第七课：多 Agent 协作

目标

理解调度者如何选择专家，以及专家为什么可以表现成上级 Agent 的普通工具。

源码：07-multi-agent.ts

运行：

npm run lesson:07

结构

正在绘制流程图…

专家包装函数返回一个 Tool：

function specialistTool(
  name: string,
  description: string,
  tools: Tool[],
): Tool {
  return {
    name,
    description,
    async execute(arguments_) {
      const result = await runAgent(
        new DemoModel(),
        [{ role: "user", content: String(arguments_.question) }],
        tools,
      );
      return result.finalOutput;
    },
  };
}

从上级看，它是一个工具；进入 execute() 后，它运行的是完整 Agent 循环。

专家隔离

const mathAgent = specialistTool(
  "math_agent",
  "处理数学问题",
  [calculatorTool],
);

const weatherAgent = specialistTool(
  "weather_agent",
  "处理天气问题",
  [weatherTool],
);

数学专家看不到天气工具，天气专家也看不到计算器。

这样可以减少选错工具、缩小权限范围，并让每个专家独立测试。

当前调度方式

const chosenAgent =
  question.includes("计算") ? mathAgent : weatherAgent;

当前调度者是普通规则，不是 LLM。以后可以换成模型选择专家，但协作结构不变。

两种常见模式

• 专家作为工具：主管保持控制，调用专家完成子任务，再统一回答。
• Handoff：接待者把整个对话移交给专家，之后由专家直接服务用户。

本课结论

多 Agent 是职责拆分。专家内部仍是普通 Agent；对上级而言，专家可以被包装成一个工具。