十個聰明的 AI 就能完成開發？缺乏「團隊合作」，天才 AI 也無用武之地

想像一下，世界頂尖的 10 位主廚聚集在同一個廚房。每個人都擁有數顆米其林指南星級的實力。但有一個問題：他們彼此無法交談，也完全不知道對方在準備什麼食材。結果會如何？可能有人正在煎牛排，另一個人卻把它丟進垃圾桶換成蔬菜。再頂級的食材也會被搞砸，最終料理根本無法完成。

這正是目前人工智慧（AI）業界所面臨的困境。我們正從由單一 AI 處理所有事務的「孤島 AI」時代，跨入由多個 LLM 代理（Large Language Model Agent，能自主設定目標並使用工具執行任務的 AI 助手）組成的團隊協作開發軟體的時代。

然而，專家們發出了嚴正警告：「無論 AI 變得多麼像天才（AGI），如果無法解決『這個問題』，一切都是徒勞。」究竟是什麼在阻礙這些天才 AI 發揮實力？

為什麼這很重要？

打個比方，這就像在「接力賽」中，遞接棒的技術變得比個人跑步速度更重要。多個 AI 協作的過程，本質上與分散式系統（Distributed Systems，多台電腦透過通訊共同執行單一目標的結構）的挑戰息息相關。Multi-Agentic Software Development Is a Distributed Systems Problem …

現在 AI 開發的真正瓶頸不在於單一模型的智商（IQ），而在於如何有效地協調它們，使其在互不干擾的情況下進行協作。HN keeps coming back to one point: multi-agent coding is a … 忽視這一點並單純認為「只要更聰明的模型出現就能解決一切」，恐怕會忽略人類數十年來在電腦科學領域累積的核心理論。Multi-agentic Software Development is a Distributed Systems …

輕鬆理解：阻礙 AI 團隊合作的數學極限

為什麼把聰明的 AI 聚在一起，工作卻無法順利進行？為了讓大家輕鬆理解，我們借用兩個電腦科學的經典比喻。

1. 拜占庭將軍問題與分歧的指令

很久以前，幾位將軍想要進攻一座城堡。只有當所有將軍「同時」發動攻擊時才能獲勝。然而，將軍們彼此距離遙遠，傳信兵可能會在途中被捕，或者不小心傳達了錯誤訊息。Multi-agentic Software Development is a Distributed Systems Problem …

這就是拜占庭將軍問題（Byzantine Generals Problem）。AI 代理也面臨同樣的情況。例如，一個代理傳送了「我要修復登入功能」的訊息，但由於通訊延遲，另一個代理很晚才收到。結果兩個 AI 同時修改同一段代碼，程式就會變得一團糟。

2. FLP 不可能性：不存在完美的共識

電腦科學中有一個名稱令人生畏的理論，稱為 FLP 不可能性（FLP Impossibility）。簡單來說，它證明了「在通訊可能延遲或發生故障的環境中，即使系統再聰明，要讓所有成員達成 100% 完美的共識，在數學上是不可能的」。Multi-agentic Software Development is a Distributed Systems Problem …

關鍵點在於，無論代理變得多麼聰明，甚至是達到超人工智慧（AGI）的程度，這個數學極限都不會消失。Multi-agentic Software Development is a Distributed Systems Problem … 也就是說，協作不順暢並非因為 AI 「能力」不足，而是源自於在「分散式環境」下工作的結構性難題。Multi-Agentic Software Development Is a Distributed Systems …

現狀：「規則」比「智力」更優先

為了克服這些問題，業界已經開始迅速行動。重點已不再僅僅是讓 AI 更聰明，而是致力於確立能讓代理間對話並遵守規定的標準協定（Protocol，通訊規範）。

• Google 的 A2A 協定：為了穩定運作大規模多代理系統，Google 發表了 A2A (Agent2Agent) 協定。這讓 AI 能識別彼此的能力，並像人類開會一樣安全地進行協作。Announcing the Agent2Agent Protocol (A2A)- Google Developers Blog
• AGNTCY 倡議：Galileo、Langchain、Cisco 等龍頭企業成立了名為 AGNTCY 的組織，旨在標準化多代理系統。他們正在制定「共同標準」，讓 AI 能互相發現、分配任務並評估結果品質。AGNTCY: Building the Future of Multi-Agentic Systems
• 現場的智慧：在實際開發過程中，會將任務細分為規劃（Plan）、設計（Design）、編碼（Code）等階段，並在階段間設置驗證關卡（Verification gates）。這就像設置紅綠燈來預防交通事故一樣。Multi-Agentic Software Development Is a Distributed Systems Problem …

未來展望

隨著多代理技術的成熟，我們將不再問「哪個 AI 更會解考題？」。取而代之的是，「哪個系統能更完美地指揮數千個 AI？」將成為企業的核心競爭力。

早於 2025 年，學術界已動向頻繁，例如舉行了研究生成式 AI 與分散式系統結合的第一屆 MAS-GAIN (Multi-Agent Generative AI Network) 工作坊。MAS-GAIN 2025 - 1st International Workshop on Multi-Agent …

此外，企業也將投入更多精力來評估 AI 的「協作能力」，而不僅僅是文采。這包括理解複雜的工作環境圖表、與同事 AI 討論並修復即時發生的錯誤等能力。Multi-agent Systems: Coordination, Scaling, and Reliability

最終，未來的軟體開發將不再是「單一天才 AI」的獨角戲，而是由無數 AI 代理在精密指揮下井然有序運行的「數位交響樂團」。

AI 的視角 (MindTickleBytes AI 記者觀點)

許多人期待當 AI 能像人類一樣思考時，所有問題都會迎刃而解。但這次討論提醒了我們一個被遺忘的重要事實：所謂「共同工作」的困難，並非智力問題，而是「結構」問題。為了讓 AI 真正成為可靠的夥伴，除了閱讀理解與推理能力外，與其他代理達成共識並確認自身定位的「社交協定」至關重要。未來的程式開發將不再是演算法的對決，而是誰能設計出更精密的「協作語法」之爭。讀者們，你們會想把工作交給擁有哪種指揮官的 AI 團隊呢？

參考資料

1. Multi-Agentic Software Development Is a Distributed Systems Problem

2. [Multi-Agent Dev Is a Distributed Systems Problem

   Juanchi.dev](https://juanchi.dev/en/blog/multi-agent-software-development-distributed-systems-problem)

3. Multi-agentic Software Development is a Distributed Systems Problem - AGI can’t save you from it
4. Multi-Agentic Software Development Is a Distributed Systems Problem - Discussion (Hacker News)
5. Multi-agentic Software Development is a Distributed Systems Problem (Lobsters)
6. Multi-agentic Software Development is a Distributed Systems Problem - Daily.dev
7. HN keeps coming back to one point: multi-agent coding is a distributed systems problem
8. Multi-Agentic Software Development as Distributed Systems Problem
9. MAS-GAIN 2025 - 1st International Workshop on Multi-Agent Generative AI Network
10. Multi-agent Systems: Coordination, Scaling, and Reliability
11. AGNTCY: Building the Future of Multi-Agentic Systems
12. Announcing the Agent2Agent Protocol (A2A)- Google Developers Blog

FACT-CHECK SUMMARY

• Claims checked: 15
• Claims verified: 13
• Verdict: PASS