MiniMax Mavis实测：Agent Teams如何协作完成复杂任务

进入2026年，AI基础模型厂商不约而同地将Agent从单体发展为可协作的Agent Teams。MiniMax近日推出桌面端升级Mavis（MiniMax as a Jarvis），核心正是上线Agent Teams：支持定义Leader、Worker、Verifier等角色，组合并行处理长程复杂任务。在一手实测中，Mavis成功搭建了一个完整电商网站。

背景：Agent从单体走向协作

Claude Code发布2.1.139版本，新增Agent View，可在CLI中一览所有运行中session的状态。MiniMax Mavis正是这一趋势的桌面端落地。Mavis同时合并了TokenPlan和Agent Plan，一份订阅打通CLI、API、Agent三端，M2.7及音乐、视频、语音模型均包含在列，Credits在Agent和API间共享，老用户额外送一个月会员。这意味着，用户用一个账户就能驱动多种模型和Agent团队，而不再需要分别购买。

实测：搭建一个电商网站

在实测中，Mavis被用来搭建一个北美智能家居电商网站。它首先盘点已设置的Agent，组成团队，把任务拆解为多个子任务，并先交给Leader审阅，再让Worker们并行执行。市场调研数据来自Fortune Business Insights、Amazon等，并明确标注出处。系统按Cycle运行，每完成一个周期，Verifier就会核验产出，不合格的任务会被打回重做。执行过程中，用户可以随时追加新需求，而不会打断Agent工作。最终，网站完成度相当高，包含登录页、产品页、购物车、FAQ、demo checkout以及简易数据库，商品素材也都是真实的。这个过程说明，Agent Teams已经能处理真实建站任务，而不只是演示。

技术思考：多Agent系统不是prompt编排

MiniMax Tech Blog对多Agent系统给出了更本质的解读。文章指出，多Agent系统是runtime而非prompt编排，需要一套持续运行的引擎（Team Engine）来支撑。为什么不能用一个Agent既当裁判又当选手？因为Worker与Verifier的目标函数相反，上下文必须隔离，Verifier被刻意设计为“找问题”的角色。这种角色分离避免了自说自话的盲区，但也带来了新成本。Tech Blog提到，多Agent存在交接成本等三类单Agent没有的成本。这些成本需要在系统架构中专门设计来解决，否则团队协作反而可能成为负担。

趋势与展望

从Claude Code到MiniMax Mavis，行业释放出明确信号：厂商已集体将Agent的重心从单体模式转向协作团队。Mavis的发布，让Agent Teams从API和命令行走进了桌面端，普通用户也能直观地配置和观察一个Agent团队的工作。实测证明，这种模式已经能够完成真实世界中的复杂任务。随着Team Engine这类底层设施的成熟，多Agent协作的成本有望进一步下降。Mavis给出的答案是：让AI自己组队，人类只需设定目标、验收结果。这或许就是2026年AI Agent的新常态。