Marvis 1+5 智能体协作架构深度解析：六大 Agent 各司何职？底层又如何"对话"？

前言

2026 年 5 月 20 日，腾讯正式上线了操作系统级 AI 助手马维斯（Marvis）。它不走传统 AI 助手的"对话框"路线，而是直接嵌入 Windows 系统底层，充当用户与操作系统之间的 AI 中间层。用户用自然语言下达指令，Marvis 就能操控文件、修改系统设置、操作应用程序、检索网络信息——真正做到"用嘴指挥电脑干活"。

这套能力背后，是一套精密的 1+5 智能体协作架构。它不是单打独斗的一个模型，而是一支分工明确的"AI 团队"。本文将逐一拆解这六大 Agent 的职责边界，并深入探讨它们底层是如何通讯协作的。

---

一、1+5 架构全景图

Marvis 的智能体体系由 1 个主 Agent（调度中枢）+ 5 个专项 Agent 构成，出厂预置、开箱即用：

角色	Agent	一句话定位
大脑	主 Agent（PM Agent）	理解意图、拆解任务、调度协作，AI 团队的"项目经理"
手 1	File Agent	本地文件的全生命周期管家
手 2	Computer Agent	Windows 系统运维与底层操控专家
手 3	App Agent	应用程序的操作专家（桌面软件 + 安卓应用）
手 4	Browser Agent	网页深度交互与数据抓取专员
手 5	Search Agent	全网信息检索与摘要整理专员

用户说出"帮我找出上季度所有发票，按日期整理成 Excel，再发邮件给财务"——主 Agent 接收后拆解为三个子任务，分派给 File Agent、App Agent、Browser Agent 并行或串行执行，最后汇总结果呈递给用户。整个过程用户只需要说一句话。

下面逐一看每个 Agent 的具体职责。

---

二、六大 Agent 职责详解

2.1 主 Agent（PM Agent）—— 调度中枢

主 Agent 是整个 Marvis 系统的"大脑"，它不直接操作文件、不改系统设置、不碰网页。它的核心职责只有三个：

1. 意图理解：将用户的自然语言指令解析为结构化的任务目标。用户说"电脑有点卡"，主 Agent 理解其真实意图是"排查性能瓶颈并优化"。
2. 任务拆解：将复杂目标拆分为可由专项 Agent 执行的原子任务。例如"整理桌面文件并按类型归类"会被拆为：（1）扫描桌面文件列表、（2）识别文件类型、（3）创建分类文件夹、（4）移动文件。
3. 调度与汇总：根据子任务类型，选择最合适的专项 Agent 执行，并负责汇总它们的返回结果，最终呈现给用户。

主 Agent 的决策遵循严格的能力层级路由：Sub Agent 能闭环的任务绝不拆解成底层工具调用，只有在专项 Agent 能力覆盖不到时才降级处理。

2.2 File Agent（文件管家）—— 本地文件全生命周期管理

File Agent 是 Marvis 中能力最厚重的一个专项 Agent，因为它需要处理本地文件系统中极其多样化的场景。其职责覆盖：

搜索与定位

• 支持多维度深度检索：文件名、文档内容、图片文字（OCR）、人像特征、场景主题、时间节日、地理信息。
• 例如：“找出去年秋天在西湖拍的那张照片”——File Agent 会结合季节时间范围、地理位置信息、图像场景识别综合定位。

内容理解与问答

• 对 PDF、Word、Excel、PPT、图片等文件进行深度阅读与分析。
• 支持自然语言问答：“这份合同的违约责任条款是什么？”

文件物理操作

• 复制、移动、删除、重命名、批量归类整理。
• 例如：“把下载文件夹里所有 PDF 按年份归档到文档目录”。

文件生成与格式转换

• 生成文档、表格、图表、PPT；PDF 转 Word、图片转 PNG、Excel 转 CSV 等各类格式互转。

文件传输

• 支持电脑端文件发送到移动端，实现跨设备传输。

2.3 Computer Agent（系统运维专员）—— Windows 底层操控

Computer Agent 是 Marvis 区别于市面上其他 AI 助手的核心差异化能力。它不依赖模拟点击，而是通过 Windows API 直调 完成系统级操作：

系统信息查询

• 一键查询 CPU、内存、硬盘、电池健康、网络状态、硬件配置。
• 判断某款游戏或软件能否在当前电脑上流畅运行。

系统设置修改

• 调整分辨率、关闭 Windows 锁屏广告、修改电源计划、配置网络代理。
• 一句"帮我把任务栏图标靠左排列"直接生效。

系统优化与清理

• 磁盘清理、启动项管理、冗余文件清理。
• 性能瓶颈分析与调优建议。

故障排查与修复

• 网络故障、WiFi/蓝牙异常、音频/显示问题、驱动异常、应用崩溃等常见问题的诊断与修复。

窗口与桌面管理

• 窗口分屏/平铺/堆叠、虚拟桌面切换、多显示器布局、桌面图标整理。

输入与进程控制

• 键盘快捷键模拟、进程查看与结束、服务启停、启动项管理、定时任务调度。

2.4 App Agent（应用操作专家）—— 操控一切应用程序

App Agent 负责让 Marvis 具备"像人一样使用软件"的能力，覆盖三大类应用：

桌面软件（EXE）

• 打开、关闭、安装、卸载 Windows 桌面应用。
• 操控软件内部功能：打开同花顺查股价、用网易云播放音乐、用微信发消息。

安卓应用（APK）

• 在电脑端 Android 模拟器环境中运行手机 App。
• 支持小红书浏览、剪映剪辑、多邻国学习、美团外卖下单、大众点评查餐厅等。

微信小程序

• 支持小程序内的购物、支付、打卡、查询等操作。

其底层技术栈是 GUI 视觉识别 + 模拟操作，通过截图分析界面元素，再模拟点击、滑动、输入来完成交互。

2.5 Browser Agent（网页交互专员）—— 网页深度交互

Browser Agent 专注于需要多步交互的网页场景，与简单的网页内容抓取有本质区别：

适用场景

• 需要登录认证的网站操作。
• 多步表单填写与提交。
• 多页跳转的数据提取。
• 网页按钮点击、下拉选择等交互操作。

技术实现

• 浏览器接管 + DOM 解析。
• 自动处理弹窗关闭、Cookie 提示等常见障碍。
• 遇到登录墙或验证码时及时提示用户介入。

与 Search Agent 的区别

• Search Agent 负责"搜索并总结"。
• Browser Agent 负责"在网页上执行操作"（如自动填表、下单、数据抓取）。

2.6 Search Agent（全网搜索专员）—— 高质量信息检索

Search Agent 是 Marvis 联网获取外部信息的专属通道：

检索特点

• 底层层执行多轮联网检索，由 LLM 综合总结。
• 响应速度约 10 秒，但结果质量远高于普通搜索引擎的简单列表。

适用场景

• 深度调研：行业分析、竞品对比、论文检索。
• 资料综述：多源信息汇总与结构化整理。
• 引用溯源：关键信息附带来源链接。

边界约束

• 严格禁止处理本地文件或系统级请求。
• 简单事实查询（天气、汇率、股价）不走 Search Agent，由主 Agent 直接快速响应。

---

三、底层通讯协作机制

六大 Agent 各司其职只是表象，真正让这支"AI 团队"高效运转的，是它们之间的通讯协作机制。下面从五个维度拆解。

3.1 中心化调度：星型拓扑

Marvis 的协作架构不是网状对等的，而是以主 Agent 为中心的星型拓扑：

              ┌──────────────┐
              │   主 Agent    │
              │  (调度中枢)    │
              └──┬──┬──┬──┬──┘
                 │  │  │  │
        ┌────────┘  │  │  └────────┐
        ▼           ▼  ▼           ▼
   File Agent   Computer   App Agent   Browser/Search
                Agent                  Agent

专项 Agent 之间不直接通讯，所有任务分发、结果汇总、上下文传递都经主 Agent 中转。这个设计有三个好处：

1. 降低耦合：专项 Agent 无需感知彼此的存在，可以独立迭代升级。
2. 统一调度：主 Agent 拥有全局视野，可以实现最优任务编排（并行 vs 串行、优先级排序）。
3. 安全可控：所有敏感操作必须经过主 Agent 的安全校验层，避免专项 Agent 越权执行。

3.2 任务派发协议：结构化任务描述

主 Agent 向专项 Agent 派发任务时，不是简单地转发用户原话，而是通过一套结构化任务描述协议：

<overall_goal>
用户的原始完整需求（让专项Agent理解全局上下文）
</overall_goal>
<current_task>
本次委托的具体任务（自包含、可独立执行）
</current_task>

同时附带上：

• memory_ids：相关的历史对话片段，提供任务背景。
• inherit_agent_id：如需延续之前同一 Agent 的会话记忆，则传入历史 Agent ID，实现"断点续传"。

这套协议确保了每个专项 Agent 拿到的是充分上下文 + 明确目标，不需要反复追问用户，也不会因信息缺失而执行错误。

3.3 能力层级路由：逐级降级机制

主 Agent 在选择由谁执行任务时，遵循严格的能力层级路由：

Sub Agents → Skills → Tools → 生成代码执行

1. Sub Agent 优先：如果某个专项 Agent 能闭环完成任务，绝不将其拆散为底层工具调用。
2. 逐级降级：只有当上层能力确实无法覆盖时，才降级使用更底层的手段。
3. 禁止越级：例如，File Agent 能处理的文件搜索任务，绝不能绕过它直接调用 shell 命令。

这种设计确保了任务执行始终在"最懂行"的 Agent 手中，避免因降级过早导致能力衰减。

3.4 并行与串行编排：依赖感知调度

主 Agent 在拆解出多个子任务后，会自动判断它们之间的依赖关系：

• 无依赖子任务：并行派发。例如"帮我搜一下最近的 AI 新闻，同时把桌面的文件整理一下"——Search Agent 和 File Agent 同时开工。
• 有依赖子任务：串行执行。例如"找到上季度发票 → 按日期整理成 Excel"——必须先等 File Agent 返回发票列表，再派发下一步。

并行派发有上限（单轮最多 5 个并行任务），防止系统资源过载。

3.5 端云双模式：自动路由

Marvis 的通讯协作还有一个独特的维度——端云协同。它不是让用户手动选择"用云端还是本地"，而是根据任务类型自动路由：

维度	效率模式（默认）	隐私模式
推理引擎	混元 + DeepSeek V4（云端）	Qwen 端侧模型
数据处理	复杂意图 → 云端；简单操作 → 本地	全部推理在本地完成
适用场景	日常办公、内容生成、信息检索	财务、法务、HR 等高敏感场景

文件 0 上传、断网可用、敏感操作强制用户确认——这套双模式机制在保障隐私安全的前提下，最大化利用了云端大模型的能力。

3.6 安全校验层：贯穿全链路的"红绿灯"

所有 Agent 的协作都在一套安全校验系统的管控之下。这套系统对操作进行三级风险定级：

风险等级	典型操作	处理策略
高风险	格式化磁盘、清空回收站、修改注册表	强制用户授权
中风险	覆盖文件、修改系统配置、结束进程	二次确认
低风险	只读查询、创建文件、列目录	直接执行

删除文件、修改系统配置、支付等高敏感环节，即使专项 Agent 已经准备好执行，安全层也会拦截并要求用户确认。这套机制贯穿整个任务链路——从主 Agent 拆解任务，到专项 Agent 执行，每一步都在安全校验的"红绿灯"管控之下。

---

四、一个完整协作案例

让我们跟踪一个真实指令的执行全过程，直观感受这套协作机制：

用户：“帮我把下载文件夹里的所有发票找出来，提取金额和日期做成表格存到桌面。”

Step 1：主 Agent 意图理解与拆解

主 Agent 解析出三个子任务：

• 任务 A：扫描下载文件夹，识别发票文件 → File Agent
• 任务 B：提取每张发票的金额和日期 → File Agent
• 任务 C：生成 Excel 表格保存到桌面 → File Agent

三个子任务全部归属 File Agent 能力范围，且 A→B→C 存在依赖，串行派发。

Step 2：File Agent 执行任务 A

File Agent 扫描 C:\Users\Administrator\Downloads，通过文件名匹配、OCR 识别、内容分类，定位到 5 张发票 PDF。返回文件列表给主 Agent。

Step 3：主 Agent 串行派发任务 B

主 Agent 将任务 A 的结果（发票文件路径列表）作为上下文，派发任务 B 给同一个 File Agent（通过 inherit_agent_id 继承记忆）。

Step 4：File Agent 执行任务 B

File Agent 读取 5 张发票 PDF，OCR 提取金额和日期字段，返回结构化数据。

Step 5：主 Agent 串行派发任务 C

主 Agent 将结构化的发票数据传递给 File Agent，要求生成 Excel。

Step 6：File Agent 执行任务 C

File Agent 创建 Excel 表格，写入数据，保存到桌面 发票汇总.xlsx，返回文件路径。

Step 7：主 Agent 汇总呈现

安全校验通过（生成文件属于低风险操作，直接执行），主 Agent 向用户输出最终结果：表格已生成，可点击查看。

整个过程耗时数秒，用户在 Step 1 之后只需等待结果，无需任何中间操作。

---

五、总结

Marvis 的 1+5 智能体协作架构，本质上是一套将大模型的"思考能力"与操作系统的"执行能力"深度绑定的中间层设计方案。它的核心设计哲学有三点：

1. 分工明确，各司其职：主 Agent 只管调度不干活，五个专项 Agent 各管一摊、互不越界。这种星型拓扑让系统具备了真正的可扩展性——未来新增 Agent 类型时，主 Agent 只需多认识一种"工种"，无需改动现有 Agent。

2. 结构化的通讯协议：任务派发不是简单的"传话"，而是携带完整上下文、历史记忆、依赖关系的结构化描述。这让专项 Agent 能够"自包含"地完成子任务，大幅减少来回确认的开销。

3. 安全贯穿全链路：从意图理解到最终执行，每一步都在风险定级和用户授权的管控之下。端云双模式更进一步，让用户在享受云端大模型能力的同时，也能在敏感场景下将数据完全锁在本地。

如果说传统 AI 助手是"一个聪明的大脑关在对话框里"，那 Marvis 就是"一个聪明的大脑连上了手和脚"——它能听懂你说什么，更重要的是，它能替你做到。

---

本文基于 Marvis 公开技术文档与产品体验撰写，所有架构描述均来自官方披露信息。