更多 Agent 收益递减：Agensh、MAST 与 Google 研究对编排器的启示

作者梳理近期流传的 Agensh、MAST 与 Google 三项多智能体研究，指出这些论文中的数字常被脱离上下文引用，并将三者数据并列比较，同时在 .NET 上用本地模型做了一次小规模测试。文章从“谁拥有协调权、协调成本是多少”的角度审视 Agent 编排器设计，反思通过不断新增 Agent（如再加一个 reviewer）来修补流水线的做法。正文片段在 MAST 引用处截断，具体实验设置与结论未在输入中给出。

AI推荐理由 作者对 Agensh、MAST 与 Google 三项多智能体研究做了横向对比，并自述在 .NET 上用本地模型做了小规模复现测试，讨论“谁负责协调、成本几何”这一编排器核心问题，对 Agent 系统设计有参考价值。但正文片段仅到 MAST 引用处即截断，未给出具体数字、实验设置与结论，无法核实其复现结果；标题中“more agents, smaller gains”的论断也缺乏输入内的证据支撑，需保留不确定性。