Dify 中级实验（13）：多 Agent 协作——如何编排多个智能体分工干活？

Dify 中级实验（13）：多 Agent 协作------如何编排多个智能体分工干活？

Dify 实验系列 · 中级 13/20 | 实验编号：DIFY-102-14

上一篇：Dify 中级实验（12）：Agent 深度配置------如何让智能体自主调用工具？

1. 实验目的

一个 Agent 干所有事，结果往往是「样样通、样样松」。本实验用 Workflow 编排多个专业 Agent 协同：任务分发 → 并行执行 → 汇总裁决。核心是掌握「Dify 里怎么把多个 Agent 串起来」的可行方案（HTTP 调 API / 代码模拟）与输出一致性设计。适合已经会配单个 Agent、想上多角色协作架构的同学。

2. 场景设计

「企业全面分析报告」需要市场、财务、技术三个专业视角，每个维度都需要专业知识，一个 Agent 做不好所有事。本实验的「多 Agent 报告生成器」：输入产品名 + 公司名 → 任务分发节点生成三个任务文本 → 三个专业分析师并行产出分析 → 首席分析师 LLM 汇总成 Markdown 报告（标注来源、裁决冲突、给出行动建议）。

关键约束：Dify Workflow 原生不支持直接调用另一个 Agent 应用，两条路：

方案 A ：HTTP 节点调用各 Agent 的 /v1/chat-messages API（真实部署，每个 Agent 独立发布并配独立 API Key）；
方案 B：代码节点模拟各 Agent 输出（本 DSL 采用，导入即跑通，适合学编排逻辑）。

3. 节点拓扑

text 复制代码

开始（product_name / company_name）
  ↓
任务分发（Code：生成 market_task / finance_task / tech_task）
  ├─→ 市场分析师（Code 模拟，sleep 0.5s）
  ├─→ 财务分析师（Code 模拟，sleep 0.5s）
  └─→ 技术分析师（Code 模拟，sleep 0.5s）
        ↓（并行汇合）
首席分析师汇总（LLM：三源引用 + 冲突裁决 + Markdown）
  ↓
结束（final_report）

4. 关键配置

4.1 任务分发（Code）

python 复制代码

def main(product_name: str, company_name: str) -> dict:
    product = product_name or "目标产品"
    company = company_name or "该公司"
    return {
        "market_task": "请对 {} 的 {} 产品进行市场分析（行业动态、竞品对比、市场趋势），输出 JSON 格式结果".format(company, product),
        "finance_task": "请分析 {} 的财务数据（模拟数据：营收、成本、盈利、风险），输出 JSON 格式结果".format(company),
        "tech_task": "请分析 {} 的 {} 产品的技术架构和成熟度（技术栈、优势、不足），输出 JSON 格式结果".format(company, product)
    }

4.2 专业分析师（Code 模拟，三节点同构）

每个节点只吃自己的任务文本，输出「报告文本 + JSON 串」双份，汇总与调试都有结构化数据可用：

python 复制代码

def main(market_task: str) -> dict:
    import json, time
    time.sleep(0.5)          # 模拟 Agent 推理耗时，便于观察并行
    conclusion = {
        "market_position": "行业跟随者（模拟结论）",
        "competitors": ["竞品A", "竞品B"],
        "trend": "上升",
        "key_findings": ["目标市场年增速约15%", "竞品A 主打性价比", "本产品差异化空间在于服务"],
        "market_report": "市场分析（模拟）：任务「{}」→ 行业跟随者地位，主要竞品竞品A/B，趋势上升，建议聚焦差异化服务切入。".format(market_task[:20])
    }
    return {"market_report": conclusion["market_report"],
            "market_json": json.dumps(conclusion, ensure_ascii=False)}

财务、技术节点同理（finance_report/finance_json、tech_report/tech_json）。三个节点输出变量名必须不同，否则并行分支汇合时互相覆盖。

4.3 首席分析师汇总（LLM）

jinja2 复制代码

你是一个首席分析师。请综合以下三位专家的分析结果，生成一份完整的企业分析报告。

━━━ 市场分析 ━━━
{{market_report}}

━━━ 财务分析 ━━━
{{finance_report}}

━━━ 技术分析 ━━━
{{tech_report}}

要求：
1. 每个部分标注来源专家（市场分析师/财务分析师/技术分析师）
2. 如果专家之间有冲突观点，明确指出并给出你的判断
3. 最后给出综合结论和行动建议
4. 格式：Markdown 格式，包含标题、小节、要点
5. 直接输出报告正文，不要输出任何解释性文字

4.4 方案 A：HTTP 节点调 Agent API（真实部署）

yaml 复制代码

方法: POST
URL: https://your-dify/v1/chat-messages
Headers:
  Authorization: Bearer {{#env.DIFY_AGENT_API_KEY#}}   # API Key 放环境变量，别硬编码
  Content-Type: application/json
Body:
  inputs: {}
  query: "{{#cd_dispatch.market_task#}}"
  response_mode: streaming     # agent-chat 应用只支持 streaming
  user: workflow-system

5. 运行验证

输入	预期	实测
product_name=智能客服系统，company_name=XX科技有限公司	三个分析师并行产出，总耗时 ≈ 最慢节点	三节点并行，约 0.5s 级完成
汇总报告含三节	市场/财务/技术各一小节并标注来源专家	Markdown 三节齐全，来源标注明确
检查各分析师 JSON	market_json / finance_json / tech_json 可 json.loads	全部可解析
换产品名再跑	三路任务文本同步更新	分发节点拼接正确，结论随之变化

6. 采坑点

坑	现象	修复
调 agent-chat 的 API 用 blocking	调用失败/取不回结果	response_mode 必须 streaming，HTTP 节点需解析 SSE 流；本地实验用方案 B 代码模拟（实测）
并行分支输出变量同名	汇合后结果互相覆盖，汇总错乱	三个分析师节点输出不同名变量（market_/finance_/tech_ 前缀）（实验文档设计约束）
各 Agent 输出格式不统一	汇总 LLM 拿到散文 + JSON 混合，解析失败	每个专业 Agent 的提示词里强制定义输出 JSON Schema（实验文档设计约束）
API Key 硬编码在 HTTP 节点	泄露风险 + 换 Key 要改流程	放环境变量，节点里 {``{#env.xxx#}} 引用（实验文档设计约束）
模拟节点不 sleep	看不出并行效果，误以为串行	加 `time.sleep(0.5)` 让并行可见（实验文档设计约束）

7. 实验文档及源码获取

实验文档 （完整操作步骤）：DIFY-14：多Agent协作编排.md
源码（可直接导入）：dify102_14_多Agent报告生成器.yml

文章聚焦核心配置与采坑点；实验的完整分步操作（节点搭建/参数表/调试指引）见实验文档原文。

下一篇：Dify 中级实验（14）：对话变量与状态管理------如何让工作流记住多轮对话的状态？

💬 你在这个实验的场景里踩过什么坑？欢迎评论区分享你的实战经验。