1 智能体编排模式介绍

传统的单Agent系统在处理复杂多面任务的能力方面受到较多限制，因此我们会有多Agent编排协作完成任务的需求。

事实上，在构建AI应用解决业务问题时，单个Agent往往无法胜任所有任务，常常需要我们将多个Agent组合起来系统工作。而这种组合与协调的方式，就被称为 Agent Orchestration 即 Agent编排。

MAF支持多种多Agent编排流程模式，每个模式都针对不同的协作方案而设计。这些模式作为框架的一部分提供出来，我们可以自己扩展。

在MAF中，常见的Agent编排模式如下：

Sequential 顺序编排：即各个Agent依次处理并传递给下一个Agent执行；
Concurrent 并发编排：即多个Agent并行处理同一个任务，然后汇聚结果；
Handoffs 移交编排：即每个Agent都可以将对话移交给另一个Agent，确保每个Agent处理任务的某个部分；
GroupChat 群聊编排：即多个Agent加入了同一个微信群，通过群聊对话形成一些决策；

对应到MAF中，AgentWorkflowBuilder 类提供了这些编排模式的具体实现，我们开发者可以直接使用对应的接口即可快速完成有一次编排而无需自行实现Edge连接。

2 智能体编排模式详解

2.1 顺序编排

在顺序编排模式中，各个Agent被组成一个流程，每个Agent都会处理任务，并将执行结果输出传递给下一个待执行的Agent。可以看出，对于每个基于上一步骤构建的工作流（Workflow）来说，这是比较适合的模式。

目前，像文档审阅、工作流、数据处理管道、多阶段推理等，是比较常见的应用场景。

下面的代码展示了在MAF中的顺序编排实现：

复制代码

var analyst = new ChatClientAgent(...);
var writer = new ChatClientAgent(...);
var editor = new ChatClientAgent(...);
// Build a Workflow
var workflow = AgentWorkflowBuilder.BuildSequential(
    "content-team-workflow", 
    [analyst, writer, editor]);
// Test the Workflow
......

可以看到，通过BuildSequential方法即可快速完成一次顺序编排。

2.2 并发编排

并发模式使用多个Agent并行处理同一个任务，每个Agent都可以独立处理输入，并收集并聚合结果。

此模式比较适合多种观点或解决方案很有价值的场景，比如集思广益、群体推理以及其他投票系统。

下面的代码展示了在MAF中的代码实现：

复制代码

// Step1. Create Agents
var sensitiveWordAgent = new ChatClientAgent(...);
var adDetectionAgent = new ChatClientAgent(...);
var sentimentAgent = new ChatClientAgent(...);

// Step2. Build a Workflow
var workflow = AgentWorkflowBuilder.BuildConcurrent(
    agents: new[] { sensitiveWordAgent, adDetectionAgent, sentimentAgent },
    aggregator: auditAggregator
);

// Step3. Test the workflow
......

2.3 移交编排

在移交（也可以叫做交接）编排模式中，允许各个Agent根据上下文或用户请求相互转移控制权，每个Agent都可以通过适当的专业知识将对话"移交"给另一个Agent，确保每个Agent处理任务的某个指定部分。

这种模式非常适合于客户支持（客服）、专家系统或需要动态委派类型的任务场景。

下面的代码展示了在MAF的代码实现：

复制代码

// Step1. Create Agents
var triageAgent = new ChatClientAgent(...);
var historyTutor = new ChatClientAgent(...);
var mathTutor = new ChatClientAgent(...);
// Step2. Build a Workflow
var workflow = AgentWorkflowBuilder.CreateHandoffBuilderWith(triageAgent)
    .WithHandoffs(triageAgent, [mathTutor, historyTutor]) // Triage can route to either specialist
    .WithHandoffs([mathTutor, historyTutor], triageAgent) // Math or History tutor can return to triage
    .Build();
// Step3. Test the workflow
.....

2.4 群聊编排

在群聊编排模式中，各个Agent就像加入了一个微信群，由群管理员协调进行群聊对话。这种模式非常适合于模拟会议、辩论或协作解决问题的会议类型场景。

下图展示了一个讨论业务建议的用例，由一个Chat Manager负责主持对话，依次让三个参与对话的Agent进行建议发表。这个Chat Manager就像是群管理员，它不仅负责主持对话，也会在必要时引入人工干预。

下面的代码展示了在MAF的代码实现：

复制代码

// Step1. Create Agents
var researchAgent = new ChatClientAgent(...);
var writerAgent = new ChatClientAgent(...);
var criticAgent = new ChatClientAgent(...);
// Step2. Build a Workflow
var workflow = AgentWorkflowBuilder.CreateGroupChatBuilderWith(
  agents => new RoundRobinGropuChatManager(agents))
      .AddParticipants(researchAgent, writerAgent, criticAgent)
      .Build();
// Step3. Test the workflow
.....