多 Agent 协作的资源隔离:三个 Agent 打架的排查与治理
端侧/本地化系列的第三篇。单 Agent 跑顺之后(前两篇:自建推理、本地 Agent 部署),自然演化是多 Agent 协作——检索的检索、写代码的写代码、审校的审校。但多 Agent 一上线,我们遇到的第一个问题不是能力,是资源打架:三个 Agent 同时跑,整机卡死、互相拖慢、内存轮流爆。这篇记录排查过程和治理方案。
打架的三种形态
形态一:算力争抢。三个 Agent 共用一个推理服务,并发的推理请求互相排队——A 生成代码时 B 的检索停摆,用户体验从「多助手」退化成「单助手 + 两个观众」。
形态二:内存踩踏。每个 Agent 的上下文独立增长(各自的系统提示+工具描述+对话历史),三个 Agent 的内存占用不是相加而是相乘式恶化——上下文膨胀在单 Agent 篇讲过,多 Agent 场景它是三次方问题。
形态三:工具互锁。Agent A 锁了代码仓库做重构,Agent B 也要读仓库做检索——B 拿到锁等待或读到中间态,两种都不对。
治理方案:三层的资源配额体系
第一层:推理服务统一调度。所有 Agent 的推理请求走同一个推理网关(不是各自直连模型服务),网关按 Agent 身份做配额和优先级:交互式 Agent(响应用户)优先级高,后台 Agent(批量任务)用空闲算力。效果是把「抢」变成「排」,P99 延迟立降。
第二层:上下文预算制。每个 Agent 实例有内存预算上限(比如 1GB 等效 token 预算),超预算触发上下文压缩(摘要化历史),而不是无界增长。预算可按任务动态调整,但总量守恒——多 Agent 系统的内存总预算要小于单 Agent 预算 × 数量,留出系统余量。
第三层:资源锁的显式化。共享资源(代码库、数据库连接、浏览器会话)由资源管理器统一发锁,Agent 申请-使用-释放全生命周期可查。关键设计:锁要带超时和降级——拿不到锁的 Agent 选择「等待/换资源/报告冲突」三种策略之一,而不是无限挂起。
一个实测数据
三个 Agent(代码生成、文档检索、测试执行)协作完成一个小型重构任务:
- 无治理:任务总耗时 14 分钟,期间两次内存告警,一次互锁死等(人工重启)
- 治理后:总耗时 9 分钟,零告警。提速的来源不是单个 Agent 变快,是消除了等待
这个结果很有代表性:多 Agent 系统的性能瓶颈很少在单个 Agent 的能力,几乎都在协调层。
协作协议的补充设计
资源之外,Agent 间的「沟通纪律」也影响稳定性:
- 消息队列化:Agent 间通信走队列不走直调,天然削峰+留痕
- 任务分解的粒度下限:拆太细的任务会让 Agent 间通信成本超过任务本身——经验值是单任务不少于 30 秒的计算量
- 冲突仲裁人:两个 Agent 对同一资源有依赖冲突时,由固定的仲裁 Agent(或规则)裁决,不要让 Agent 互相协商——协商循环是多 Agent 系统的死锁高发区
容量规划参考
给准备上多 Agent 的团队一个起步公式:推理算力按「并发 Agent 数 × 单 Agent 峰值」的 60% 配置(队列会自然削峰);内存按「Agent 数 × 预算 + 系统余量 30%」配置。先跑两周实测再调——多 Agent 的资源画像和单 Agent 差异很大,抄单 Agent 的作业会翻车。
(端侧/本地化系列:自建推理踩坑 → 本地 Agent 落地 → 本文:多 Agent 资源隔离 → 计划中:Agent 的评测与回归)
- 点赞
- 收藏
- 关注作者
评论(0)