MAScope：结合通信拓扑诊断多Agent系统故障

多Agent LLM系统通过Agent之间交换信息协调任务。当协作失效时，相似执行记录症状可能来自不同的信息传递、使用或验证问题。通信拓扑反映信息交换方式，为区分故障提供结构线索。利用这些线索诊断，需要理解拓扑与故障模式的联系，并从没有拓扑标签的执行记录中恢复结构。我们分析两者关系，提出两阶段拓扑条件诊断框架MAScope。记录结构提取器TSE用消息证据构建交互图，从异构记录恢复通信拓扑。拓扑条件裁判TC-Judge依据记录、预测拓扑、从独立标注记录估计的经验故障先验，以及拓扑特有故障模式的简述分类。编排结构固定时，恢复的拓扑可跨执行复用。实验显示拓扑与故障类型显著相关，χ²为409.9，p为1.2×10⁻⁷⁰。在851条MAST-clean记录上，真实拓扑上下文使gpt-mini的Macro-F1从0.173提高到0.350；采用预测拓扑时，管线达到0.346，接近仅读执行记录的gpt-5.4基线0.372。对固定编排下的1000条记录，包含一次拓扑提取的预计管线成本约为反复使用gpt-5.4诊断的6%。结果支持拓扑上下文改善故障诊断并降低部署成本。