142.Agent-多Agent框架-通过Skills实现多Agent

**摘要：**本文介绍如何通过 LangChain 的 Skills 机制实现多 Agent 协作。核心思路是让 Agent 在调用大模型前，通过自定义中间件动态替换系统提示词，将技能内容注入上下文，并由大模型自主判断是否需要调用 load_skill 工具激活对应技能。文中以 SQL 查询助手为例，完整演示了技能定义、中间件实现、Agent 创建与测试运行的代码流程。

内容参考于：图灵AI大模型全栈

通过Skills实现多Agent就是让Agent切换不同的Skill来完成本次任务，它是单智能体

它的核心就是在调用大模型之前，把系统提示词替换成技能的内容，位置1是声明技能的变量方便后期使用，位置2是定义的技能信息（这里没有把技能写到SKILL.md文件里，是通过在代码中写死的方式创建的技能），位置3是执行技能的工具

然后通过自定义中间件，在调用模式时重写系统提示词，让大模型判断是否需要技能，如果需要技能就调用 load_skill 工具激活技能

创建Agent

代码

from langchain_core.utils.uuid import uuid7
from typing import TypedDict
from langchain.tools import tool
from langchain.agents import create_agent
from langchain.agents.middleware import ModelRequest, ModelResponse, AgentMiddleware
from langchain.messages import SystemMessage
from langgraph.checkpoint.memory import InMemorySaver
from typing import Callable
定义技能结构
class Skill(TypedDict):
"""支持按需加载的技能定义"""
name: str  # 技能名称
description: str  # 技能简介
content: str  # 技能详细内容
定义技能（Schema + 业务规则）
SKILLS: list[Skill] = [
{
"name": "sales_analytics",
"description": "销售数据分析相关数据库结构与业务规则，包括客户、订单、收入统计。",
"content": """
销售分析数据库说明
数据表
customers（客户表）
customer_id（主键）
name（客户姓名）
email（邮箱）
signup_date（注册日期）
status（状态：active/inactive）
customer_tier（客户等级：bronze/silver/gold/platinum）
orders（订单表）
order_id（主键）
customer_id（外键 -> customers）
order_date（下单时间）
status（状态：pending/completed/cancelled/refunded）
total_amount（订单总金额）
sales_region（销售区域：north/south/east/west）
order_items（订单明细表）
item_id（主键）
order_id（外键 -> orders）
product_id（商品ID）
quantity（购买数量）
unit_price（单价）
discount_percent（折扣百分比）
业务规则
【活跃客户】
status='active'
且注册时间早于当前日期 90 天。
【收入统计】
仅统计 status='completed' 的订单，
收入直接使用 orders.total_amount。
【客户生命周期价值（CLV）】
统计客户所有已完成订单金额总和。
【高价值订单】
订单金额 total_amount > 1000。
示例 SQL
-- 查询最近一个季度收入最高的前10名客户
SELECT
c.customer_id,
c.name,
c.customer_tier,
SUM(o.total_amount) AS total_revenue
FROM customers c
JOIN orders o
ON c.customer_id = o.customer_id
WHERE o.status='completed'
AND o.order_date >= CURRENT_DATE - INTERVAL '3 months'
GROUP BY
c.customer_id,
c.name,
c.customer_tier
ORDER BY total_revenue DESC
LIMIT 10;
""",
},
{
"name": "inventory_management",
"description": "库存管理数据库结构与业务规则，包括商品、仓库和库存分析。",
"content": """
库存管理数据库说明
数据表
products（商品表）
product_id（主键）
product_name（商品名称）
sku（库存编码）
category（分类）
unit_cost（成本价）
reorder_point（补货阈值）
discontinued（是否停售）
warehouses（仓库表）
warehouse_id（主键）
warehouse_name（仓库名称）
location（位置）
capacity（容量）
inventory（库存表）
inventory_id（主键）
product_id（外键 -> products）
warehouse_id（外键 -> warehouses）
quantity_on_hand（现有库存）
last_updated（更新时间）
stock_movements（库存流水）
movement_id（主键）
product_id（外键）
warehouse_id（外键）
movement_type（类型：
inbound 入库 /
outbound 出库 /
transfer 调拨 /
adjustment 调整）
quantity（数量）
movement_date（发生时间）
reference_number（单据号）
业务规则
【可用库存】
inventory.quantity_on_hand > 0。
【需要补货商品】
所有仓库库存总和
<= 产品 reorder_point。
【有效商品】
默认排除停售商品：
discontinued=false。
【库存估值】
quantity_on_hand × unit_cost。
示例 SQL
-- 查询库存低于补货线的商品
SELECT
p.product_id,
p.product_name,
p.reorder_point,
SUM(i.quantity_on_hand) AS total_stock,
p.unit_cost,
(
p.reorder_point
- SUM(i.quantity_on_hand)
) AS units_to_reorder
FROM products p
JOIN inventory i
ON p.product_id=i.product_id
WHERE p.discontinued=false
GROUP BY
p.product_id,
p.product_name,
p.reorder_point,
p.unit_cost
HAVING
SUM(i.quantity_on_hand)
<= p.reorder_point
ORDER BY units_to_reorder DESC;
""",
},
]
创建技能加载工具
@tool
def load_skill(skill_name: str) -> str:
"""
加载指定技能的完整内容到上下文。
当需要详细规则、数据库结构、
SQL 编写规范时调用。

参数：
    skill_name：技能名称
"""

for skill in SKILLS:
    if skill["name"] == skill_name:
        return (
            f"已加载技能：{skill_name}\n\n"
            f"{skill['content']}"
        )

available = ", ".join(
    s["name"]
    for s in SKILLS
)

return (
    f"未找到技能：{skill_name}\n"
    f"可用技能：{available}"
)
技能中间件
class SkillMiddleware(AgentMiddleware):
"""向系统提示中注入技能目录"""
tools = [load_skill]

def __init__(self):
    skills_list = []

    for skill in SKILLS:
        skills_list.append(
            f"- {skill['name']}："
            f"{skill['description']}"
        )

    self.skills_prompt = "\n".join(
        skills_list
    )

def wrap_model_call(
        self,
        request: ModelRequest,
        handler: Callable[
            [ModelRequest],
            ModelResponse
        ],
) -&gt; ModelResponse:
    skills_addendum = f"""
    ## 可用技能
    {self.skills_prompt}
    如需完整规则，请调用：
    load_skill
    """
    new_content = (
            list(
                request.system_message.content_blocks
            )
            + [
                {
                    "type": "text",
                    "text": skills_addendum
                }
            ]
    )

    new_system_message = SystemMessage(
        content=new_content
    )

    modified_request = (
        request.override(
            system_message=new_system_message
        )
    )

    return handler(
        modified_request
    )
初始化模型
import os
from dotenv import load_dotenv
from langchain_qwq import ChatQwen
load_dotenv()
model = ChatQwen(
model="qwen3.7-flash",
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url=os.getenv("DASHSCOPE_BASE_URL"),
enable_thinking=False,
)
创建 Agent
agent = create_agent(
model=model,
system_prompt="""
你是一名 SQL 查询助手。
你的职责：
理解用户业务需求
按需加载技能
根据数据库结构生成 SQL
遵循业务规则
""",
middleware=[
SkillMiddleware()
],
checkpointer=InMemorySaver(),
)
测试运行
if name == "main":
thread_id = str(
    uuid7()
)

config = {
    "configurable": {
        "thread_id": thread_id
    }
}

result = agent.invoke(
    {
        "messages": [
            {
                "role": "user",
                "content":
                    "查询最近一个月订单金额超过1000元的客户"
            }
        ]
    },
    config
)

for message in result["messages"]:
    if hasattr(
            message,
            "pretty_print"
    ):
        message.pretty_print()
    else:
        print(
            f"{message.type}: "
            f"{message.content}"
        )

---