大型语言模型（LLMs）的迅猛发展，使智能代理能够利用多种外部工具来解决复杂的现实世界问题。然而，随着代理对多种工具的依赖日益加深，也面临新的挑战：来自异构数据源的长上下文信息，以及噪声或无关的工具输出，均可能削弱系统的可靠性与准确性。这些挑战凸显了提升基于代理系统稳定性的迫切需求。为此，我们提出动态监督与调控机制，在AWorld框架内构建了一个稳健且动态的多智能体系统（MAS）架构。在我们的方法中，执行代理在关键步骤调用守护代理，对推理过程进行验证与修正，有效降低了由噪声引发的错误，显著增强了问题求解的鲁棒性。在GAIA测试数据集上的大量实验表明，所提出的动态调控机制显著提升了解决方案的有效性与稳定性，优于单智能体系统（SAS）及标准的工具增强型系统。最终，我们的动态多智能体系统在享有盛誉的GAIA排行榜中，成为开源项目中的第一名。这些成果充分体现了协作式智能体角色在构建更可靠、更可信的智能系统方面的实际价值。