GitHub 在官方資源文章中整理了多代理人系統（multi-agent systems）的概念，說明當單一 AI 代理人的提示詞越寫越長、呼叫的工具越來越多、輸出品質開始不穩定時，團隊就該考慮把任務拆給多個各司其職的代理人來處理，藉此提升整體系統的可靠度。
文章把多代理人系統的運作拆成感知、推理、行動、溝通、協調五個階段，代理人之間可以用直接訊息傳遞來交接工作，也可以透過共享狀態間接溝通；協調方式則分成由中央代理人統一調度的「指揮型」，以及代理人彼此對等溝通的「對等型」。文中整理出子代理人、路由、交接、技能包、客製化工作流程等五種常見設計模式，並提到 LangGraph、AutoGen 等框架，以及 Model Context Protocol（MCP）這類標準，用來統一代理人存取工具與互相協調的方式。
文章強調，多代理人系統真正的重點不在於代理人多聰明，而在於明確的協調機制、型別化的資料格式、清楚的狀態機、驗證關卡、紀錄留存與失敗回退路徑，這樣系統才能被稽核、被追蹤，而不是一團難以預測的黑盒子。文中也舉了金融風險分析、醫療資料整合、製造物流排程、程式碼審查等實際應用情境。
這則比較偏產業面的系統設計觀念，對剛開始學程式的孩子來說可能有點進階，但背後的道理很實用：先把一個任務拆成清楚的小步驟，確認每一步的輸入輸出都講得清楚，再逐步串接起來，這種「先求穩定、再求複雜」的思考方式，其實也是練習寫程式與除錯時很值得培養的習慣。
AIAI 代理人軟體架構