在硅谷近期最热闹的一场 AI 布道里，Anthropic 将 Claude Code 从命令行工具升格为"开发团队"。它一口气推出六件套：
- Subagents 负责隔离的专项审计
- Agent Teams 让多个 Claude 实例组成可横向通信的同事
- Plugins 把 slash 命令、技能、MCP 服务器打包成"应用市场"
- MCP 协议充当 AI 工具的 USB-C 接口
- 桌面端的 Code 与 Cowork 标签页则分别接管开发者与知识工作者的日常
八月的这篇教程像一本说明书，把这六件新衣逐一展示给渴望效率的程序员。
在这场看似水到渠成的产品迭代背后，是一场被资本市场反复加注的叙事：“更多代理，更多智能”。Anthropic 宣称自家旗舰产品 90% 的代码由 Claude 自己书写，5 月以来用户十倍增长，年化收入突破 5 亿美元；CEO Dario Amodei 更预测几个月内 AI 将写出 90% 的代码。但同一时期，学术界与咨询机构却亮出截然不同的底牌：Google Research 等机构的控制变量实验显示，所谓的"多代理协同"在大多数顺序推理任务中反而让性能下滑 39% 到 70%；Gartner 的预测则更具杀伤力，到 2028 年，企业花在 AI 编码上的 token 费用将超过一名工程师的平均年薪。
“工具本身的限制不是瓶颈，对工具的认知模型才是”，这是原教程作者留下的温和忠告。但当一家公司用 5 亿美元年化收入和 90% 代码自产率来证明某个范式的胜利时，认知模型就不再是技术问题，而是资源分配问题。当我们把"Subagents、Agent Teams、Plugins"这些名字铺开，会发现它们讲的不是工程哲学，而是一种颇为熟悉的商业故事：把复杂任务包装成模块，再包装成生态，最后包装成信仰。
工具的堆叠，不是能力的跃迁
把多代理协同想象成"一支小型开发团队"是诱人的比喻，但这种比喻具有很强的误导性。在古典经济学里，这种幻觉有一个精确的名字：合成谬误（Fallacy of Composition），对个体成立的事实，对整体并不必然成立。一个能写好单测的子代理，能写出完整系统的多代理吗？当每个成员都加载自己的初始化上下文、横着向彼此通信、并各自独立决策时，整体效率是简单相加，还是相互抵消？原教程老老实实地承认了成本真相：Agent Teams 比单会话多消耗 3 到 7 倍的 token，而 Subagents 也"比内联执行更昂贵"。换言之，Anthropic 自己并不声称多代理更省，它声称的是"协调"的价值。
但"协调"本身就需要被协调。这是被原教程完全忽略的一个循环。
经济学家罗默（P. M. Romer）的内生增长理论告诉我们，知识的非竞争性与部分排他性才是技术进步真正的引擎；而当一项技术的边际成本下降趋近于零时，我们往往预期规模效应随之放大。然而 AI 代理的 token 成本并不遵循摩尔定律的下降曲线，它遵循的是算力、电力、显存共同决定的边际成本曲线。Gartner 在 2026 年 6 月的报告里点破了这层窗户纸：从席位许可转向按 token 计费，“成本可预测性"几乎被釜底抽薪地瓦解；多数组织仍缺乏衡量成本与业务影响的成熟框架；token 驱动的 AI 支出越来越难以证明合理性，预算往往比预期更早耗尽。
这与凯恩斯在《货币论》里描述的"流动性陷阱"惊人相似：货币当局投放再多流动性，资产价格或许上涨，但实体经济活动对利率的弹性已经消失。当一家公司把数百万 token 投给一堆相互通信的代理时，真正产出的代码增量可能是几十行；剩余的几百万 token，一部分用于上下文注册（每个 MCP 服务器的工具定义都会"在每次对话中都消耗上下文，无论是否使用”），一部分用于成员之间的横向通信，一部分用于无人值守的 CI 修复循环。经济活动从未消失，它只是被转移到了流程本身。
“更多代理"是一种典型的范式叙事
回到前文那份 Google Research 控制实验，180 种配置、三家模型家族、四个基准测试，结果可以归为三层：其一，存在工具-协调权衡，固定算力预算下，工具密集型任务受多代理开销的影响更大；其二，存在能力饱和，单代理基线一旦超过约 45% 的经验阈值，协同就出现递减乃至负收益（β=-0.408, p<0.001）；其三，拓扑结构决定错误放大，独立代理的错误传播系数是 17.2 倍，集中式协调能压低到 4.4 倍。换言之，多代理不是"More agents is all you need"那么简单，它受任务属性、模型能力、拓扑结构三重制约。集中式协调在可并行的金融推理任务上提升 80.9%，去中心化协同在动态网页导航上提升 9.2%，但在任何顺序推理任务上，所有多代理变体的性能都下滑了 39% 到 70%。
把这些数字翻译成商业语言：当你让一群代理同时改代码时，它们不会自动合并成一个超级大脑，它们会彼此踩脚。子代理之间如何分工、如何通信、如何解决冲突？这不是协议能解决的问题，而是组织设计问题。Anthropic 给出的"邮箱系统"和"横向通信”，本质上是用上世纪七十年代电子邮件的隐喻，包装一个二十一世纪二十年代的协调难题。
更值得警惕的是，这种"多代理协同"叙事在历史上有清晰的镜像。1990 年代末的"组件化开发"承诺过类似的故事：把软件拆成可复用的 COM/CORBA 组件，让组件市场蓬勃生长，让开发像搭积木一样简单。十年后我们回头看，组件市场的失败几乎成为软件工程史的常识。粒度过细导致组合爆炸，接口不稳定导致级联失效，市场激励让供应商倾向于锁定而非开放。Eclipse 插件市场、Salesforce AppExchange、Hadoop 生态的"connector hell"，都是同一种叙事的不同变体。当下 AI 代理的 Plugins 机制（一个应用市场、slash 命令、技能、hooks、MCP 服务器打包）几乎是组件化时代的精确重演，只是把"组件"换成了"代理"，把"接口"换成了"MCP 协议"。
被忽略的算术：90% 代码背后的那 500 亿
教程里没有展开、却最值得追问的数字，是 Anthropic 的年化收入突破 5 亿美元，且"90% 的 Claude Code 产品自身由 Claude 模型编写"。这两个数字常被并列引用，暗示 AI 已经具备自我迭代能力。但拆开看，它们讲的是两个故事：5 亿美元意味着大约 250 万付费用户（按 Pro/Max 混合计算），而 90% 的代码自产率只在一个内部工具的范畴内成立。它没有告诉我们，这 90% 的代码是否经过严格的代码评审、是否承担关键路径、是否在生产环境长期运行。它只是告诉我们，曾经坐在键盘前的工程师们，现在"几乎不再亲自写代码"，他们"主要在 review Claude 的输出"。
这让人想起 Douglas Engelbart 在 1968 年"演示之母"里展示的 NLS 系统：实时协作、光标、超文本、鼠标、视频会议。所有现代计算的原型。然而恩格尔巴特晚年几乎被硅谷遗忘，他的研究中心被解散，资助枯竭。他的继任者不是他，而是施乐帕罗奥多研究中心（Xerox PARC）那些把同样思想包装成"个人电脑革命"的人。技术愿景的胜利从来不取决于它有多正确，而取决于它有多容易被市场讲述。AI 多代理的当下，正处在这个被讲述的甜蜜区。
而当 Tool 的反对声音终于浮出水面，TechCrunch 在 2025 年 7 月引用的一项研究发现，使用 Cursor 等 AI 工具的某些工程师"实际上更慢了"，原因很简单：他们在提示和等待 AI 完成之间耗尽了时间，而不是处理其他问题。这些声音很快被更响亮的"AI 将写出 90% 代码"的预言所淹没。市场不在乎反例，它在乎趋势。Gartner 分析师 Nitish Tyagi 的判断因此显得格外冷峻：“开发者倾向于优化速度与便利，而非成本效率；缺乏治理的工程运营模式下，成本可能比这些工具本应提供的生产力收益更快攀升。”
那些未被采纳的方案
如果多代理协同的真实生产增益并不显著，且边际成本曲线持续陡峭，那么替代方案在哪里？学术与工程界其实已经提出几条少有人走的路。
第一条路是"小模型+任务分解"。Gartner 明确建议"将工作拆解为更小的任务，由小模型处理，仅在复杂度需要时升级到前沿模型，并实施智能模型路由策略"。这条建议的经济学含义是：把 token 成本结构的弹性还给开发者，而不是把弹性交给市场叙事。它隐含的制度安排是：企业需要在工程与平台团队内部建立模型路由层，对任务复杂度进行分类与计费，而不是让每一个开发者各自决定调一个 Opus 还是调一个 Haiku。Anthropic 自身其实早已提供了模型切换功能，但它从未被设计为"路由"，而是被设计为"选择"，把责任留给用户。
第二条路是"上下文工程作为一等公民"。Gartner 把它列为推荐实践，学术界对此也已形成共识：在系统提示中塞入尽可能多的工具定义，并不等于"让代理更聪明"，反而是让代理更慢、更贵、更容易出错。MCP 协议的设计选择（让每个连接的工具定义注册到系统提示中）是把"标准化接口"的便利与"无限制上下文"的代价捆绑销售。一个明显未被采纳的替代方案是按需懒加载：仅当代理调用某个工具时，才把该工具的 schema 注入上下文；工具不使用，就不付费。这在技术上并不复杂，但它打破了"协议越通用越好"的市场叙事，因为通用意味着兼容，兼容意味着常驻。
第三条路是"评测先于部署"。Google Research 的论文之所以能给出可靠的 β 系数与 R²，是因为它在 180 种配置上做了受控实验。这种实验文化，在当前的 AI 代理热潮里几乎缺位。Anthropic、Cursor、GitHub Copilot 的产品发布，往往以"用户增长十倍"、“收入年化五亿"作为成功的度量，而以"代码质量”、“缺陷率”、“长期维护成本"作为成功的度量几乎没有公开数据。Anthropic 宣称 Claude Code 90% 由 AI 编写，但没有公开这 90% 代码在生产环境的缺陷密度、回滚率、变更失败率。一个未被采纳的方案是引入"代理代码溯源披露”：每行由代理生成的代码必须打上来源标记，组织可以基于此统计 AI 生成代码的长期可维护性。这并不需要新的技术，只需要一个被监管者或行业协会推动的标准。
长尾：算力、叙事与制度的赛跑
把视角再拉远一点，我们会发现 AI 多代理的当下，与历史上几次"范式叙事"惊人地相似：1990 年代末的组件化、2000 年代中期的 SOA（面向服务架构）、2010 年代初的云计算。每一次都承诺"软件开发的工业化"，每一次都伴随一批咨询公司、培训机构、插件市场的兴起，也每一次都在五年后被更冷静的复盘所修正。修正不是否定，而是重新校准：组件化最终演化为微服务与容器，SOA 演化为 RESTful API，云计算演化为混合云。但每一次修正的代价，都是大量中小开发者在叙事高峰期采购的、被市场许诺"未来三到五年都用得上"的工具，最终成为电子垃圾。
AI 代理很可能也会走这条路径：Subagents、Agent Teams、Plugins、MCP，这些名字会留下来，但它们的形态、定价、用途会发生剧烈的重组。重组的方向取决于两个变量的赛跑：一是算力与 token 边际成本的下降曲线，二是市场叙事与监管套利的时间窗口。Gartner 预测 AI 编码成本将在 2028 年超过开发者平均年薪。这既是一个警示，也是一个市场拐点的暗示：当成本压力足够大时，组织会从"用更多代理"转向"用更少代理"，从"让代理更通用"转向"让代理更专用"，从"用协议接入一切"转向"按需接入最关键的几个"。
至于我们此刻所处的位置（一个教程里热情洋溢的"Subagents、Agent Teams、Plugins"目录页），大概相当于 2007 年的"iPhone Apps"分类目录。彼时没有人能预测 App Store 会催生出 Uber、Instagram、Angry Birds，也没有人能预测它会被 Web App、小程序、快应用反复冲击。结构性的问题永远不是"工具够不够多"，而是"工具背后的人愿不愿意为它的真实成本买单"。
在这场算力与叙事的赛跑里，唯一能够指望的，是那些愿意做受控实验、愿意披露失败率、愿意让小模型和小代理承担大多数日常任务的人。他们不会被季度财报的头版头条记住，却可能在十年后复盘"AI 代理元年"时被频繁引用。