工信部多智能体协同新规：Agent架构重构实战指南

​

上个月我们在评审一个RAG项目时，同事演示了一个接入公司知识库的Agent，能回答业务问题。

我追问：“如果用户需要查询三个不同系统的数据并生成一份报告，它能处理吗？”

他沉默了。

这种情况很常见。过去半年，许多团队用一个通用Agent尝试各种场景，POC能跑通就以为没问题。但真实业务中——跨系统、长链路、多步骤——单Agent的局限性立刻暴露：上下文膨胀、工具调用死循环、任务中断无恢复机制。

6月两份政策文件推动技术路线转向

​5月，国家网信办、发改委、工信部联合发布《智能体规范应用与创新发展实施意见》。6月10日，工信部发布《“人工智能+信息通信”创新发展实施意见（2026—2028年）》。

两份文件共同指明了技术方向。

《智能体规范应用与创新发展实施意见》强调加强智能体的任务理解、规划、工具使用、长期记忆、身份互认、群体协同等技术攻关，并研究身份标识、可信互联、合规支付、安全防护、冲突解决等基础技术。

工信部文件要求研发专业性高、落地性强的网络大模型和智能体，突破大小模型协同、多智能体协同、智能体通信等技术，打造自主智能体通信协议。

简言之，政策不鼓励堆砌单一万能Agent，而是推动多个专业Agent协同工作的体系，并建立标准通信协议——类似TCP/IP统一了互联网。

“多智能体协同”架构解析

拆解架构：工信部文件提及的技术方向落地如下：

大小模型协同。简单分类、规则判断由小模型处理，复杂推理调用大模型，节省成本与延迟。

多智能体协同。一个Agent查库存，一个算报价，一个写合同草稿，三个Agent串联完成完整业务流程。关键是避免冲突、资源抢占和数据覆盖。

智能体通信协议。AIP正在推进，解决可信接入、身份认证、能力发现、互联协作。为每个Agent分配“身份证”，让它们互相发现彼此能力并协作。

架构改造实战：WorkMate框架参考

兆企供应链开源的WorkMate框架提供参考：“云端集权管控+本地轻量执行+权限同源映射”架构。

核心代码逻辑如下：

​

关键在于控制粒度——每个Agent能访问的数据和操作必须细化到岗位权限级别，防止查库存的Agent越权查看财务数据。

近期技术事件印证趋势

6月24日，阿里发布Qwen-AgentWorld，能模拟七大领域智能体交互环境的语言世界模型，支持文本类（MCP、Search、Terminal、SWE）和GUI类（Web、OS、Android）环境模拟，35B版本开源，方便团队在模拟环境中测试多Agent协同，无需在生产环境“真人试错”。

另一个是OpenClaw（社区称“龙虾”），MIT协议开源AI执行框架，可将自然语言指令转化为系统操作——打开Excel、整理数据、生成图表、发邮件，让Agent真正“动手干活”而非仅“动嘴聊天”。

给架构师的三个关键建议

第一，放弃“万能Agent”思路。政策明确要求专业分工、协同作战，架构需支持多个专业Agent共存，而非一个Agent包揽所有。

第二，关注AIP协议。智能体互联协议正在推进，未来会有国家标准。架构设计需预留协议对接扩展点，避免后续推倒重来。

第三，控制粒度细化到岗位级别。工信部文件强调安全底线，Agent的权限需与企业权限体系打通，这是必选项。

讨论问题：

你们团队当前采用单Agent还是多Agent协同？若需将单Agent拆解为多Agent，任务拆解、通信协议、权限控制哪个是最难的技术挑战？欢迎评论区交流。