多智能体编排从入门到生产Multi-Agent Orchestrator 路由、存储与避坑完整指南【免费下载链接】agent-squadFlexible and powerful framework for managing multiple AI agents and handling complex conversations项目地址: https://gitcode.com/GitHub_Trending/mu/agent-squad一个 LLM 同时应对产品咨询、订单查询和售后投诉时经常力不从心拆成多个专职智能体是常见思路——但请求该转给谁、上下文谁来记、多个智能体怎么协同这些都得自己搭。Multi-Agent Orchestrator 就是一个多智能体编排框架专门解决这三件事它用分类器相当于前台调度员决定把问题转给哪个部门把请求自动路由到最合适的智能体按智能体维度维护对话历史并同时在 Python 和 TypeScript 两种语言里提供同一套能力。做智能客服或多领域问答应用的开发者基本都会用到它。架构全景一个请求从进到出的完整链路先看全貌。你调用编排器后请求走一条四步流水线用户输入先给分类器它拿着所有已注册智能体的描述加上该用户的全部会话历史输出最匹配的智能体名字编排器把请求派给这个智能体智能体取走自己的历史后生成响应可以是流式也可以是一次性返回最后编排器把这一轮的提问和回答写回存储再把结果交回调用方。这里有个值得注意的设计分类器持有全局对话视角但每个智能体只拿到自己的历史——路由决策全知处理层彼此隔离既保证多轮归因准确又避免上下文互相污染。框架内置了 12 个智能体Bedrock LLM、Lex Bot、Lambda 函数、Chain、Supervisor 等见 agents/也有统一接口让你挂自定义智能体。核心机制拆解路由、历史与协同怎么跑分类器路由原理为什么追问归因最难为什么要有它多轮对话里全是再说详细点选第一个这类短句字面上没有任何线索指向具体智能体。内部怎么跑分类器不是关键词匹配它把用户问题、所有智能体的描述、本会话完整历史一起交给 LLM内置 Bedrock、Anthropic、OpenAI 三种实现见 classifiers/由模型推断这句话该归谁——新问题按领域选追问则看最后一轮是谁在应答。用错了会怎样两个智能体描述职责重叠比如都写了订单与商品咨询模型判断会摇摆表现为随机性误路由。上线前值得先量化检查各描述两两之间的重叠度文档里有现成的基于 TF-IDF 余弦相似度的重叠分析工具。对话历史隔离分类器看全部智能体只看自己为什么要有它路由依赖历史但让每个智能体读全部对话会泄露其他领域的上下文、推高 token 开销。内部怎么跑存储按 userId sessionId 两个键组织成两层——分类器层持有全局视图智能体层只取自己的记录且每个智能体保留的历史对数有上限quickstart 默认 10 对。用错了会怎样上限设太小智能体记不住前文设太大成本和延迟同步上涨。内置的内存、DynamoDB、SQL 三种存储都实现了这套接口可直接替换见 storage/。SupervisorAgent 协同agent-as-tools 模式为什么要有它一个任务本身需要多个智能体配合时先调研、再并行起草、最后汇总单层分类器表达不了这种时序。内部怎么跑SupervisorAgent 用智能体即工具agent-as-tools的架构——一个主管智能体把队友作为工具调用自主决定派给谁、谁可以并行、结果怎么整合团队上下文由它统一管理。既可以单独调用它做专项协同也可以把它作为一个成员挂进分类器组成分层体系。用错了会怎样把主管的职责域写得太宽分类器第一层路由和主管内部路由会互相打架出错时很难定位是哪一层判断错了。给主管的边界要窄而具体。场景串联电商客服系统如何组合这些模块把上面的模块拼成一个真实项目就是 examples/ecommerce-support-simulator/ 里的示例。用户从聊天或邮件两种入口进来分类器结合历史判断路由查订单状态、问发货时间这类常见请求由产品或订单智能体调用知识库检索器Retriever相当于给 LLM 配的查文档的图书管理员作答遇到退款纠纷这类复杂问题智能体把会话升级给人工客服人工处理完还能在同一会话里由 AI 跟进收尾。 整个链路用 DynamoDB 存历史所以 Lambda 扩缩容、重启都不丢上下文——这是它和内存存储版 demo 最本质的差别。排障与调优大概率会踩的三个坑坑一追问串门。现象是用户在订单话题里说了句继续回答却从别的智能体出来。根因通常是两个智能体描述太像分类器分不出该归谁或历史对数太小、分类器想不起上一轮是谁在说话。处理方式是重写描述、突出各自独有领域和典型例句跑一遍重叠分析确认成对重叠度降下来同时把历史对数调大。坑二重启后失忆。现象是本地复现不了、上生产就丢前几轮上下文九成是用了内存存储进程一重启历史就没了。处理方式是切到 DynamoDB 或 SQL 存储本地排查时固定 sessionId 重放会话。坑三分类器选不出人。现象是报错说没有匹配到任何智能体根因是问题落在所有已注册领域之外。处理方式是打开 USE_DEFAULT_AGENT_IF_NONE_IDENTIFIED 配置并指定一个兜底默认智能体如果怀疑是模型输出解析偶发异常再把 MAX_RETRIES 调高观察。收尾行动一句话总结Multi-Agent Orchestrator 把多智能体系统最麻烦的路由、上下文隔离和历史持久化做成了开箱即用的组件你的精力可以全放在智能体本身的业务能力上。下一步建议直接克隆仓库跑 examples/local-demo/ 里的本地 demo 看两个智能体之间怎么切换再照着 docs/ 的 quickstart 注册你自己的前两个智能体——跑通后先做一次智能体重叠分析它会替你省掉后面大量的误路由排查时间。【免费下载链接】agent-squadFlexible and powerful framework for managing multiple AI agents and handling complex conversations项目地址: https://gitcode.com/GitHub_Trending/mu/agent-squad创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考