蚂蚁开源 Avernet V0.1：多智能体协作终于有了「操作系统」

当业界还在疯狂卷单 Agent 推理能力时，蚂蚁集团 inclusionAI 团队在 2026 年 7 月扔出了一枚重磅炸弹——开源多智能体协作基础设施 Avernet V0.1。它不优化任何单个智能体，而是搭建一套标准化的「协作中间层」，让异构 Agent 像操作系统管理进程一样协同工作。

为什么多智能体协作需要基础设施？

大模型落地一年半，AI 智能体已从单点工具进化为多角色协同的复杂系统。金融风控需要客户数据采集、规则校验、风险研判、人工复核四个 Agent 联动；企业办公中，报销、合同审核、人力资源流程涉及数据提取、规则校验、文档比对、通知推送等多个环节。

但现实是：每家企业在重复造轮子。自研通信模块、不同团队协议互不兼容、任务分配无统一规范、故障定位缺少完整日志链路。Avernet 的思路很清晰——不碰推理，只做协作。它把自己定位为独立于智能体业务逻辑的标准化中间层，通过统一 API 解耦个体推理与多机协同。

架构设计：三层解耦，协作层独立运行

Avernet 采用分层解耦架构，将系统划分为三层：

┌─────────────────────────────────┐
│        上层业务应用层            │
│  (金融/工业/政务/办公业务规则)    │
├─────────────────────────────────┤
│     Avernet 标准化协作层 (核心)   │
│  注册·通信·调度·共识·日志·优化    │
├─────────────────────────────────┤
│     底层异构智能体接入层          │
│  (自研Agent/第三方Bot/开源引擎)   │
└─────────────────────────────────┘

核心设计哲学是**「通用优先、业务后置」**。框架不预设任何垂直场景规则，仅抽象八大通用协作行为：智能体注册、服务发现、会话创建、任务分发、多方共识、消息路由、执行日志、反馈迭代。所有行业特有逻辑由上层开发者自定义，兼顾通用性与灵活性。

协作层作为独立中间件运行，不修改任何智能体原有代码。开发者保留现有 Agent 全部能力，仅通过标准化 API 完成对接。

五大核心模块深度拆解

1. 智能体注册与服务发现

统一注册网关支持本地单机 Agent、云端分布式智能体、第三方异构引擎在线登记。自动采集能力标签、算力上限、响应时延、权限范围，构建全局智能体服务目录。任务发起时自动匹配可用单元，替代人工硬编码绑定。

2. 多模式会话与通信引擎

内置两种协作模式：无层级自由对话模式和 Leader-Follower 层级调度模式，支持动态切换。基于群组、会话、全局共享上下文三层存储，所有参与智能体同步读取统一上下文，避免信息割裂。通信层兼容 HTTP、WebSocket、gRPC 三种协议。

3. 分布式共识与任务调度

轻量化共识算法解决多智能体分歧决策问题，多轮交互校验关键输出，统一执行结论。动态负载均衡调度器实时监控各智能体负载，自动拆分复杂子任务、分配空闲算力单元，避免单点拥堵。

4. 全链路可追溯日志审计

完整记录智能体接入、消息交互、任务分配、决策共识、异常报错全流程，日志标准化结构化存储。每条交互记录携带唯一溯源 ID，直接适配金融、政务等强监管行业合规审计需求。

5. 协作反馈自优化循环（核心创新）

这是 V0.1 最亮眼的特性。系统自动采集每轮协作的通信时延、任务完成时长、共识轮次、失败率数据，离线分析协作瓶颈，自动调整消息分片策略、任务拆分粒度、智能体分配权重。多智能体系统的协作效率不再依赖人工调参，而是随着使用持续自动迭代。

快速上手：从零搭建多智能体协作

Avernet V0.1 提供 Python、Java、Go 多语言 SDK，单文件即可完成智能体注册。以 Python 为例：

from avernet import AgentNode, Collaboration

# 注册两个异构智能体
agent_code = AgentNode.register(
    name="code-reviewer",
    capability=["code_analysis", "bug_detection"],
    endpoint="http://localhost:8001"
)

agent_finance = AgentNode.register(
    name="finance-checker",
    capability=["data_validation", "rule_matching"],
    endpoint="http://localhost:8002"
)

# 创建 Leader-Follower 协作会话
session = Collaboration.create_session(
    mode="leader_follower",
    leader=agent_code,
    followers=[agent_finance],
    context={"task": "audit_reimbursement"}
)

# 分发任务并获取结果
result = session.execute(task="审核报销单据 #20260715-001")
print(result.consensus_output)

部署支持两种方案：本地单机脚本一键启动（无需中间件，单台 PC 可搭建 5-20 个智能体协同环境），以及 Docker 容器集群部署（K8s 编排，支持百级智能体同时在线）。

版本局限与展望

作为 V0.1 早期预览版，Avernet 也存在边界限制：暂未支持跨地域多集群同步、共识算法仅适配中小规模群组、可视化运维控制台功能较简。官方已公布迭代路线：下一版本将加入跨地域集群同步、可视化运维面板、高性能大规模共识模块；长期规划开放插件市场，支持社区贡献场景专属调度插件。

结语

Avernet V0.1 的定位清晰而克制——不做大而全的 Agent 平台，只做协作层的「操作系统」。对于正被多智能体协作碎片化所困的开发团队，这套基础设施的价值在于：把通信、调度、共识、日志这些底层共性能力标准化后一次性解决，让团队聚焦业务逻辑本身。MIT 协议开源、多语言 SDK 就绪，现在正是跳进去试试的好时机。

---

技术标签：#多智能体系统 #Agent协作 #Avernet #蚂蚁集团 #开源框架 #分布式系统 #AI基础设施 #Leader-Follower模式 #智能体注册 #共识算法