TCAndon-Router: Roteador de Raciocínio Adaptativo para Colaboração Multiagente

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

January 8, 2026

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

cs.AI

Resumo

Os Sistemas Multiagente (MAS) tornaram-se um paradigma poderoso para a construção de aplicações inteligentes de alto desempenho. Nestes sistemas, o roteador responsável por determinar quais agentes especialistas devem processar uma determinada consulta desempenha um papel crucial no desempenho global. As estratégias de roteamento existentes geralmente dividem-se em duas categorias: roteamento por desempenho, que equilibra latência e custo entre modelos de diferentes tamanhos, e roteamento por tarefa, que atribui consultas a especialistas de domínio específico para melhorar a precisão. Em aplicações empresariais do mundo real, o roteamento por tarefa é mais adequado; no entanto, a maioria das abordagens existentes depende de decisões estáticas de rótulo único, o que introduz duas limitações principais: (i) dificuldade em integrar perfeitamente novos agentes à medida que os domínios de negócio se expandem e (ii) conflitos de roteamento causados pela sobreposição de capacidades dos agentes, degradando, em última instância, a precisão e a robustez. Para enfrentar estes desafios, propomos o TCAndon-Router (TCAR): um roteador de raciocínio adaptativo para colaboração multiagente. Ao contrário dos roteadores tradicionais, o TCAR suporta a integração dinâmica de agentes e gera primeiro uma cadeia de raciocínio em linguagem natural antes de prever um conjunto de agentes candidatos capazes de processar a consulta. Adicionalmente, concebemos um pipeline de execução colaborativa no qual os agentes selecionados produzem respostas de forma independente, as quais são depois agregadas e refinadas numa única resposta de alta qualidade por um Agente de Refinamento dedicado. Experiências em conjuntos de dados públicos e dados empresariais reais demonstram que o TCAR melhora significativamente a precisão do roteamento, reduz conflitos de roteamento e mantém-se robusto em cenários ambíguos. Disponibilizámos o TCAR em https://huggingface.co/tencent/TCAndon-Router para apoiar futuras investigações sobre roteamento multiagente explicável e colaborativo.

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.