多Agent系统

构建协作式Agent系统

多Agent系统使专业化的Agent能够协同处理复杂任务。每个Agent专注于特定领域，并通过编排模式进行协调。

​

多Agent系统设计模式

设计多Agent系统有多种方式，但我们常见两种广泛适用的模式：

• 管理者模式（Agent作为工具）：中央管理者/编排器将专业子Agent作为工具调用，并保持对话控制权。
• 交接模式：对等Agent将控制权移交给接管对话的专业Agent。这是去中心化的。

本指南重点介绍管理者模式（Agent作为工具），这是最常见且最直接的方法。

​

安装

npm install @llamaindex/workflow @llamaindex/openai llamaindex zod

​

管理者模式（Agent作为工具）

在管理者模式中，中央编排器将专业Agent作为工具调用。编排器在整个对话过程中保持控制权，并决定何时调用每个专业Agent。

​

创建专业Agent

每个专业Agent专注于特定任务：

import { agent } from '@llamaindex/workflow';
import { OpenAI } from '@llamaindex/openai';
import { createMemory } from 'llamaindex';

const llm = new OpenAI({
  model: process.env.OPENAI_MODEL || 'gpt-4o-mini',
  apiKey: process.env.OPENAI_API_KEY,
  baseURL: process.env.OPENAI_BASE_URL
});

const translatorAgent = agent({
  llm,
  name: 'TranslatorAgent',
  description: '将获取的内容翻译为目标语言，同时保留结构',
  systemPrompt: `你是TranslatorAgent。翻译提供的内容。
保留标题、列表、表格、代码块、引用和链接。
如果已经是目标语言，则原样返回。仅输出Markdown。`
});

const summarizerAgent = agent({
  llm,
  name: 'SummarizerAgent',
  description: '提取实体和事实；生成结构化内容和思维导图',
  systemPrompt: '你是SummarizerAgent。从翻译后的文章中提取关键实体和事实（带引用），构建主题大纲。',
  memory: createMemory({ tokenLimit: 100 * 1024 })
});

​

创建编排器

编排器通过委托给专业Agent来协调工作流。它将专业Agent包装为工具：