IEEE 最新综述论文系统梳理了从经典多智能体系统到基于大语言模型（LLM）多智能体系统的演进历程。论文核心观点令人深思：在多智能体系统解决复杂任务时，真正决定成败的并非模型本身，而是支撑模型运行的“Harness"（即外部架构与工程体系）。论文提出的三层优化框架显示，其中两层——知识层与系统层，构成了总优化空间的三分之二，而模型层仅占三分之一。 这意味着，智能体的推理能力虽然重要，但决定系统能否稳定运行的关键，在于其周围的工程架构。研究指出，无论是单智能体的指令遗忘、上下文溢出，还是多智能体的沟通瓶颈，绝大多数失败根源虽在模型，但解决方案却在于Harness。具体而言，成功的多智能体系统需要重视通信协议的设计，如处理 MCP、A2A 等新协议及剪枝策略，因为智能体间的通信往往是瓶颈而非推理能力本身。同时，系统架构需支持异构性，能够智能调度不同规模和延迟的模型，例如在边缘端低置信度推理时自动触发云端辅助。此外，面对未来可能出现的 LLM 规划器与传统控制器的协同，接口设计需提前规划。 该研究强调，模型层属于科学探索，而知识层与系统层属于工程实践。在实际生产中，工程能力往往决定最终成败。模型赋予系统智能，而 Harness 则构建出可用的系统。对于开发者而言，过度投资模型微调而忽视系统架构，可能无法获得预期的效果。真正的多智能体智能，三分之二的权重在于 Harness。这一结论为构建高效、稳定的多智能体应用提供了明确的技术路线指引。