干货 | LLM自组织多智能体框架Agent Society：基于能力原语与运行时的智能体自主协作方案

在大语言模型（LLM）能力日益强大的今天，如何让多个智能体高效、灵活地协同完成复杂任务，已成为系统设计的新挑战。传统的多智能体系统往往依赖预设的流程、固定的岗位分工和中心化的调度逻辑，难以应对动态、开放的任务环境。

本文将介绍一个名为 Agent Society 的自组织多智能体协作框架。它的核心理念并非规定“谁该做什么”，而是提供最小的能力原语和运行时，让智能体在运行过程中自主建立组织、分配角色、协商协作。这种“去中心化+自组织”的思路，或许更贴近真实团队的运作方式。

项目介绍

Agent Society 是一个基于 LLM 的多智能体协作 框架，其核心目标是 用最少的系统干预，支持最灵活的智能体协作。它不预设任何业务规则或组织结构，仅提供创建岗位、实例化智能体、传递消息、调用工具等基础能力。

所有上层逻辑——比如一个编程任务是否需要架构师、测试员和前端工程师——都由智能体根据任务需求在运行时动态决定。这种设计使得系统具备极强的适应性和可扩展性，适用于从简单问答到复杂项目开发的各类场景。

项目功能

1. 自组织协作：智能体可根据任务自动创建子岗位、委派子任务，形成树状或网状协作结构。
2. 多模型支持：可配置多个 LLM 服务（如 GPT-4、本地 Qwen 等），系统根据岗位能力标签自动选择最合适模型。
3. 异步消息通信：通过内置消息总线实现智能体间解耦通信，支持并发处理与流量控制。
4. 工件驱动交付：任务产出以“工件”形式存储和引用，避免长上下文传递，提升效率与可追溯性。
5. 丰富工具集：内置文件操作、HTTP 请求、JavaScript 沙箱、SSH 远程连接等工具，扩展智能体行动边界。
6. Web 可视化界面：提供 HTTP API 和 Web UI，方便监控、交互与调试。
7. 结构化任务委托：通过标准化的 Task Brief 传递任务目标、约束与上下文，确保协作一致性。

项目特点

其最大特点是“小内核、大生态”。系统本身仅包含约十个核心模块，但通过模块化设计，支持动态加载外部功能。

它强调“上下文最小化”——每个智能体只看到完成当前子任务所需的必要信息，既保护隐私，又降低认知负担。同时，系统在关键路径（如上下文长度、并发数）设置硬性约束，防止智能体行为失控导致资源耗尽。这种“自由中有边界”的设计，在灵活性与稳定性之间取得了良好平衡。

项目技术

项目采用现代 JavaScript（兼容 Bun/Node.js） 开发，架构清晰分层：

• 核心层（core）：包含 AgentSociety 入口、Runtime、消息总线和组织原语；
• 服务层（services）：提供 LLM 调用、工件存储、会话管理、联系人维护等独立服务；
• 运行时子模块（runtime）：将智能体生命周期、消息处理、工具执行等职责拆分为高内聚组件；
• 扩展机制：通过 extensions 目录支持插件式加载 Chrome 控制、SSH 等模块。

系统全面使用异步编程模型，所有智能体操作均非阻塞，确保高并发下的响应性。提示词通过模板系统统一管理，便于维护和优化。

项目效果

例如，在 dev_team.js 示例中，用户只需输入“创建一个待办事项应用”，根智能体便会自动分析需求，创建前端、后端、测试等子智能体，并协调它们并行工作，最终输出完整项目代码。

整个过程无需人工干预，且各智能体仅持有相关上下文，通信通过消息队列异步完成。Web 界面可实时查看组织结构、消息流和工件产出，调试体验友好。

项目源码

项目已开源，代码托管于 Gitee：https://gitee.com/duzc2/agent_society

安装只需 Bun 或 Node.js 环境，配置 LLM 服务后即可启动。项目结构高度模块化，每个文件不超过 500 行，目录层级清晰，便于阅读和二次开发。文档覆盖快速入门、架构说明、API 参考和示例教程，旨在降低上手门槛。

总结

Agent Society 提供了一种全新的多智能体协作范式：系统不做“导演”，只做“舞台”和“道具”。它相信由 LLM 驱动的智能体有能力自主组织、高效协作。

这种设计不仅简化了系统本身的复杂度，更释放了智能体的创造力。无论是用于自动化运维、科研辅助，还是构建下一代 AI 工作流，Agent Society 都提供了一个坚实而灵活的基础。随着更多工具模块和协作策略的加入，它的应用场景将更加广阔。对这类前沿框架感兴趣的开发者，欢迎在 云栈社区 的 人工智能 板块参与更深入的讨论。