觀點

多 Agent 系統越疊越不穩?問題根本在並發控制

arXiv 一篇 position paper 重新定義 MAS 的失效模式:所謂的「協作失敗」其實都是經典並發 bug 的變體。LLM 的長推理時間等同於長事務,stale read、lost update 一個都沒少。

字級

最近翻到 arXiv 上一篇 position paper(arXiv:2608.18092),觀點很直白:現在多 agent 系統(MAS)的可靠性問題,根源出在並發控制沒做好。說穿了,問題既不來自 prompt 寫得差,也不是模型不夠聰明,而是大家在沒加鎖的資料庫上跑交易。

這個類比越琢磨越有道理。下面把論文核心論點,加上我自己搭 demo 時的觀察,整理在一起講。

加 agent 反而更不穩,不是什麼玄學

adding agents often reduces reliability——加越多 agent,可靠性反而越低。

我自己搭過的幾個 demo 也重現過這條曲線:3 個 agent 協作,跑 10 次能穩 8 次;上到 7、8 個,能穩 4 次就不錯了;硬塞到 12 個以上,基本上只能看運氣。

大多數人會把鍋甩給 prompt 不夠好、模型推理能力不足、上下文太長。論文給的判斷不一樣:這些失效的根因,大多是並發問題。

把 LLM 推理延遲當成「長事務」來看

資料庫圈有句老話:長事務是萬惡之源。一個事務跑了好幾十分鐘,期間別人改了它要讀的資料,等它送交時拿到的就是 stale read,嚴重的還會出現 dirty write。

LLM 推理天生就是長事務。

  • 一次 GPT-4o / Claude 呼叫,從發請求到拿到完整回應,3 秒算快的,複雜的 tool use 加上推理,30 秒很常見
  • 這 30 秒裡,其他 agent 完全可能已經改完共享狀態
  • 等這個 agent 拿著「過時的事實」回傳寫入,覆蓋掉別人的更新——這就是 lost update

論文裡的原話:long LLM inference windows amplify the risk of stale reads, lost updates, and inconsistent outcomes。把這句話裡的 "LLM inference window" 換成 "transaction",放進任何一本資料庫教科書都成立。

經典並發異常在 MAS 裡全部重現

論文最關鍵的一段:failure modes commonly attributed to coordination or communication breakdowns can be mapped directly onto classical concurrency anomalies。

翻成白話:你們以為的「協調失敗」,大半都是經典並發 bug 換了層皮。幾個我自己踩過的坑:

Lost update(更新遺失)

兩個 agent 同時拿到用戶偏好 A=[tech, music],各自推理後寫入:

  • Agent 1 寫回 A=[tech, music, cooking]
  • Agent 2 寫回 A=[tech, music, sports]

誰後寫誰贏,前一個 agent 的增量直接蒸發。這跟兩個交易同時改同一行記錄是同一回事。

Dirty read(髒讀)

Agent A 把任務狀態從 pending 改成 in_progress,正在執行。Agent B 在 A 還沒完成時讀了狀態,看到 in_progress 就基於這個做下游決策。結果 A 失敗並回滾到 pending,B 的決策卻建立在已經不存在的狀態上。

Write skew(寫偏斜)

兩個 agent 各自基於「對方不會改」的假設寫入。經典的醫生排班問題:兩個醫生各自看了排班表,發現「只要對方不加班我就不需要加班」,結果兩個人都沒排到班。MAS 裡就是兩個 agent 各自基於快照做決策,最後合併出不一致的狀態。

這些不是理論推演,是我在 CrewAI、LangGraph 裡都實際跑出來過的行為。

現有框架為什麼沒內建並發控制

主流 agent 框架——AutoGen、CrewAI、LangGraph——設計時都帶著一個隱含假設:agent 呼叫是短平快的 RPC。

# LangGraph 裡典型的節點寫法
def research_node(state: AgentState):
    result = llm.invoke(state["messages"])
    return {"messages": [result]}

看起來是函式呼叫,骨子裡其實是幾秒到幾十秒的阻塞 I/O。框架完全沒有提供任何機制讓你:

  • 在 invoke 期間鎖住 state
  • 檢查回傳值是不是基於最新的 state
  • 處理「別人在我推理時改了我依賴的資料」這種情況

更糟的是,agent 之間的「通訊」本質上就是共享狀態(一個 dict 或一個訊息佇列),沒有事務邊界、沒有隔離層級、沒有任何 ACID 保證。你以為在寫工作流,其實是在裸跑並發。

論文的判斷很直接:等於在沒加鎖的資料庫上跑交易——不,比那還慘,因為資料庫起碼還有 WAL。

從資料庫抄作業:鎖、版本號、事務隔離

論文建議 MAS 框架在設計階段就內建並發控制。具體怎麼抄?我把論文給的思路加上自己的實驗整理一下。

悲觀鎖(pessimistic locking)

agent 開始一項需要修改共享狀態的任務前,先明確鎖住相關欄位。其他 agent 想讀就阻塞,等鎖釋放。

# 偽代碼
with state.lock("user_preferences"):
    current = state.read("user_preferences")
    new = agent.run(current)
    state.write("user_preferences", new)

缺點很明顯:LLM 推理慢,鎖持有時間太長,並發度直接歸零。但對一致性要求高的場景(金融、訂單)還是值得。

樂觀鎖 + 版本號(optimistic concurrency control)

每個共享物件帶一個 version 欄位。寫入前 CAS 檢查版本號,沒變才寫,變了就重試。

version = state.read("user_preferences.version")
prefs = state.read("user_preferences")
new_prefs = agent.run(prefs)
state.cas_write(
    key="user_preferences",
    expected_version=version,
    value=new_prefs,
)

這種模式適合讀多寫少的 agent 協作。重試邏輯裡要帶新資料,否則又會退化成 lost update。

事務隔離(transaction isolation)

把一次 agent 協作(多個步驟 + 多次狀態讀寫)包成一個事務。隔離等級從低到高:

  • Read uncommitted:基本上沒用
  • Read committed:避免髒讀
  • Repeatable read:避免不可重複讀
  • Serializable:完全隔離,效能最差

MAS 裡大多數場景用 read committed 就夠了,關鍵決策點(寫入)則走 serializable。

CRDT(conflict-free replicated data type)

論文沒明說,但我自己試過用 CRDT 解決一類 MAS 問題:多方各自追加、不需要嚴格順序的場景。

例如多個 agent 各自往共享筆記裡加 bullet point,最後合併是無衝突的。Yjs 這類函式庫直接能用,比搞鎖簡單太多。

這事沒人做,是因為 agent 框架還停在「能用就好」階段

現在的 MAS 框架還在捲「幾行程式碼搭出一個 agent 團隊」。

  • CrewAI 主打快速組隊
  • AutoGen 把「對話即協作」當賣點
  • LangGraph 強調可視化工作流

並發控制這種苦工,沒人願意碰。短期看確實也沒必要——demo 階段 3 個 agent 跑得挺歡樂,誰管它生產環境會不會崩。

但凡你認真把 MAS 推到生產,就會撞上今天講的這些問題。不是 prompt 能修的,也不是換更強的模型能修的,必須從架構層面引入並發原語。

想自己驗證的話,照這個順序來

  1. 拿 CrewAI 或 LangGraph 搭一個 ≥5 agent 的 demo,讓兩個 agent 同時寫同一份共享狀態(用戶偏好、任務列表都行)
  2. 跑 20 次以上,記錄 lost update / dirty read 出現頻率
  3. 給共享物件加 version 欄位 + CAS 寫入,看穩定性提升
  4. 一致性要求高(涉及金額、訂單狀態)的寫入路徑走 serializable,別走樂觀並發

如果你只想從這篇論文帶走一句話:你遇到的不是「AI 不可靠」,而是「沒做並發控制」。想通這點,解法就清楚了——去資料庫領域抄作業就行。

參考:arXiv:2608.18092 - Concurrency Control for Multi-Agent Systems

來源: https://arxiv.org/abs/2608.18092