Meta‑SAG：面向多智能体协作的自适应图自组装框架

Meta‑SAG面向多智能体协作的自适应图自组装框架原文网页https://arxiv.org/html/2610.18760v1PDF链接https://arxiv.org/pdf/2610.18760v1arXiv编号arXiv:2610.18760v1 [cs.AI]摘要多智能体协作系统的性能高度依赖协作拓扑图即智能体之间的通信、分工依赖关系。现有多智能体方案大多采用静态预定义拓扑环形、星型、分层树、全连接图任务全程拓扑结构固定不变固定拓扑难以适配动态变化的子任务复杂度、智能体个体能力差异也无法随执行过程中的失败、瓶颈动态调整连接关系。本文提出**Meta‑SAGMeta‑level Self‑Assembling Graph元层级自适应图自组装**框架。该框架在元层级运行一个编排元智能体根据任务需求、子任务状态、各智能体历史性能动态自组装、重构多智能体协作拓扑图支持智能体动态加入/退出、链路增删、角色重分配。Meta‑SAG将图自组装拆解为拓扑评估、图生成、图校验部署三个子模块。在Multi‑Agent‑Bench、MAMU两套多智能体基准开展评测。相比静态基线拓扑Meta‑SAG任务整体成功率提升12.7个百分点在存在智能体故障、能力异构的场景增益进一步扩大。消融实验证实拓扑评估、图校验部署模块的必要性进一步分析表明Meta‑SAG能够针对瓶颈智能体、失效节点主动修改协作链路缓解单点故障带来的负面影响。全部代码、数据集、评测脚本开源。关键词多智能体协作自适应拓扑图自组装元智能体动态通信拓扑多智能体故障鲁棒性目录引言相关工作Meta‑SAG方法框架](#3‑meta‑sag方法框架)3.1 问题形式化3.2 Meta‑SAG三模块流水线3.2.1 拓扑评估模块3.2.2 图生成模块3.2.3 图校验与部署模块3.3 动态事件响应机制实验设置实验结果5.1 整体性能对比静态拓扑基线5.2 智能体异构与故障注入场景5.3 消融实验5.4 案例分析瓶颈节点与失效节点的拓扑重配置讨论与局限性结论附录简要说明1 引言多智能体系统依靠多个具备不同角色的子智能体分工协作完成复杂任务。协作拓扑图定义智能体之间的通信链路、信息流向、任务委派关系。现有主流方案大多使用静态预定义拓扑星型、环形、全连接、分层树形结构任务运行全程不会发生改变。静态拓扑存在明显短板任务执行过程中子任务复杂度发生改变固定通信模式无法适配智能体能力异构部分智能体擅长特定子任务静态拓扑不能动态调整分工与通信出现智能体故障、响应卡顿、输出质量退化时静态拓扑无法切断故障节点链路容易造成错误信息扩散、任务整体停滞。想要实现动态拓扑需要回答三个核心问题如何评估当前协作拓扑的运行质量识别瓶颈与失效风险根据评估结果如何生成适配当前任务状态的新协作图新生成拓扑如何校验、安全部署到正在运行的多智能体系统不能打断正在执行的子任务。本文提出Meta‑SAG元层级自适应图自组装框架。引入独立的编排元智能体不参与业务任务计算专门负责监控运行状态完成协作拓扑的评估‑生成‑校验部署完整闭环。系统可以响应多种动态事件子任务状态变更、智能体能力漂移、智能体故障退出、新增智能体成员。本文主要贡献提出Meta‑SAG元层级自适应图自组装多智能体框架元智能体完成拓扑评估、图生成、校验部署实现协作拓扑动态重构。支持动态响应故障、能力异构、子任务变化实现链路增删、角色重分配、智能体加入退出。在Multi‑Agent‑Bench、MAMU基准评测相比静态拓扑基线整体任务成功率提升12.7个百分点故障注入场景增益进一步放大消融验证三大模块必要性案例分析验证对瓶颈、失效节点的重配置效果。全部代码、数据集、评测脚本开源。2 相关工作2.1 多智能体协作拓扑现有多智能体框架AutoGen、MetaGPT、AgentScope大多使用静态拓扑。星型拓扑中心化管理者全部消息经过中心节点分层树自上而下委派子任务环形拓扑消息依次轮转传递全连接全部智能体互相通信通信开销大。少数工作研究动态拓扑但大多依赖人工规则或者固定启发式缺少基于任务运行轨迹的元层级自适应生成机制。2.2 元智能体 / 管控智能体元智能体作为管控层监控其它工作智能体。现有元智能体大多聚焦任务规划、提示改写Meta‑SAG中元智能体专门面向协作通信拓扑图的自组装重构。2.3 动态图与多智能体鲁棒性多智能体鲁棒性研究大多聚焦prompt、投票机制提升抗错误能力较少从通信拓扑本身入手Meta‑SAG通过修改信息流向抑制错误传播。3 Meta‑SAG方法框架3.1 问题形式化A { a 1 , a 2 , . . . , a n } A\{a_1,a_2,...,a_n\}A{a1​,a2​,...,an​}工作智能体集合KaTeX parse error: Cant use function \( in math mode at position 1: \̲(̲G(A,E)\)协作拓扑图边e i j ∈ E e_{ij}\in Eeij​∈E代表允许a i a_iai​向a j a_jaj​发送消息元智能体M MM不执行业务子任务读取全局轨迹、子任务状态、每个智能体历史性能指标输出更新后的拓扑G ′ GG′。动态事件集合子任务完成/阻塞、智能体故障F a u l t ( a i ) Fault(a_i)Fault(ai​)、新增智能体A d d ( a k ) Add(a_k)Add(ak​)、能力漂移D r i f t ( a i ) Drift(a_i)Drift(ai​)。系统目标收到动态事件或者周期性触发时元智能体输出新拓扑G ′ GG′校验后替换正在运行的G GG同时保证正在执行的子任务不会被拓扑切换粗暴中断。3.2 Meta‑SAG三模块流水线元智能体包含三大模块触发条件分为两种①检测到动态事件②达到固定周期轮次。完整流水线拓扑评估 → 图生成 → 图校验与部署。3.2.1 拓扑评估模块输入完整多智能体运行轨迹、子任务状态、各智能体历史统计指标。输出结构化拓扑评估报告。评估报告包含内容各智能体性能指标子任务成功率、响应延迟、输出质量、故障标记识别瓶颈节点处理任务堆积、输出质量持续下滑的智能体识别失效节点故障、超时、持续输出错误结果当前拓扑问题诊断通信链路冗余、信息孤岛、单点依赖风险重构约束不可中断的在跑子任务对应的通信链路需要保留。关键约束已经在运行的子任务相关通信边不能被直接删除避免任务被强制打断。3.2.2 图生成模块输入拓扑评估报告、原始旧拓扑G GG。元智能体根据报告生成候选新拓扑G c a n d i d a t e G_{candidate}Gcandidate​支持操作增加通信边删除非活跃链路修改智能体角色管理者、执行者、评审者隔离失效节点切断故障节点向外输出边限制其消息广播范围新增智能体接入下线故障智能体调整委派关系将堆积子任务分流给高能力空闲智能体。生成时遵守约束正在执行子任务依赖的链路保留不变。输出候选图G c a n d i d a t e G_{candidate}Gcandidate​。3.2.3 图校验与部署模块对候选拓扑G c a n d i d a t e G_{candidate}Gcandidate​执行两层校验逻辑约束校验检查是否存在子任务链路被错误删除、角色冲突、消息环路风险仿真校验在图抽象层仿真新拓扑信息流向检查是否产生信息孤岛子任务是否存在通信可达性。校验全部通过则执行热部署切换为新拓扑G ← G c a n d i d a t e G\leftarrow G_{candidate}G←Gcandidate​校验不通过则回退将评估报告连同错误信息送回图生成模块重新生成候选拓扑。3.3 动态事件响应机制触发拓扑重构的事件事件驱动触发检测到智能体故障、新增智能体、子任务阻塞、大量任务堆积、智能体性能漂移周期触发每完成固定数量子任务主动触发一次评估重构。热部署保障正在执行的子任务维持原有通信链路新生成的子任务使用新拓扑规则。旧链路会在子任务全部完成之后才被释放删除。4 实验设置数据集Multi‑Agent‑Bench多智能体协作基准涵盖代码开发、科研规划任务MAMU多智能体多用例调试基准协作规划、检索问答任务。测试分为两种环境标准环境智能体能力相对均衡无注入故障故障/异构环境注入智能体故障设置智能体能力异构部分智能体能力弱。对比基线静态拓扑Star‑Topo 星型拓扑中心化管理者Tree‑Topo 分层树拓扑Ring‑Topo 环形拓扑Full‑Connect 全连接拓扑。被测系统Meta‑SAG完整框架设置三组消融变体移除拓扑评估模块、移除图生成模块、移除校验部署模块。评测指标任务总体成功率SR故障环境下故障传播率故障节点错误消息扩散到其它智能体占比平均通信边数量衡量通信开销。基座模型统一使用GPT‑5.6‑Luna。5 实验结果5.1 整体性能对比静态拓扑基线标准环境方法任务成功率SR平均通信边数Star‑Topo星型56.4%7.2Tree‑Topo分层树59.1%8.5Ring‑Topo环形54.7%11.3Full‑Connect全连接61.8%22.6Meta‑SAG(本文)74.5%13.1标准环境下Meta‑SAG相比最优静态基线Full‑Connect提升12.7个百分点通信边数量远低于全连接拓扑通信开销更低。5.2 智能体异构与故障注入场景方法故障环境SR故障消息传播率平均通信边数Star‑Topo42.3%0.677.2Tree‑Topo45.6%0.618.5Ring‑Topo40.1%0.7411.3Full‑Connect48.2%0.8222.6Meta‑SAG63.4%0.2312.8在故障注入环境增益进一步扩大Meta‑SAG能够隔离故障节点故障消息传播率下降至0.23相比全连接拓扑大幅降低错误扩散同时通信开销显著更小。5.3 消融实验配置标准环境SR故障环境SR完整Meta‑SAG74.5%63.4%移除拓扑评估模块62.1%50.7%移除图生成模块固定启发式修改拓扑64.8%53.2%移除图校验部署模块直接部署候选拓扑66.3%54.6%消融结论三大模块均带来显著收益拓扑评估模块是最大增益来源。没有评估图生成缺少有效依据性能下降幅度最大校验部署模块避免非法拓扑被上线防止破坏正在运行的子任务。5.4 案例分析瓶颈节点与失效节点的拓扑重配置案例1瓶颈节点分层树拓扑中管理者节点任务堆积子任务大量排队阻塞。Meta‑SAG评估识别该瓶颈生成新拓扑增加另外两个智能体作为次级管理者分流子任务委派原有节点保留降低负载任务吞吐量提升。案例2失效故障节点某个执行智能体持续输出错误结果。Meta‑SAG识别故障热部署修改拓扑切断该节点向外广播边只允许接收消息不对外传播输出已经在运行的子任务链路保留。阻止错误信息扩散后续新子任务不再委派给故障节点。热部署机制保障正在运行的子任务不会被拓扑切换打断。6 讨论与局限性局限性元智能体本身会带来额外token与推理开销重构触发频率越高开销越大需要权衡重构频率与性能收益。拓扑重构质量依赖元智能体本身推理能力元智能体本身失效整个自适应机制会受影响。当前图校验仅做抽象层仿真没有完整重放多智能体真实运行。实验基于仿真基准真实生产业务多智能体场景下的泛化有待进一步验证。启示静态拓扑很难同时兼顾吞吐量、故障隔离、通信开销三者Meta‑SAG依靠元层级管控动态适配任务状态隔离故障节点抑制错误消息传播同时不会像全连接拓扑带来巨大通信成本。7 结论本文提出Meta‑SAG面向多智能体协作的元层级图自组装框架。设置独立元智能体由拓扑评估、图生成、图校验部署三模块组成支持事件驱动/周期驱动动态重构协作拓扑。系统实现智能体增删、链路修改、角色重分配热部署机制保护正在执行的子任务不被中断。在Multi‑Agent‑Bench、MAMU基准标准环境相比最优静态基线任务成功率提升12.7个百分点故障注入环境下可以显著降低故障消息传播率。消融实验验证三大模块不可或缺案例证实可以处理瓶颈节点、失效故障节点。全部代码、数据集、评测脚本开源。附录简要说明附录A元智能体完整prompt模板评估报告输出格式。附录B图生成、图校验仿真逻辑完整伪代码。附录C实验超参数、重构触发周期设置。附录D完整细分实验数据更多案例样例。附录E消融补充实验不同重构频率对开销与性能的权衡。