式多 agent 儀表板）+ Devin 原生整合

Cascade 負責即時的本地工作（低延遲），長任務一鍵交給 Devin 的雲端 VM 跑。

VS Code Agent Sessions（Microsoft）

VS Code 1.109（2026-02）加入 Multi-Agent Development，讓多個不同 agent 在同一 IDE 平行跑——可混搭 Copilot + Claude + Codex。這是 IDE 層的多 agent 框架，不是任一 agent 本身的 subagent 架構。

Cloud / Async Agents

GitHub Copilot Coding Agent

每個任務跑在 GitHub Actions runner 沙盒，接收 Issue → 自主工作 → 產出 PR。無原生 subagent，多 agent 能力來自 VS Code Agent Sessions。

Jules（Google）

每個任務在 Google 管理的獨立雲端 VM 執行。內部四個階段：Planning（Gemini 2.5 Pro）→ Execution → Critique（2025-08 加入）→ Testing。官方描述為「內部工作流階段」，使用者不直接控制編排。

Devin（Cognition）

Fusion 架構（2026-06）：兩個平行 agent——frontier「lead」model + 廉價「sidekick」model，各自有獨立 toolset 和 context。完整 VM 含桌面 / 瀏覽器 / computer-use。

Multi-Agent 開發框架

LangGraph（LangChain）

圖狀態機：State（快照）→ Node（執行）→ Edge（流向）。四種模式：subagents（supervisor 委派）、handoffs（交接）、routers（路由分流）、custom workflows。依 LangChain 官方 benchmark，可混搭 model tier 降低成本。

CrewAI

角色扮演框架：每個 Agent 有 role、goal、backstory。兩種 process：sequential / hierarchical（manager 自動委派）。2026 年社群成長最快。

Microsoft Agent Framework（MAF）

2026-04 GA，合併 AutoGen + Semantic Kernel。AutoGen 進入維護模式。支援 sequential / concurrent / handoff / group chat / Magentic-One 編排模式，Graph-based workflow 做顯式多 agent 編排。

原 AutoGen 的社群 fork AG2 仍在獨立發展，保留 0.2 API。

能力矩陣

能力	Claude Code	Codex	Cursor	Windsurf	Antigravity	Copilot	Jules	Devin
Subagent	Fork + Fresh	6 原語	/multitask	多 Cascade	@agent	—	內部 4 階段	Fusion
腳本化編排	JS Workflow	—	—	—	—	—	—	—
Model-driven	Agent Teams	Manager/Worker	Parent/Child	Cascade Flows	Hub-and-Spoke	—	內部	Orchestrator
Context 繼承	Fork 繼承	各自獨立	各自獨立	Cascade 持久	壓縮回傳	—	—	各自獨立
結構化輸出	`agent({schema})`	—	—	—	—	—	—	—
Budget 追蹤	`budget.remaining()`	—	—	—	—	—	—	—
雲端 agent	remote	沙盒容器	Background	Devin VM	—	Actions runner	Google VM	完整 VM

設計哲學光譜

由誰控制編排？從左（確定性腳本）到右（model 完全自主）：

確定性腳本 ◄─────────────────────────────────────► Model-driven 自主

LangGraph    Claude Code    CrewAI    Cursor    Codex    Devin    AutoGen
  圖狀態機    Workflow       角色+委派  /multitask  Manager   Fusion   GroupChat
             JS 腳本                            /Worker   lead     自由對話
                                                         /sidekick

腳本派把編排當基礎設施——流程確定、可 resume、可追蹤 budget。適合需要可重複、可審計的工作流。

Model-driven 派讓 LLM 自主決定 spawn 和彙總。彈性高但不可預測，適合探索性任務。

混合派（Windsurf 2.0、VS Code）不自己做編排，當「指揮台」整合多家 agent。

另一個趨勢是 internal multi-agent——Jules 的 4 階段流水線、Devin 的 lead/sidekick，使用者看到單一 agent 介面，內部由多個專責 agent 協作。

系列導讀

這是 Multi-Agent 系統實戰系列的第一篇。後續各篇深入單一主題：

成本控制：並行 spawn + 巢狀深度如何燒錢，七家框架的防護機制，「先軟著陸再硬擋」的業界共識
編排模式：腳本 vs model-driven vs 混合，怎麼選
Context 隔離與共享：fork vs fresh、歷史截斷、結果壓縮
Agent 間通訊：mailbox、handoff、delegate、A2A/MCP 協定
可觀測性：多 agent 系統怎麼 debug、怎麼知道錢花在哪
安全與護欄：防 prompt injection 跨 agent 傳播、權限隔離