1 并行执行模式

在实际业务场景中，往往需要在工作流中让多个Agent同时运行再通过聚合结果做做一些数据分析或决策呈现，这时就需要并行执行机制。

在MAF中，我们可以使用 Fan-Out/Fan-In 模式来实现这个目的，如下代码片段所示：

复制代码

var workflow = new WorkflowBuilder(startExecutor)
    .AddFanOutEdge(startExecutor, [amazonExecutor, ebayExecutor, shopeeExecutor])
    .AddFanInEdge([amazonExecutor, ebayExecutor, shopeeExecutor], strategyExecutor)
    .WithOutputFrom(strategyExecutor)
    .Build();

可以看到，我们通过MAF的 AddFanOutEdge 和 AddFanInEdge 来实现了并行执行的目的，最后通过一个自定义的执行器来做聚合。

核心概念补充：

Fan-Out Edge => 并发执行边
Fan-In Edge => 汇聚边

2 并行工作流实验案例

假设我们是一个跨境电商团队，想要实时监控同一个商品在多个电商平台（如亚马逊、eBay、Shopee等）的定价策略，在检测到竞争对手降价时快速做出响应决策。

因此，我们的目标是：配置一个 Fan-Out + Fan-In 工作流，实现一次查询、并行抓取、智能决策的企业级模式。

2.1 关键依赖包引入

在今天的这个案例中，我们仍然创建了一个.NET控制台应用程序，安装了以下NuGet包：

Microsoft.Agents.AI.OpenAI
Microsoft.Agents.AI.Workflows
Microsoft.Extensions.AI.OpenAI

2.2 定义数据传输模型

首先，我们定义一下在这个工作流中需要生成传递的数据模型：

PriceQueryDto ：价格查询模型DTO

复制代码

internal class PriceQueryDto
{
    public string ProductId { get; private set; }
    public string ProductName { get; private set; }
    public string TargetRegion { get; private set; }
    public PriceQueryDto(string productId, string productName, string targetRegion)
    {
        ProductId = productId;
        ProductName = productName;
        TargetRegion = targetRegion;
    }
}

2.3 定义Agents&Executors

**（1）价格查询：**封装各大电商平台的价格查询逻辑，模拟其API响应，仅仅做演示用无实际逻辑：

复制代码

internal sealed class PlatformPriceExecutor : Executor<ChatMessage>
{
    private readonly string _instructions;
    private readonly IChatClient _chatClient;

    public PlatformPriceExecutor(string id, IChatClient chatClient, string platformInstructions)
        : base(id)
    {
        _chatClient = chatClient;
        _instructions = platformInstructions;
    }

    public override async ValueTask HandleAsync(ChatMessage message, IWorkflowContext context, CancellationToken cancellationToken = default)
    {
        var messages = new List<ChatMessage>
        {
            new(ChatRole.System, _instructions),
            message
        };

        var response = await _chatClient.GetResponseAsync(messages, cancellationToken: cancellationToken);
        var replyMessage = new ChatMessage(ChatRole.Assistant, response.Text ?? string.Empty)
        {
            AuthorName = this.Id
        };

        await context.SendMessageAsync(replyMessage, cancellationToken: cancellationToken);
        Console.WriteLine($"✅ {this.Id} 完成查询");
    }
}

（2）广播查询请求执行器： 负责广播价格查询请求到各大电商平台并发放TurnToken。

NOTE：只有发放了TurnToken才能真正开启执行后续LLM节点！

复制代码

internal sealed class PriceQueryStartExecutor() : Executor<PriceQueryDto>(nameof(PriceQueryStartExecutor))
{
    public override async ValueTask HandleAsync(PriceQueryDto query, IWorkflowContext context, CancellationToken cancellationToken = default)
    {
        var userPrompt = $@"商品ID: {query.ProductId}
商品名称: {query.ProductName}
目标区域: {query.TargetRegion}

请查询该商品在你的平台上的当前价格、库存状态和配送信息。";
        await context.SendMessageAsync(new ChatMessage(ChatRole.User, userPrompt), cancellationToken: cancellationToken);
        await context.SendMessageAsync(new TurnToken(emitEvents: true), cancellationToken: cancellationToken);

        Console.WriteLine("📡 Fan-out 价格查询广播已发送");
    }
}

（3）定价聚合： 模拟收集到所有平台的定价之后执行的数据聚合操作。

复制代码

internal sealed class PricingStrategyExecutor : Executor<ChatMessage>
{
    private readonly List<ChatMessage> _messages = [];
    private readonly int _targetCount;

    public PricingStrategyExecutor(int targetCount) : base(nameof(PricingStrategyExecutor))
    {
        _targetCount = targetCount;
    }

    public override async ValueTask HandleAsync(ChatMessage message, IWorkflowContext context, CancellationToken cancellationToken = default)
    {
        this._messages.Add(message);
        Console.WriteLine($"📊 已收集 {_messages.Count}/{_targetCount} 个平台数据 - 来自 {message.AuthorName}");

        if (this._messages.Count == this._targetCount)
        {
            var platformData = string.Join("\n", this._messages.Select(m => $"• {m.AuthorName}: {m.Text}"));
            var strategyReport = $@"━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📊 多平台价格汇总（共 {this._messages.Count} 个平台）
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

{platformData}

━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
💡 智能定价建议
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
基于以上数据，建议分析竞争对手价格区间，制定差异化定价策略。
考虑因素：库存压力、配送成本、平台佣金率、目标利润率。";

            await context.YieldOutputAsync(strategyReport, cancellationToken);

            Console.WriteLine("✨ Fan-in 定价策略生成完成");
        }
    }
}

2.4 构建工作流

现在万事俱备，只欠一个Workflow，现在Let's do it!

Step1: 获取ChatClient

复制代码

var chatClient = new OpenAIClient(
        new ApiKeyCredential(openAIProvider.ApiKey),
        new OpenAIClientOptions { Endpoint = new Uri(openAIProvider.Endpoint) })
    .GetChatClient(openAIProvider.ModelId)
    .AsIChatClient();

Step2: 实例化自定义Agent & Executors

复制代码

var amazonExecutor = new PlatformPriceExecutor(
    "AmazonPriceAgent",
    chatClient,
    "你是Amazon平台价格查询Agent。返回格式：价格=$XXX，库存状态=充足/紧张，配送说明=Prime会员免运费/标准配送。"
);
var ebayExecutor = new PlatformPriceExecutor(
    "eBayPriceAgent",
    chatClient,
    "你是eBay平台价格查询Agent。返回格式：价格=$XXX，商品状态=全新/二手XX新，运费说明=包邮/买家承担。"
);
var shopeeExecutor = new PlatformPriceExecutor(
    "ShopeePriceAgent",
    chatClient,
    "你是Shopee平台价格查询Agent。返回格式：价格=$XXX（含税），区域=东南亚/台湾，促销信息=满减活动/无。"
);
var startExecutor = new PriceQueryStartExecutor();
var strategyExecutor = new PricingStrategyExecutor(3);

Step3: 创建并行执行工作流

复制代码

var workflow = new WorkflowBuilder(startExecutor)
        .AddFanOutEdge(startExecutor, [amazonExecutor, ebayExecutor, shopeeExecutor])
        .AddFanInEdge([amazonExecutor, ebayExecutor, shopeeExecutor], strategyExecutor)
        .WithOutputFrom(strategyExecutor)
        .Build();
Console.OutputEncoding = Encoding.UTF8;
Console.WriteLine("✅ Loop Workflow 构建完成");

2.5 测试工作流

定义查询的商品是IPhone15：

复制代码

var priceQuery = new PriceQueryDto(
    productId: "IPHONE15-PRO-256",
    productName: "iPhone 15 Pro 256GB",
    targetRegion: "US"
);

通过Streaming流式执行：

复制代码

await using (var run = await InProcessExecution.StreamAsync(workflow, priceQuery))
{
    await foreach (var evt in run.WatchStreamAsync())
    {
        switch (evt)
        {
            case ExecutorInvokedEvent started:
                Console.WriteLine($"🚀 {started.ExecutorId} 开始运行");
                break;
            case ExecutorCompletedEvent completed:
                Console.WriteLine($"✅ {completed.ExecutorId} 结束运行");
                break;
            case WorkflowOutputEvent outputEvent:
                Console.WriteLine("🎉 Fan-in 汇总输出：");
                Console.WriteLine($"{outputEvent.Data}");
                break;
            case WorkflowErrorEvent errorEvent:
                Console.WriteLine("✨ 收到 Workflow Error Event：");
                Console.WriteLine($"{errorEvent.Data}");
                break;
        }
    }
}

测试结果如下图所示：