谷歌与Cursor推出多智能体协调功能，解决AI编程代理冲突问题

随着AI编程代理被广泛用于并行处理任务（如同时编写API、更新测试和修复Bug），开发者面临的主要挑战不再是单个代理的能力，而是多个代理之间的协调。当多个代理在同一项目中工作时，它们往往会重复劳动、相互干扰对方的更改，导致开发者不得不花费大量时间进行“救火”。

为了解决这一问题，美国科技巨头谷歌和AI编程工具公司Cursor本周分别推出了新的多智能体协调功能，但侧重点不同。谷歌的Antigravity平台推出了名为“Swarm”的功能，旨在帮助单个开发者管理其分配给多个代理的任务。该功能允许开发者将一个复杂任务交给一个“协调者”代理，后者将任务拆分并分配给多个“工人”代理，同时指派一个“验证者”检查更改。这些工人代理可以在一个共享看板上互相发送消息，以协调各自的代码修改。例如，在迁移身份验证令牌时，一个代理可以更新中间件，另一个更新验证器，它们可以通过看板商定如何整合更改，最后由验证者进行测试。

另一方面，Cursor为其Projects功能增加了“多玩家”模式，侧重于让不同团队成员的代理之间能够沟通。在Cursor的架构中，每个开发者都有自己的协调者和工人代理，但这些协调者可以跨团队交换消息。这意味着如果一名队友的代理正在修改数据库架构，而另一名队友的代理正在构建依赖该架构的功能，他们的协调者可以自行商定哪个更改需要先落地，从而减少了开发者手动协调的需求。

尽管这些功能旨在提高开发效率，但社区也提出了担忧：允许队友的代理互相通信可能会在整个团队中传播某个代理的错误，尤其是在每个人的代理遵循不同规则的情况下。此外，还存在代理请求不应访问的信息的安全风险。对此，Cursor产品经理Aryaman Khandelwal回应称，多玩家Projects允许团队为项目中的每个人定义共享规则和技能。在访问控制方面，Cursor文档指出，代理将来自队友代理的消息视为不可信输入，并在分享个人文件或连接器数据前会征求用户同意。

与此同时，Anthropic的一项新研究指出，当多个用户各自委托给自己的代理并共享资源时，团队结果可能比单一服务所有人的代理更差。研究发现，随着团队规模扩大，代理会出现停滞、覆盖其他用户请求以及做出无根据声明的情况。这表明，虽然多智能体协调是行业发展的方向，但在实际应用中仍需谨慎处理权限和上下文同步问题。