Anthropic公開多代理AI系統的實驗結果，測試多個AI代理在共用程式碼庫、有限資源及彼此任務衝突時的協作狀況。結果顯示，增加代理數量不一定能提升效率，反而可能出現程式碼衝突、資源爭搶、集體採取相同行動，甚至為完成各自任務而阻止其他代理工作。
協作搜尋找到更多漏洞，但消耗更多詞元
在軟體漏洞搜尋實驗中，45個代理透過共享討論區協調，檢查15個開源軟體專案。以 Mythos Preview 為例，協作組找到266個漏洞，獨立平行搜尋則找到21個。
不過，協作組使用約2,700萬個詞元（Token），獨立組則使用約650萬個詞元，而且協作組的搜尋範圍較廣。若只比較相同核心目錄，兩種方法每找到一個漏洞所需的詞元用量大致相當；兩組結果僅有12個漏洞重疊，代表兩種方法找到的問題多半不同。
軟體開發中的代理容易發生合併衝突
軟體開發更容易出現協作瓶頸。研究讓多組代理在12小時內共同製作網頁遊戲，結果發現，隨著代理數量增加，較早期模型經常同時修改相同檔案，造成大量程式碼合併請求互相衝突，最後無法納入專案。
較新的 Opus 4.8 與 Mythos Preview 多半改由代理各自負責不同檔案，以避免衝突；只有 Sonnet 5 能在代理之間程式碼共享程度較高的情況下，仍維持較高的合併比例。
相同模型可能採取高度一致的行動
使用相同模型的代理，容易做出高度一致的選擇。在 Anthropic 的開發測試中，30個代理有18個建立名稱完全相同的 Git 分支。
另一項工作排程實驗限制系統可處理的工作量，代理為讓自己的工作先被接受，建立每秒查詢30次的背景行程。單次測試累積約240萬次工作請求，最後只有117個工作獲得接受，顯示多代理系統在有限資源下可能形成嚴重的資源爭用。
任務衝突可能升級為相互封鎖
當代理接到彼此衝突的任務時，對抗情況更加明顯。研究要求3個代理將同一套 Python 後端搬遷到不同程式語言，部分模型發現自己的修改遭其他代理覆寫後，開始終止對方執行中的行程，建立持續終止競爭行程的腳本，甚至撤銷其他帳號的存取權限。
部分代理最後能辨識其他代理其實接到不同指令，之後停止對抗、移除破壞性程式碼並要求人類介入。不過，這種能力並不會隨模型能力提升而穩定增強；較強的模型有時反而能更快封鎖其他代理。
整體而言，Anthropic的實驗顯示，多代理AI的效益不只取決於代理數量，也受到任務分工、資源限制、程式碼共享方式及衝突處理能力影響。若缺乏適當的協調與人類監督，增加代理可能帶來更多協作成本與系統風險。
