跳转至

多 Agent 编排

multi-agent 通过注入的 AgentRunner(即 AgentEngine)协调父运行与子任务。子运行 沿用与单 agent 相同的 Action、Observation、策略、记忆与执行日志契约。

  • SubagentDelegationManager 实现核心 DelegationManager 契约:spawn_subagent 立即运行子任务或创建异步子任务,join_subagent 运行/观测它,cancel_subagent 停止 它。子 agent 继承父的工具与能力、获得有界预算,并把结果作为父观测返回。
  • TaskGraphCoordinator 增加只追加的交接、子运行 resume/cancel 钩子、observer 轨迹 桥接、预算汇总,以及共享记忆写入提案 + 授权。

编排模式

在 AgentRunner 接缝上组合的可复用模式(不改内核)。每个模式接收一个 runner 与若干 OrchestrationStep({ agent, task, host, budget? }):

模式 作用
runParallel(runner, steps, { concurrency }) 有界并发扇出,结果按输入顺序;抛错的分支变为 failed 结果,不会拖垮整批。
mapReduce(runner, steps, reduce, { concurrency }) 扇出后合并结果。
vote(runner, steps, { answerKey, concurrency }) 对 N 次运行做辩论/多数投票(同一任务不同人设,或 N 次采样)→ VoteResult { result, key, agreement, results }。
plannerWorkerCritic(runner, { planner, decompose, synthesize }) 一个 planner 运行拆解任务,workers 并行跑子步骤,critic 综合。decompose/synthesize 由宿主提供。 
import { vote } from "@agentic-kernel/multi-agent";

const result = await vote(engine, [stepA, stepB, stepC]);
console.log(result.key, result.agreement);

from agentic_kernel.multi_agent import vote

result = await vote(engine, [step_a, step_b, step_c])
print(result.key, result.agreement)

这些模式在真实 LLM 综合测试中 用真实模型做了验证。