程默的博客

web原理、web架构、web安全、web性能、服务器性能、服务器架构、服务器安全;你不能预知明天，但你可以利用今天。你不能样样顺利，但你可以事事尽力!

一、为什么要有多 Subagent 架构

很多人使用 AI 代理时都会遇到一个困境：一个代理处理所有事情，就像一个人包揽整个公司的活——效率必然低下。

举个例子，你让 AI 帮你做一个市场调研报告。一个 Agent 要做的工作包括：搜索行业数据、分析竞争对手、整理财务信息、生成图表、排版报告。这些工作类型完全不同，让一个 Agent 从头做到尾，不仅慢，而且容易出现上下文混乱。

这就是 Subagent（子代理）架构的价值。把一个复杂任务拆成多个子任务，每个子任务交给一个专门的 Subagent 去处理，最后把结果汇总。这就像项目经理把工作分给不同的团队成员。

在 MotoAgent 中使用的 Hermes Agent，拥有目前最完善的 Subagent 委派系统——通过 ACP 协议和 delegate_task 工具，可以实现真正的多代理并行协作。

二、Hermes Agent 的 Subagent 体系

Hermes Agent 的 Subagent 体系建立在两个核心组件之上：

1. ACP 协议（Agent Communication Protocol）

ACP 是 Nous Research 设计的专有代理通信协议。它解决了以下问题：

• 代理发现：一个 Agent 怎么知道有哪些子代理可用
• 能力注册：子代理如何向父代理报告自己的技能

• 任务委派：父代理如何把任务拆分给子代理
• 结果回收：子代理完成工作后如何返回结果

ACP 相当于 AI 界的"任务调度协议"，让多个 Agent 之间可以像微服务一样协作。

2. Delegate Task 工具

Delegate Task 是 Hermes Agent 中实际执行子代理委派的工具。它提供了两种委派模式：

模式	说明	适用场景
单任务模式	一个 Subagent 执行一个目标	复杂单一任务
批处理模式	多个 Subagent 并行执行不同任务	需要多方向调研的场景

三、Subagent 的工作机制

当一个 Hermes Agent 决定委派 Subagent 时，会发生什么？

创建隔离环境

每个 Subagent 会被分配一个完全独立的运行环境：

• 独立的对话上下文（不知道其他 Subagent 在做什么）
• 独立的终端会话（各自的目录和进程）

• 独立的工具集（可以限制只能使用特定工具）

这意味着 Subagent A 在写代码时，完全不会被 Subagent B 正在进行的数据分析打扰。它们之间互不干扰，就像各自在不同的电脑上工作。

执行任务

Subagent 收到任务后，会像主 Agent 一样完整地执行：

1. 分析任务目标

2. 规划执行步骤

3. 调用可用工具

4. 得出最终结果

结果回收

Subagent 完成工作后，不会把整个对话过程都返回——那会撑爆父 Agent 的上下文窗口。它只返回一个最终总结，包含最关键的信息。父 Agent 拿到所有 Subagent 的总结后，再进行汇总和后续处理。

这种"只收结果不收过程"的设计，保证了即使召唤十几个 Subagent，父 Agent 的上下文也不会被撑爆。

层级限制

为了防止无限循环委派，Hermes Agent 对 Subagent 的层级做了限制：

• Leaf 模式（默认）：Subagent 不能再委派其他 Subagent
• Orchestrator 模式：Subagent 可以继续委派，但总层级受限制

这种设计确保了委派链不会无限延伸，始终在可控范围内。

四、并行批量处理：真正的效率提升

Subagent 架构最大的价值在于并行处理。

在国内的一些分布式子代理基准测试（如 DB-Bench）中，多 Subagent 并行处理的效率优势非常显著：

对比维度	单 Agent 串行	多 Subagent 并行
处理 3 个独立调研任务	顺序执行，耗时 15 分钟	同时执行，耗时 5 分钟
上下文占用	全部信息挤在一个上下文	每个 Subagent 独立，最后只汇总
任务干扰	前面的工作影响后面的思路	完全隔离，互不干扰
代码复杂任务	一个 Agent 写全部代码	多个 Subagent 各自负责一个模块

在实际使用中，我经常让三个 Subagent 同时工作：一个查资料、一个写代码、一个做测试。5 分钟后三个结果汇总到我这里，我直接拿最终结果——比串行快了 3 倍。

五、实际应用场景

场景一：多方向市场调研

主 Agent 收到指令："帮我调研 AI 编程工具的市场情况。"

它会把任务拆成三个 Subagent：

• Subagent A：调研 GitHub Copilot 的最新动态
• Subagent B：调研 Claude Code 的更新

• Subagent C：调研国内 AI 编程助手的发展

三个 Subagent 同时开工，5-10 分钟后主 Agent 收到三份调研摘要，整合成一份完整的报告。

场景二：多模块代码开发

"帮我开发一个用户管理系统。"

• Subagent A：开发用户注册和登录模块
• Subagent B：开发权限管理模块

• Subagent C：开发数据库操作层

三个 Subagent 各自写代码，互不冲突，最后主 Agent 汇总代码并检查一致性。

场景三：多数据源分析

"帮我对比分析这三个产品的优劣势。"

• Subagent A：分析产品 A 的文档和用户评价
• Subagent B：分析产品 B 的技术栈和社区活跃度

• Subagent C：分析产品 C 的价格和功能列表

并行分析完成后，主 Agent 整理出对比表格。

在 MotoAgent 中，你可以创建多个 Agent，给每个 Agent 配置不同的后端（Hermes、OpenClaw、Codex、Claude），然后用 Hermes Agent 的 Subagent 能力统一调度它们。

六、与传统多代理方案的区别

Subagent 架构和市面上其他"多代理"方案有什么区别？

对比维度	Hermes Subagent	传统的多代理框架
启动方式	动态创建，完成任务即销毁	预先配置好所有代理
上下文隔离	完全隔离	共享或部分隔离
层级控制	自动管理，有限层级	手动管理
结果处理	自动汇总	需要人工处理
资源效率	按需分配，用完回收	常驻运行

Hermes Agent 的 Subagent 是"动态的"——需要时才创建，用完就销毁。而传统的多代理框架通常是"静态的"——所有代理预先启动好，一直运行。前者更灵活、更节省资源。

七、总结

Hermes Agent 的 Subagent 委派技术，把"一个 AI 帮你干活"提升到了"一群 AI 帮你干活"的层面。

通过 ACP 协议 + delegate_task 工具，Hermes Agent 可以：

• 将复杂任务动态拆分为子任务
• 并行分派给多个 Subagent 执行

• 每个 Subagent 在隔离环境中独立工作
• 回收结果后汇总输出

这项技术的价值不仅在于"快"，更在于"不乱"——每个 Subagent 各司其职，互不干扰，最终输出质量远高于单个 Agent 从头做到尾。

去 MotoAgent 下载桌面端，创建一个配置了 Hermes 后端的 Agent，试试对它说"帮我并行做三件事"——你会看到 Subagent 们同时开始工作的神奇场面。

作者：程默的博客  QQ:8292669
原文网址：http://blog.chacuo.net/1537.html
订阅保持关注：http://blog.chacuo.net/feed
本文版权归作者所有，欢迎转载，请务必添加原文链接。