Agent orchestration 作者/机构：OpenAI Agents SDK 年份：2026 URL：https://openai.github.io/openai-agents-python/multi_agent/ 角度：agents-as-tools、handoffs、并行运行 采用原因：适合支撑“多 Agent 的价值来自编排方式差异，而不是数量本身”。
Handoffs 作者/机构：OpenAI Agents SDK 年份：2026 URL：https://openai.github.io/openai-agents-python/handoffs/ 角度：handoff、input_filter、上下文转交 采用原因：适合支撑“多 Agent 的关键成本之一是交接，而交接本身需要显式设计”。
Tracing 作者/机构：OpenAI Agents SDK 年份：2026 URL：https://openai.github.io/openai-agents-python/tracing/ 角度：handoff trace、tool trace、运行链路观测 采用原因：适合支撑“多 Agent 一旦出问题，必须能定位是哪一次交接或哪一个子 Agent 出错”。
Guardrails 作者/机构：OpenAI Agents SDK 年份：2026 URL：https://openai.github.io/openai-agents-python/guardrails/ 角度：handoff 上的 guardrail 缝隙、tool guardrails 不自动覆盖 handoff 采用原因：适合支撑“多 Agent 的风险不是单点风险，而是交接链路上的控制断点”。
A practical guide to building agents 作者/机构：OpenAI 年份：2025 URL：https://openai.com/business/guides-and-resources/a-practical-guide-to-building-ai-agents/ 角度：manager、decentralized、成本和复杂度 采用原因：适合支撑“官方明确承认多 Agent 会以更高复杂度交换潜在收益”。
Building Effective AI Agents 作者/机构：Anthropic 年份：2024 URL：https://www.anthropic.com/engineering/building-effective-agents 角度：从简单方案开始、复杂度按需增加、orchestrator-workers 采用原因：适合支撑“不要过早上多 Agent，先用最简单可行结构”。
Create custom subagents 作者/机构：Anthropic 年份：2026 URL：https://code.claude.com/docs/en/sub-agents 角度：独立上下文窗口、独立工具权限、结果回流成本 采用原因：适合支撑“subagent 的收益主要是上下文隔离，但结果汇总本身也会产生新成本”。
Subagents in the SDK 作者/机构：Anthropic 年份：2026 URL：https://platform.claude.com/docs/en/agent-sdk/subagents 角度：fresh conversation、parallel、specialized instructions 采用原因：适合支撑“多 Agent 的收益主要出现在专长分配和并行，而非无条件拆分”。
Building multi-agent systems 作者/机构：Anthropic 年份：2026 URL：https://www.anthropic.com/engineering/building-multi-agent-systems 角度：何时使用多 Agent、telephone game、上下文碎片化 采用原因：适合支撑“任务可分解且角色上下文明显不同，才值得用多 Agent”。
Multi-agent systems 作者/机构：Google Agent Development Kit 年份：2026 URL：https://google.github.io/adk-docs/agents/multi-agents/ 角度：parent/sub-agents、hierarchical decomposition、shared session state 采用原因：适合支撑“多 Agent 首先是结构设计问题，而不是角色堆砌问题”。
Parallel agents 作者/机构：Google Agent Development Kit 年份：2026 URL：https://google.github.io/adk-docs/agents/workflow-agents/parallel-agents/ 角度：并行仅适用于独立任务、状态共享需要显式处理 采用原因：适合支撑“并行收益取决于任务独立性，不能把并发等同于更优”。
AI Agent Orchestration Patterns 作者/机构：Microsoft 年份：2026 URL：https://learn.microsoft.com/en-us/azure/architecture/ai-ml/guide/ai-agent-design-patterns 角度：sequential、concurrent、handoff、group chat、magentic；调用数和成本差异 采用原因：适合支撑“不同多 Agent 模式的成本、延迟和适用边界差别很大”。
Semantic Kernel Agent Orchestration 作者/机构：Microsoft 年份：2025 URL：https://learn.microsoft.com/en-us/semantic-kernel/frameworks/agent/agent-orchestration/ 角度：Concurrent、Sequential、Handoff、Group Chat、Magentic 采用原因：适合支撑“成熟框架鼓励按场景选最小足够模式，而不是默认多 Agent”。
Handoff Orchestration 作者/机构：Microsoft Agent Framework 年份：2026 URL：https://learn.microsoft.com/en-us/agent-framework/workflows/orchestrations/handoff 角度：上下文同步、广播、交接连续性 采用原因：适合支撑“多 Agent 真正困难的不是拆，而是交接后保持状态一致”。
Multi-agent 作者/机构：LangChain / LangGraph 年份：2026 URL：https://docs.langchain.com/oss/python/langchain/multi-agent/index 角度：何时不用 multi-agent、不同模式的 token/call 开销 采用原因：适合支撑“官方框架并不鼓励滥用多 Agent，而是把收益和成本一起摆出来”。
Subagents 作者/机构：LangChain / LangGraph 年份：2026 URL：https://docs.langchain.com/oss/python/langchain/multi-agent/subagents 角度：supervisor、无状态子代理、上下文隔离 采用原因：适合支撑“subagent 更像受控外包，而不是独立人格越多越强”。
Handoffs 作者/机构：LangChain / LangGraph 年份：2026 URL：https://docs.langchain.com/oss/python/langchain/multi-agent/handoffs 角度：handoff 适用边界、malformed history、context bloat 采用原因：适合支撑“handoff 过多会带来上下文膨胀与交接错误”。
Negotiation as a Metaphor for Distributed Problem Solving 作者/机构：Victor R. Lesser、Leslie D. Erman 年份：1983 URL：https://www.sciencedirect.com/science/article/pii/0004370283900152 角度：协商式任务分配、交互成本 采用原因：适合支撑“多主体协作从经典 DAI 开始就把协调成本视为中心问题”。
Intelligent Agents: Theory and Practice 作者/机构：Michael Wooldridge、Nicholas R. Jennings 年份：1995 URL：https://www.sci.brooklyn.cuny.edu/~sklar/teaching/f05/alife/papers/wooldridge-jennings-ker95.pdf 角度：agent 与 MAS 理论、组织与协调 采用原因：适合支撑“多 Agent 首先是组织设计与协调问题，而不是只是角色对话”。
Contract Net Protocol 作者/机构：DAI 经典协议资料 年份：经典 URL：https://en.wikipedia.org/wiki/Contract_Net_Protocol 角度：任务分配协议、投标与委托 采用原因：适合支撑“manager-worker 和 task routing 的思想在早期就已出现，重点一直是分配与协调成本”。
AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation 作者/机构：Qingyun Wu 等 / Microsoft Research 年份：2024 URL：https://www.microsoft.com/en-us/research/publication/autogen-enabling-next-gen-llm-applications-via-multi-agent-conversation-framework/?lang=zh-cn 角度：多 Agent 会话框架、角色协作 采用原因：适合支撑“LLM 多 Agent 的工程框架建立在可编排角色而非简单并列角色上”。
CAMEL: Communicative Agents for "Mind" Exploration of Large Language Model Society 作者/机构：Guohao Li 等 年份：2023 URL：https://arxiv.org/abs/2303.17760 角度：角色扮演式多 Agent 协作 采用原因：适合支撑“多 Agent 可以带来协作涌现，但也会引入额外通信与角色稳定性问题”。
MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework 作者/机构：Sirui Hong 等 年份：2023 URL：https://arxiv.org/abs/2308.00352 角度：软件工程式角色分工、多 Agent 协作流水线 采用原因：适合支撑“多 Agent 真正有价值的地方是明确角色分工，而不是无约束群聊”。
Safe in Isolation, Dangerous Together: Agent-Driven Multi-Turn Decomposition Jailbreaks on LLMs 作者/机构：Devansh Srivastav、Xiao Zhang 年份：2025 URL：https://aclanthology.org/2025.realm-1.13/ 角度：多 Agent 分解式 jailbreak、风险放大 采用原因：适合支撑“多个 agent 组合后，局部无害步骤仍可能形成整体危险链条”。
CONSENSAGENT 作者/机构：Priya Pitre 等 年份：2025 URL：https://aclanthology.org/2025.findings-acl.1141/ 角度：sycophancy、多 Agent 共识退化 采用原因：适合支撑“多 Agent 不一定增加独立监督，反而可能制造群体迎合”。
NetSafe 作者/机构：Yuhan Wang 等 年份：2025 URL：https://aclanthology.org/2025.findings-acl.150/ 角度：多 Agent 拓扑安全、连接结构风险 采用原因：适合支撑“问题不只是 agent 数量，而是它们如何连接、如何转交和谁能裁决”。
附录 G：分章资料清单