TCAndon-Router: Adaptiver Reasoning-Router für Multi-Agenten-Kollaboration

TCAndon-Router: Adaptive Reasoning Router for Multi-Agent Collaboration

January 8, 2026

papers.authors: Jiuzhou Zhao, Chunrong Chen, Chenqi Qiao, Lebin Zheng, Minqi Han, Yanchi Liu Yongzhou Xu Xiaochuan Xu Min Zhang

cs.AI

papers.abstract

Multi-Agent Systems (MAS) sind zu einem leistungsstarken Paradigma für die Entwicklung hochperformanter intelligenter Anwendungen geworden. Innerhalb dieser Systeme spielt der Router, der für die Bestimmung zuständig ist, welche Expert-Agents eine bestimmte Anfrage bearbeiten sollen, eine entscheidende Rolle für die Gesamtleistung. Bestehende Routing-Strategien lassen sich generell in zwei Kategorien einteilen: Performancerouting, das Latenz und Kosten über Modelle unterschiedlicher Größe ausbalanciert, und Task-Routing, das Anfragen domainspezifischen Experten zuweist, um die Genauigkeit zu verbessern. In realen Unternehmensanwendungen ist Task-Routing besser geeignet; die meisten bestehenden Ansätze stützen sich jedoch auf statische Einzel-Label-Entscheidungen, die zwei wesentliche Einschränkungen mit sich bringen: (i) Schwierigkeiten bei der nahtlosen Integration neuer Agenten bei der Erweiterung von Geschäftsdomänen und (ii) Routing-Konflikte, die durch überlappende Agenten-Fähigkeiten verursacht werden, was letztlich die Genauigkeit und Robustheit beeinträchtigt. Um diese Herausforderungen zu bewältigen, schlagen wir TCAndon-Router (TCAR) vor: einen adaptiven Reasoning-Router für die Multi-Agenten-Kollaboration. Im Gegensatz zu traditionellen Routern unterstützt TCAR die dynamische Integration von Agenten und generiert zunächst eine Reasoning-Kette in natürlicher Sprache, bevor er eine Gruppe von Kandidaten-Agenten vorhersagt, die in der Lage sind, die Anfrage zu bearbeiten. Zusätzlich entwerfen wir eine kollaborative Ausführungspipeline, in der ausgewählte Agenten unabhängig Antworten produzieren, die dann von einem dedizierten Refining-Agenten zu einer einzigen hochwertigen Antwort aggregiert und verfeinert werden. Experimente auf öffentlichen Datensätzen und mit realen Unternehmensdaten zeigen, dass TCAR die Routing-Genauigkeit signifikant verbessert, Routing-Konflikte reduziert und in mehrdeutigen Szenarien robust bleibt. Wir haben TCAR unter https://huggingface.co/tencent/TCAndon-Rooter veröffentlicht, um zukünftige Forschung zu erklärbarem und kollaborativem Multi-Agenten-Routing zu unterstützen.

English

Multi-Agent Systems(MAS) have become a powerful paradigm for building high performance intelligent applications. Within these systems, the router responsible for determining which expert agents should handle a given query plays a crucial role in overall performance. Existing routing strategies generally fall into two categories: performance routing, which balances latency and cost across models of different sizes, and task routing, which assigns queries to domain-specific experts to improve accuracy. In real-world enterprise applications, task routing is more suitable; however, most existing approaches rely on static single-label decisions, which introduce two major limitations: (i) difficulty in seamlessly integrating new agents as business domains expand, and (ii) routing conflicts caused by overlapping agent capabilities, ultimately degrading accuracy and robustness.To address these challenges, we propose TCAndon-Router(TCAR): an adaptive reasoning router for multi-agent collaboration. Unlike traditional routers, TCAR supports dynamic agent onboarding and first generates a natural-language reasoning chain before predicting a set of candidate agents capable of handling the query. In addition, we design a collaborative execution pipeline in which selected agents independently produce responses, which are then aggregated and refined into a single high-quality response by a dedicated Refining Agent.Experiments on public datasets and real enterprise data demonstrate that TCAR significantly improves routing accuracy, reduces routing conflicts, and remains robust in ambiguous scenarios. We have released TCAR at https://huggingface.co/tencent/TCAndon-Router to support future research on explainable and collaborative multi-agent routing.