--- title: "04-多智能体深度协作" created: 2026-05-14 tags: - 博客 --- # 多智能体深度协作 前面两篇我们聊的都是单个Agent，但在真实的业务场景中，一个Agent往往搞不定复杂的任务。 想象一下，你有一个超级智能客服的需求：它要能回答产品问题、处理售后投诉、查询订单物流、还要能做数据分析给出运营建议。如果把这些能力都塞到一个Agent里，会发生什么？ 这就是本篇要解决的问题：**当一个Agent不够用时，怎么让多个Agent协作起来** 。 ## 单打独斗为啥不够用 先来看看单个Agent在复杂任务面前会遇到哪些问题。 ### 上下文窗口不够用 每个LLM都有上下文窗口的限制。当任务复杂、步骤多的时候，历史对话+工具调用结果会迅速堆积，很快就撑爆窗口。 更麻烦的是**注意力发散问题** ：当上下文太长时，模型对关键信息的关注度会下降，导致效果变差。本来能做对的事情，上下文一长就开始犯糊涂。 ### 工具太多选不对 一个Agent如果配了几十个工具，LLM很容易选错工具或者不会用。就像给一个人塞了一整套工具箱，他反而不知道该用哪个。 ### 专业度不够 不同类型的任务需要不同的"专家"。让一个通用Agent既懂技术问题又懂售后流程还懂数据分析，效果肯定不如专门训练的专家Agent。 ### 效率太低 单Agent只能串行执行，任务复杂时特别慢。比如同时要查订单、查物流、查退款进度，串行查三遍，用户等得花都谢了。 ### 解决方案：多智能体 > 这些问题的解决思路都指向一个方向：**分而治之** 。 > > 把复杂任务拆分给多个专业Agent，每个Agent只负责自己擅长的领域，通过协作完成整体任务。这样： > > - 每个Agent的上下文更短，效果更好 > - 每个Agent的工具更少，选择更准 > - 专业Agent专注于专业任务，效果更好 > - 多个Agent可以并行工作，效率更高 > > 这就是 **多智能体系统（Multi-AgentSystem）** 的核心思想。 ## 三种主流协作模式 多智能体如何协作？目前主流的有三种模式：**SubAgents（子智能体调度）** 、**HandOff（任务交接）** 、**ChatGroup（群聊协作）** 。 我们用一个统一的场景来说明：**构建一个智能客服团队** ，需要产品顾问、售后专员、物流查询员三个角色。 ### 模式一：SubAgents（子智能体调度） **核心思想** ：有一个主Agent（协调员），其他Agent作为它的"工具"来使用。主Agent根据任务需要，决定调用哪个子Agent。 ![[7-Blog/AI技术/智能体是什么/assets/FvED-qc7KEm8Jwh2ahQY1eeFCB9E-91acd88e.png]] **特点** ： - 主Agent掌控全局，子Agent被动响应 - 子Agent之间互相不通信，都通过主Agent - 上下文隔离：每次调用子Agent都是"新对话" **打个比方** ：主Agent就像一个项目经理，手下有几个专业员工。项目经理接到任务后，决定分配给谁做，收集结果后汇报给客户。员工之间不直接交流，都通过项目经理。 **SpringAIAlibaba实现** ： ``` // 创建产品顾问Agent ReactAgent productAgent = ReactAgent.builder() .name("product_advisor") .model(chatModel) .description("负责解答产品功能、使用方法、技术参数等问题") .instruction("你是专业的产品顾问，熟悉各类电子产品...") .tools(productKnowledgeTool) .build(); // 创建售后专员Agent ReactAgent serviceAgent = ReactAgent.builder() .name("service_agent") .model(chatModel) .description("负责处理退换货、投诉、维修等售后问题") .instruction("你是资深售后专员，熟悉退换货流程...") .tools(orderQueryTool, refundTool) .build(); // 创建物流查询Agent ReactAgent logisticsAgent = ReactAgent.builder() .name("logistics_agent") .model(chatModel) .description("负责查询物流状态、配送进度") .instruction("你是物流查询专员...") .tools(logisticsApiTool) .build(); // 创建主Agent，把子Agent作为工具 ReactAgent mainAgent = ReactAgent.builder() .name("customer_service_coordinator") .model(chatModel) .instruction(""" 你是智能客服协调员，根据用户问题选择合适的专家处理： - 产品相关问题 → 使用产品顾问 - 售后问题 → 使用售后专员 - 物流问题 → 使用物流查询 可以同时使用多个专家来处理复杂问题。 """) .tools( AgentTool.getFunctionToolCallback(productAgent), AgentTool.getFunctionToolCallback(serviceAgent), AgentTool.getFunctionToolCallback(logisticsAgent) ) .build(); // 使用 String response = mainAgent.call("耳机左边没声音想退，顺便帮我看下快递到哪了").getText(); ``` > **原理简析** ：`AgentTool.getFunctionToolCallback`把一个Agent包装成ToolCallback，当主Agent决定调用某个子Agent时，实际上就是执行了那个子Agent的invoke方法。 ### 模式二：HandOff（任务交接） **核心思想** ：Agent之间可以互相"交接棒"。当前Agent如果发现任务不属于自己的专业范围，主动把任务交给更合适的Agent。 ![[7-Blog/AI技术/智能体是什么/assets/FmlvdNb6lbh8oTnycJv1_GUNe5oF-e52db5b7.png]] **特点** ： - 没有固定的"主Agent"，任何Agent都可以是入口 - Agent自己判断是否需要交接 - 支持链式交接：A→B→C - 上下文可以在交接时传递 **打个比方** ：就像公司的客服热线，你打进去可能先接到一个通用客服，他发现问题需要技术支持就转接给技术，技术发现需要售后又转接给售后。每次转接，前面的对话记录都会传过去。 **SpringAIAlibaba实现** ： Spring AI Alibaba提供了多种HandOff的实现方式，最常用的是FlowAgent系列： ``` // SequentialAgent：顺序执行，自动交接 SequentialAgent sequentialAgent = SequentialAgent.builder() .name("customer_service_flow") .description("客服处理流程") .subAgents(List.of( intentClassifyAgent, // 先识别意图 problemSolveAgent, // 再解决问题 satisfactionAgent // 最后满意度调查 )) .build(); // LlmRoutingAgent：LLM智能路由 LlmRoutingAgent routingAgent = LlmRoutingAgent.builder() .name("smart_router") .description("根据用户问题智能路由到合适的专家") .model(chatModel) .subAgents(List.of(productAgent, serviceAgent, logisticsAgent)) .build(); // SupervisorAgent：监督者模式，支持多轮路由 SupervisorAgent supervisorAgent = SupervisorAgent.builder() .name("customer_service_supervisor") .description("客服主管，协调各专员处理问题") .model(chatModel) .subAgents(List.of(productAgent, serviceAgent, logisticsAgent)) .build(); ``` **各种FlowAgent对比** ： | FlowAgent类型 | 特点 | 适用场景 | | --- | --- | --- | | SequentialAgent | 按预定顺序依次执行 | 固定流程，如审批链 | | ParallelAgent | 多个Agent并行执行 | 需要同时处理多个任务 | | LlmRoutingAgent | LLM决定路由到哪个Agent | 简单的意图分发 | | SupervisorAgent | 支持多轮路由，可循环 | 复杂的多步骤协作 | ### 模式三：Chat Group（群聊协作） **核心思想** ：多个Agent在一个"群聊"里协作，有一个管理员（Group Manager）控制发言顺序，按轮次讨论直到任务完成。 ![[7-Blog/AI技术/智能体是什么/assets/FmYOnSo5sxcIphmKriKaXiF5N25x-12bae4d9.png]] **特点** ： - 所有Agent共享同一个消息通道 - 管理器决定发言顺序 - 每轮只有一个Agent发言 - 适合需要多角度讨论的任务 **打个比方** ：就像公司开会，会议主持人控制发言顺序，各部门依次发表意见，最后主持人总结。 **适用场景** ： - 复杂问题需要多角度分析 - 头脑风暴类任务 - 需要多方协调达成共识 *这种模式在AutoGen框架中有完整实现，Spring AI Alibaba目前支持有限，可以通过自定义Workflow来实现类似效果。* ## 三种模式怎么选 | 维度 | SubAgents | HandOff | Chat Group | | --- | --- | --- | --- | | 控制方式 | 主Agent集中控制 | 各Agent自主交接 | 管理器协调 | | 通信方式 | 星型（都通过主Agent） | 链式或网状 | 广播（共享频道） | | 灵活性 | 中 | 高 | 中 | | 实现复杂度 | 低 | 中 | 高 | | 适合场景 | 任务可明确分类 | 流程不固定 | 需要多方讨论 | - 任务能明确分给某个专家 → **SubAgents** - 需要灵活的流程控制 → **HandOff** - 需要多角度讨论 → **ChatGroup** ## 实战：构建智能客服团队 最后，我们用Spring AI Alibaba完整实现一个智能客服团队： ```java @Service public class CustomerServiceTeam { @Autowired private ChatModel chatModel; // 产品知识库工具 private ToolCallback productKnowledgeTool = FunctionToolCallback.builder( "search_product_info", (query, ctx) -> "产品信息：蓝牙5.0，续航8小时..." ).description("搜索产品信息").inputType(String.class).build(); // 订单查询工具 private ToolCallback orderQueryTool = FunctionToolCallback.builder( "query_order", (orderId, ctx) -> "订单状态：已发货，快递单号SF123456" ).description("查询订单状态").inputType(String.class).build(); // 退款处理工具 private ToolCallback refundTool = FunctionToolCallback.builder( "apply_refund", (orderId, ctx) -> "退款申请已提交，预计3个工作日处理" ).description("申请退款").inputType(String.class).build(); public ReactAgent buildTeam() { // 产品顾问 ReactAgent productAgent = ReactAgent.builder() .name("product_advisor") .model(chatModel) .description("解答产品功能、使用方法、技术参数等问题") .instruction("你是专业的产品顾问，用通俗易懂的语言解答用户的产品疑问。") .tools(productKnowledgeTool) .build(); // 售后专员 ReactAgent serviceAgent = ReactAgent.builder() .name("after_sales_agent") .model(chatModel) .description("处理退换货、投诉、维修等售后问题") .instruction("你是耐心的售后专员，帮助用户解决售后问题，态度友好。") .tools(orderQueryTool, refundTool) .build(); // 主协调Agent ReactAgent coordinator = ReactAgent.builder() .name("service_coordinator") .model(chatModel) .instruction(""" 你是智能客服协调员，负责理解用户需求并分配给合适的专家： - 产品咨询（功能、使用、参数）→ 产品顾问 - 售后问题（退换货、投诉、维修）→ 售后专员 如果一个问题涉及多个方面，可以依次调用多个专家。 最后汇总各专家的回答，给用户一个完整的答复。 """) .tools( AgentTool.getFunctionToolCallback(productAgent), AgentTool.getFunctionToolCallback(serviceAgent) ) .saver(new MemorySaver()) .build(); return coordinator; } public String chat(String message, String sessionId) { ReactAgent team = buildTeam(); RunnableConfig config = RunnableConfig.builder() .threadId(sessionId) .build(); return team.call(message, config).getText(); } } ``` **使用示例** ： ```java @RestController @RequestMapping("/customer-service") public class CustomerServiceController { @Autowired private CustomerServiceTeam team; @GetMapping("/chat") public String chat(@RequestParam String message, @RequestParam String sessionId) { return team.chat(message, sessionId); } } ``` 测试一下： ``` GET /customer-service/chat?message=耳机怎么配对手机&sessionId=user001 → 产品顾问回答配对步骤 GET /customer-service/chat?message=左边没声音想退货&sessionId=user001 → 售后专员处理退货 ``` ## 小结 这篇我们聊了多智能体协作： **为什么需要多智能体** ： - 上下文窗口限制 - 工具太多难选择 - 专业度要求 - 效率问题 **三种协作模式** ： - **SubAgents** ：主Agent调度子Agent，简单直接 - **HandOff** ：Agent之间自主交接，灵活自由 - **ChatGroup** ：群聊讨论，适合多角度分析 **SpringAIAlibaba支持** ： - `AgentTool.getFunctionToolCallback`实现SubAgents - `SequentialAgent/LlmRoutingAgent/SupervisorAgent`实现HandOff