新智元報道

編輯：LRST

【新智元導(dǎo)讀】北京郵電大學(xué)團隊開源的MASFactory框架，用Vibe Graphing重構(gòu)多智能體系統(tǒng)編排。它將自然語言指令轉(zhuǎn)化為結(jié)構(gòu)化工作流，三步完成角色分配、拓?fù)湓O(shè)計與語義補全，API成本降為傳統(tǒng)方式的十分之一，代碼量暴減，開發(fā)效率飆升。系統(tǒng)以圖為核心，支持混合編排與全?？梢暬?，已通過多項權(quán)威測試，性能全面超越同類方案。

外網(wǎng)爆火，比Vibe Coding便宜10倍！北郵重構(gòu)多智能體編排范式

近日，YouTube等外網(wǎng)平臺上一段名為《Vibe Graphing: 10x More Affordable than Vibe Coding (MAS-Factory)》的技術(shù)解析視頻在開發(fā)者圈層中引發(fā)了強烈的共鳴與熱議。

視頻中給出的數(shù)據(jù)令人咋舌：在同等任務(wù)復(fù)雜度下，傳統(tǒng)的Vibe Coding試錯成本高達數(shù)美元，而采用一種名為「Vibe Graphing」的全新范式，API成本直接驟降至原來的十分之一，且成功率大幅躍升。

這支視頻背后的主角，正是由北京郵電大學(xué)團隊最新開源的LLM多智能體編排框架——MASFactory。

項目官網(wǎng): https://masfactory.dev

代碼倉庫: https://github.com/BUPT-GAMMA/MASFactory

原版論文: https://arxiv.org/abs/2603.06007

目前，該項目已在GitHub全面開源，學(xué)術(shù)論文也已同步發(fā)布。

Vibe Coding在多智能體編排水土不服

伴隨著基礎(chǔ)大模型能力的溢出，業(yè)界形成了一個明確的技術(shù)共識：通過角色特化、交叉驗證和迭代協(xié)作，多智能體系統(tǒng)（MAS）能夠解決單一 Agent 難以覆蓋的長周期復(fù)雜任務(wù)。

然而，構(gòu)建一個健壯、可擴展的 MAS，依然是一場令人筋疲力盡的工程「泥沼戰(zhàn)」。

現(xiàn)有的編排框架主要分為兩個派別：

• 一是硬編碼派（Imperative/Declarative），要求開發(fā)者學(xué)習(xí)特定的 DSL，手動維護極其復(fù)雜的通信邏輯與狀態(tài)同步。這種方式靈活性高，但工程成本極其高昂。

• 二是端是可視化拖拽派，雖然大幅降低了門檻，但在面對需要深度定制的多層次復(fù)雜拓?fù)浣Y(jié)構(gòu)時，滿屏蜘蛛網(wǎng)般的連線會讓后續(xù)的維護和擴展形同災(zāi)難。

即使是當(dāng)下備受矚目的Vibe Coding范式，也難以彌補上述兩種開發(fā)范式的缺陷。

由于大多數(shù)大語言模型在訓(xùn)練時缺乏對各類小眾DSL（特定領(lǐng)域語言）的充分學(xué)習(xí)，當(dāng)Vibe Coding工具面對硬編碼框架時往往顯得水土不服。

這不僅意味著開發(fā)者需要付出額外的Token成本來讓模型預(yù)習(xí)DSL語法，還投入大量精力，去約束AI遵循DSL的拓?fù)湟?guī)范與通信邏輯，導(dǎo)致開發(fā)體驗大打折扣。對于可視化拖拽派，Vibe Coding工具更是難以入手。

Vibe Graphing

多智能體編排的一等公民

Vibe Graphing工具本質(zhì)上是一個「自然語言意圖 -> 結(jié)構(gòu)化中間表示（IR） -> 可執(zhí)行工作流」的編譯器。

與Vibe Coding簡單粗暴地讓AI直接吐出底層代碼不同，Vibe Graphing將MAS的構(gòu)建抽象為一個極具秩序感的三階段設(shè)計過程。在引擎內(nèi)部，這被封裝為由三個Agent驅(qū)動的Loop組件：

階段一：角色分配（Role Assignment）。

系統(tǒng)首先剝離所有的代碼實現(xiàn)細(xì)節(jié)，只關(guān)注「人」。當(dāng)開發(fā)者輸入諸如「幫我構(gòu)造一個文獻綜述工作流」的自然語言指令時，引擎會將任務(wù)意圖映射為一組候選智能體（如檢索員、閱讀員、寫作員、評審員），并劃定嚴(yán)格的責(zé)任邊界。

階段二：拓?fù)湓O(shè)計（Topology Design）。

確定角色后，系統(tǒng)開始構(gòu)建一張有向圖拓?fù)涔羌?。這個骨架只定義節(jié)點間的消息依賴和執(zhí)行順序（如串行、并行、循環(huán)），而不涉及任何具體的 Prompt 或工具調(diào)用。

階段三：語義補全（Semantic Completion）。

最后，系統(tǒng)對拓?fù)涔羌苓M行參數(shù)化實例化，為每個節(jié)點精準(zhǔn)配置指令、輸入輸出約束。

因為AI每次只需要生成或修改極其簡短的JSON拓?fù)渑渲茫皇菐浊械?Python 邏輯代碼，Token消耗呈指數(shù)級下降；從而達到了比Vibe Coding節(jié)省10倍token的效果。

MASFactory

以圖為中心的四層架構(gòu)

Vibe Graphing 能夠如此優(yōu)雅地運行，是因為 MASFactory 擁有一個底層圖引擎，它將多智能體工作流建模為有向計算圖。整個系統(tǒng)被科學(xué)地劃分為四個層次：

圖骨架

在最底層，系統(tǒng)完全由 Node（節(jié)點）和 Edge（邊）構(gòu)成。MASFactory 極其硬核地對協(xié)作信號進行了物理隔離，拆分為三種流：

• 控制流（Control Flow）：沿著有向邊傳播，嚴(yán)格推進調(diào)度與依賴，確保執(zhí)行的因果時序。

• 消息流（Message Flow）：橫向傳遞，將節(jié)點的輸出有效載荷精準(zhǔn)投遞給下游節(jié)點。

• 狀態(tài)流（State Flow）：在圖與子圖的樹狀層級結(jié)構(gòu)間縱向傳播，實現(xiàn)自治域的上下文和運行時狀態(tài)同步。

組件層與可復(fù)用層

基礎(chǔ)的節(jié)點被進一步抽象為豐富的組件庫。除了遵循感知-推理-行動（Perception-Reasoning-Action）范式的基礎(chǔ)Agent外，系統(tǒng)還提供了：

• Graph: 用于表達子圖嵌套結(jié)構(gòu)，方便進行模塊化設(shè)計。

• Loop：用于表達循環(huán)結(jié)構(gòu)，用語實現(xiàn)反思（Reflection）、多輪辯論等博弈模式。

• Switch：Switch 能夠根據(jù)運行時狀態(tài)動態(tài)選擇并激活特定分支，實現(xiàn)了復(fù)雜的動態(tài)路由控制。

• 無縫嵌套機制：任何一個 Graph 都可以作為子節(jié)點無限嵌套到更高維度的圖中。通過 NodeTemplate 和 ComposedGraph 機制，開發(fā)者可以輕松實現(xiàn)分支級別的拓?fù)鋸?fù)用，減少代碼冗余。

協(xié)議與上下文適配層

現(xiàn)代MAS應(yīng)用不可避免地需要整合異構(gòu)的外部組件（Memory、RAG、MCP等）。

MASFactory引入了兩種適配器：

• Message Adapter：將底層圖結(jié)構(gòu)與具體的通信協(xié)議解耦。開發(fā)者可以在不修改拓?fù)涞那疤嵯拢杂汕袚Q JSON Schema、Markdown 或定制化的通信協(xié)議。

• Context Adapter：面對外部復(fù)雜的記憶系統(tǒng)、RAG、MCP，Context Adapter 提供了一個標(biāo)準(zhǔn)化的接口。它將異構(gòu)上下文切片為標(biāo)準(zhǔn)單元，使得 MASFactory 能夠像插拔 U 盤一樣無縫對接到 LlamaIndex、Mem0 等前沿框架中。

混合編排與可視化交互層

在操作入口上，MASFactory 同時兼容代碼開發(fā)（聲明式、命令式）、可視化拖拽以及 Vibe Graphing。

值得注意的是，這三種方式不僅不沖突，反而可以在同一個大型項目中混合嵌套使用。你可以用代碼硬編碼一個底層極度嚴(yán)謹(jǐn)?shù)墓ぞ咦訄D，再用 Vibe Graphing 生成一個靜態(tài)結(jié)構(gòu)圖，最后用可視化拖拽方式將他們組合在為一個完整的Workflow。

此外，MASFactory也提供一款深度集成的 VS Code 擴展工具——MASFactory Visualizer。它可以在代碼編排階段、拖拽式編排階段、Vibe Graphing階段、調(diào)試運行階段提供全棧的可視化支持。

代碼編排預(yù)覽

拖拽式工作流設(shè)計

Vibe Graphing 交互

運行時監(jiān)測與追蹤

性能評估

MASFactory在 HumanEval、MBPP、BigCodeBench、SRDD、GAIA、MMLU-Pro 等七大覆蓋代碼生成與復(fù)雜推理的主流 Benchmark 上給出了具有說服力的數(shù)據(jù)。

實驗表明，MASFactory 能夠極為穩(wěn)定且高效地復(fù)現(xiàn)當(dāng)前業(yè)界最具代表性的系統(tǒng)（包括 ChatDev、MetaGPT、Agent Verse、CAMEL、HuggingGPT 等），且在多項指標(biāo)上表現(xiàn)優(yōu)于原始硬編碼實現(xiàn)。

參考資料：

https://arxiv.org/abs/2603.06007

https://github.com/BUPT-GAMMA/MASFactory