这篇来自 LangChain 的文章讨论了四种关键的多智能体架构：子智能体、技能、交接和路由器，以帮助开发者为他们的 AI 应用选择最合适的方案。文章强调，虽然单智能体更简单，但在扩展应用、管理复杂上下文和实现分布式开发时，多智能体系统变得必要。文章概述了每种架构的工作原理、最佳用例以及在延迟、成本和用户体验方面的关键权衡。它提供了一个决策框架表，将需求与模式匹配，并分析了不同场景（一次性请求、重复请求、多域请求）下的性能特征以指导选择。作者建议从简单的单智能体设计开始，只有在遇到明确限制时才采用多智能体模式，提供了实用建议和 LangChain Deep Agents 的链接以便快速实现。
文章宣布 LangSmith Agent Builder 正式发布，这是一个用于创建和部署 AI 智能体以自动化日常任务的无代码平台。它将智能体概念化为一个「首席助理」，能够理解目标、规划执行并从反馈中学习，无需显式的工作流映射或「如果-那么」逻辑。Agent Builder 帮助用户定义目标、选择工具并调用子智能体，通过强调规划、迭代和基于记忆的学习，与传统自动化区分开来。该平台旨在将个人和团队从研究、跟进和日程安排等繁琐任务中解放出来。文章重点介绍了实际应用场景，如每日简报、市场研究摘要和项目跟踪，展示了其在跨应用程序场景中的实用性。此外，文章还指出 Agent Builder 允许在团队内共享智能体，通过 MCP 扩展自定义工具功能，支持用户使用自己的模型进行优化，并可将智能体嵌入产品或通过 API 调用。
