multi_agent_collaboration

多 Agent 协作

何时使用

当任务明显需要多个专业 Agent 共同完成，或用户明确要求多 Agent 协作时使用。

应该使用

• 任务可拆分为多个专业子域，每个子域有对应 Agent
• 多个独立子任务可以并行执行（节省时间）
• 需要来自不同 Agent 的结果进行综合分析
• 用户明确要求"让 A 和 B 一起做"

不应使用

• 一个 Agent 可以完成，无需分工
• 只是简单咨询，用 chat_with_agent 即可
• 刚收到某 Agent 的消息，不要立刻回调它（防死循环）

两种协作模式

模式一：串行（有依赖关系）

B 的任务需要 A 的结果时使用：

# 第一阶段：A 完成
result_a = delegateToAgent(
  agentName="research-agent",
  task="[来自 Agent coordinator 的请求] 收集最新 AI 大模型基准测试数据，返回原始数据表格。"
)

# 第二阶段：B 基于 A 的结果处理
result_b = delegateToAgent(
  agentName="data-analyst",
  task="[来自 Agent coordinator 的请求] 基于以下数据生成分析报告和可视化建议：\n\n" + result_a
)

模式二：并行（互相独立）

多个子任务之间没有依赖时使用，最多同时 3 个：

results = delegateParallel(
  tasksJson="[
    {\"agentName\": \"research-agent\", \"task\": \"[来自 Agent coordinator 的请求] 搜索竞品 A 的最新功能更新\"},
    {\"agentName\": \"data-analyst\",   \"task\": \"[来自 Agent coordinator 的请求] 分析我们产品上月用户留存数据\"},
    {\"agentName\": \"writer-agent\",   \"task\": \"[来自 Agent coordinator 的请求] 起草本次竞品分析报告的大纲\"}
  ]"
)

所有任务完成后一次性返回全部结果，再由当前 Agent 整合。

完整工作流程

第一步：查询可用 Agent

listAvailableAgents()

根据各 Agent 的描述分配任务。

第二步：判断串行 or 并行

第三步：分配并执行

使用对应模式（见上）。

第四步：整合结果

由当前 Agent（编排者）负责整合所有 Agent 的返回结果，形成最终回复。不要把整合工作再委托给某个子 Agent。

关键规则

• 任务说明中加 [来自 Agent <名称> 的请求] 帮助目标 Agent 识别来源
• 并行任务数量不超过 3 个；超过时按优先级分批
• 不让两个 Agent 互相调用对方（会形成死循环）
• 整合由编排者负责，不再向下委托
• 如需上下文连贯，在 task 中附带前一阶段的关键结论

与 chat_with_agent 的区别