AI 代理开始协同工作:一人公司官网要提前支持 multi-agent orchestration / handoff / 状态传递

Gartner 预测 2026 年底 40% 企业应用将嵌入专用 AI 代理(当前<5%)。当多个 AI 代理在同一次访问里协同工作——研究代理负责收集信息、比价代理负责筛选、预约代理负责执行——一人公司官网就成了多代理协作的协调层。如果你的站点还没写清楚跨代理状态传递、交接节点和人工介入点，就会在这波 multi-agent 浪潮里第一批掉队。

一、先回答一个问题:你的网站现在是给"一个代理"用,还是给"一群代理"用?

这个问题比听起来更紧迫。

2025 年以前,单个 AI 代理访问网站的路径相对线性:代理读取页面内容 → 判断是否匹配 → 执行下一步动作(填表、点击、提交)。一人公司官网只要把关键页面的文本写清楚、基本交互做好,就能基本 cover 住这类访问。

但 2025 年下半年开始,情况变了。

OpenAI Agents SDK 的 multi-agent 支持、Google ADK 的 agent-to-agent 协议、CrewAI 和 LangGraph 的多代理编排成熟度上升,让「多个专用代理在同一次任务里协同工作」这件事,从概念变成了生产级现实。

具体来说,现在一个复杂的用户意图(比如"帮我找一家适合我这种情况的服务商,比较一下价格,然后帮我预约第一次咨询")已经被拆解成多个专用代理:

• 研究代理:负责抓取页面、读 FAQ、比价方案内容
• 筛选代理:负责把研究结果按用户偏好过滤,排出优先级
• 执行代理:负责填表、选时间、执行预约或提交
• 确认代理:负责检查提交结果、处理错误、写回执

这四个代理在同一次访问里轮流工作,共享上下文,但各自访问页面的时间点不同、读取的内容不同、做的事情也不同。

二、multi-agent orchestration:四种编排模式对官网的影响

从 Agent 系统的角度,multi-agent orchestration 有四种基本模式。每种模式对网站侧的要求不同:

1. 顺序编排(Sequential)

代理 A 完成全部工作后,把结果交给代理 B,B 再交给代理 C。这是目前最常见的形式。

对官网的要求:每个页面需要包含完整上下文,不能依赖"代理 A 上一轮已经看过这个页面"这个假设。换句话说,每个页面的状态应该是"自足的",不依赖会话历史。

一人公司官网的常见问题:首页写"点击这里了解我们的服务流程",然后流程页假设访客已经看过首页——这对单代理没问题,但对顺序编排的多代理来说,每个页面都需要独立成立。

2. 并发编排(Concurrent)

多个代理同时工作,各自负责不同模块,最后汇总结果。类似"一个代理读首页、一个代理读定价页、一个代理读 FAQ,同时进行"。

对官网的要求:每个并发读取路径的页面必须保持内容一致性。如果首页和 FAQ 页对同一项服务的描述有出入,并发代理会读到矛盾信息,导致整个任务失败。

3. 交接编排(Handoff)

这是 multi-agent 系统里最关键也最复杂的模式:代理 A 把任务移交给代理 B,同时传递上下文。Handoff 不只是"把链接发给另一个代理",还包括:当前进度、已收集信息、用户的原始意图、下一步该做什么。

对官网的要求:网站需要提供清晰的"交接点页面"——在这种页面里,上一个代理的结论被总结呈现,下一个代理的入口被明确标识。对一人公司官网来说,Contact/咨询页是最自然的交接点:研究代理在 FAQ 页收集完信息后,把"适合这个访客的方案"带到咨询页,咨询代理从这里接手。

4. 分层编排(Hierarchical)

一个主代理负责任务分解和结果整合,多个子代理各自执行子任务。主代理类似于"项目管理员",子代理类似于"执行人员"。

对官网的要求:主代理需要在页面上找到任务分解的判断依据。如果你的解决方案页提供了清晰的分类标准(适合谁、不适合谁、什么情况选哪个方案),主代理就能据此做高质量的任务分解;如果你的方案页只有模糊的功能列表,主代理就无法做有效分解。

三、agent-to-agent 通信:官网需要提供哪些"握手协议"

当多个 AI 代理需要协同工作时,它们之间需要通信协议。常见的有:

• 直接委托:代理 A 直接调用代理 B 的能力,传递上下文
• 队列中介:代理 A 把任务写入队列,代理 B 从队列拉取,中间有缓冲
• 广播:代理 A 发布事件,多个代理同时接收并各自判断是否响应
• 回调:代理 A 发起请求后等待代理 B 的回调通知

对一人公司官网来说,最实际的切入点是直接委托和队列中介这两种模式:

四、一人不公司官网支持 multi-agent 编排的 6 个具体动作

结合以上分析,以下是具体可落地的检查清单:

① 页面内容自足化

每个页面都需要"独立成立",不依赖访客之前是否看过其他页面。具体检查:首页的 CTA 区是否包含足够的决策信息?FAQ 页是否包含了定价页的核心信息摘要?Contact 页是否假设访客已经看过解决方案页?

② 提供交接摘要区

在高意图页面(Contact/预约页)设置专门的"如果您之前已经了解过"区块,用结构化格式(而非纯自然语言)呈现:访客已知的信息、已确认的偏好、下一步最适合的动作。这个区块不只是给真人看,也是给下一个代理的上下文继承。

③ 内容一致性审计

定期检查首页、解决方案页、FAQ 页、Contact 页对同一服务项的描述是否一致。研究代理在 FAQ 页读到的承诺,不能在 Contact 页找不到对应承接。

④ 结构化数据入口

表单和交互入口需要同时支持自然语言填写和结构化数据写入。当 AI 执行代理需要替用户填表时,结构化字段(如日期格式、预算范围)比纯文本框更可靠。

⑤ 明确的错误恢复节点

当某个代理的动作失败时,页面需要提供清晰的"从这里恢复"路径。这不只是 UX 问题——如果代理执行失败后找不到恢复路径,整个任务就会卡在那里。

⑥ 人工介入点的显式标注

在复杂流程页(预约、咨询、定制报价)标注清楚:在什么情况下会触发人工接管、人工介入的响应时间是多少、替代的轻量联系通道是什么。这同时有助于代理和真人。

五、风险提示

本方案风险:Multi-agent orchestration 仍处于快速迭代阶段,框架之间的协议标准尚未统一,过早固化交接结构可能导致后期迁移成本。若 2026 年下半年出现新的 agent-to-agent 通信标准(如 MCP 的扩展),当前基于页面交接的设计可能需要调整。

若出现上述风险:则优先保留页面内容自足化和 FAQ-Contact 交接这两个改动最小、收益最稳定的部分,暂缓更深层的 agent-to-agent 协议适配。

六、SEO 元数据与内链建议