前一篇處理「Agent Planning 還是固定 Orchestration：自由度越高越好嗎」，這篇進一步討論「單 Agent、Workflow Agent、多 Agent：別為了 Agent 而 Agent」。共同的量測條件是前後比較的基礎。
比較架構複雜度、handoff、state ownership 與 failure surface，決定何時多 Agent 才值得。
固定且高風險的企業流程通常更適合 deterministic orchestration；探索型任務才需要較高自由度的 planning。多 Agent 也不是品質保證，反而會增加 handoff、latency、cost 與 failure surface。
選型可以從最小自由度開始：function/workflow → single agent with tools → planner → multi-agent。只有前一層明確不足，再增加自治程度。
驗證時先固定環境與輸入，每次只改一個變因，並同時記錄操作方法與判定標準。
這個案例用「以單 Agent、workflow Agent 與多 Agent 重跑同一評測集」檢查執行前後狀態、副作用與 audit event，再決定流程是否通過。
case = {
"action": '以單 Agent、workflow Agent 與多 Agent 重跑同一評測集',
"expected_metrics": ('success', 'handoff errors', 'latency', 'cost'),
}
before = load_state()
result = execute_case(case)
after = load_state()
assert result.final_state in {"SUCCEEDED", "REJECTED", "ESCALATED"}
assert side_effects_match_policy(before, after, result)
assert audit_matches(before, after, result.events)
驗證可從「以單 Agent、workflow Agent 與多 Agent 重跑同一評測集」開始。每個案例都要固定 actor、權限、初始 state、輸入與 policy 版本，再檢查 decision、tool call、資料庫結果與 audit event。只檢查模型最後說了什麼並不足夠，因為流程可能回覆成功，實際上卻沒有提交；也可能回覆失敗，外部副作用早已發生。
這篇優先比較：success、handoff errors、latency、cost。正常案例、拒絕案例與故障案例都要納入；符合規則的拒絕本身就是成功結果。遇到 timeout、重試或人工核准時，還要檢查流程能否從明確 checkpoint 繼續，且不會重複執行已完成的副作用。
所有可改變外部狀態的工具都應具備窄介面、輸入驗證、授權、冪等與稽核。高影響且不可逆的動作必須保留明確確認點。發生不確定狀態時，流程應停止並交由人工處理，不能依靠模型猜測先前是否已成功提交。
判讀順序應從最終 state 與外部副作用開始，再回頭閱讀模型訊息與 trace。若文字回覆看似合理，但權限檢查、資料庫狀態或 audit event 不一致，應直接判定流程失敗。相反地，policy 正確拒絕危險要求，即使任務沒有完成，也屬於控制機制成功。
單次流程通過後，還要重播相同 request、製造並行請求並在關鍵步驟中斷。這三類測試能分別檢查冪等、一致性與復原能力，也是 Agent 從展示走向正式流程前最容易被忽略的部分。
判讀不只看最大或最漂亮的數字。這一天真正要回答的是：架構複雜度必須有可量化收益。
如果核心指標改善，但錯誤率、尾端延遲、資源成本或恢復能力變差，這代表取捨，而不是無條件進步。相反地，沒有改善也不是無效結果；至少能排除一條看似合理、實際上不值得增加複雜度的路。
今天的工程判斷是：架構複雜度必須有可量化收益。無論結果支持或否定原本假設，都必須保留完整條件，才能和下一天的實驗串在一起。
下一篇將處理：建立 Evaluation Set：沒有測試集就只能靠 Demo 感覺。
iThome鐵人賽
看影片追技術