多智能体协作全攻略
前面两篇我们聊的都是单个Agent，但在真实的业务场景中，一个Agent往往搞不定复杂的任务。
想象一下，你有一个超级智能客服的需求：它要能回答产品问题、处理售后投诉、查询订单物流、还要能做数据分析给出运营建议。如果把这些能力都塞到一个Agent里，会发生什么？
这就是本篇要解决的问题：当一个Agent不够用时，怎么让多个Agent协作起来。
单打独斗为啥不够用
先来看看单个Agent在复杂任务面前会遇到哪些问题。
上下文窗口不够用
每个LLM都有上下文窗口的限制。当任务复杂、步骤多的时候，历史对话+工具调用结果会迅速堆积，很快就撑爆窗口。
更麻烦的是注意力发散问题：当上下文太长时，模型对关键信息的关注度会下降，导致效果变差。本来能做对的事情，上下文一长就开始犯糊涂。
工具太多选不对
一个Agent如果配了几十个工具，LLM很容易选错工具或者不会用。就像给一个人塞了一整套工具箱，他反而不知道该用哪个。
专业度不够
不同类型的任务需要不同的"专家"。让一个通用Agent既懂技术问题又懂售后流程还懂数据分析，效果肯定不如专门训练的专家Agent。
效率太低
单Agent只能串行执行，任务复杂时特别慢。比如同时要查订单、查物流、查退款进度，串行查三遍，用户等得花都谢了。
解决方案：多智能体
这些问题的解决思路都指向一个方向：分而治之。
把复杂任务拆分给多个专业Agent，每个Agent只负责自己擅长的领域，通过协作完成整体任务。这样：
- 每个Agent的上下文更短，效果更好
- 每个Agent的工具更少，选择更准
- 专业Agent专注于专业任务，效果更好
- 多个Agent可以并行工作，效率更高
这就是 多智能体系统（Multi-Agent System） 的核心思想。
三种主流协作模式
多智能体如何协作？目前主流的有三种模式：SubAgents（子智能体调度）、HandOff（任务交接）、Chat Group（群聊协作）。
我们用一个统一的场景来说明：构建一个智能客服团队，需要产品顾问、售后专员、物流查询员三个角色。
模式一：SubAgents（子智能体调度）
核心思想：有一个主Agent（协调员），其他Agent作为它的"工具"来使用。主Agent根据任务需要，决定调用哪个子Agent。
特点：
- 主Agent掌控全局，子Agent被动响应
- 子Agent之间互相不通信，都通过主Agent
- 上下文隔离：每次调用子Agent都是"新对话"
打个比方：主Agent就像一个项目经理，手下有几个专业员工。项目经理接到任务后，决定分配给谁做，收集结果后汇报给客户。员工之间不直接交流，都通过项目经理。
Spring AI Alibaba实现：
// 创建产品顾问Agent
ReactAgent productAgent = ReactAgent.builder()
.name("product_advisor")
.model(chatModel)
.description("负责解答产品功能、使用方法、技术参数等问题")
.instruction("你是专业的产品顾问，熟悉各类电子产品...")
.tools(productKnowledgeTool)
.build();
// 创建售后专员Agent
ReactAgent serviceAgent = ReactAgent.builder()
.name("service_agent")
.model(chatModel)
.description("负责处理退换货、投诉、维修等售后问题")
.instruction("你是资深售后专员，熟悉退换货流程...")
.tools(orderQueryTool, refundTool)
.build();
// 创建物流查询Agent
ReactAgent logisticsAgent = ReactAgent.builder()
.name("logistics_agent")
.model(chatModel)
.description("负责查询物流状态、配送进度")
.instruction("你是物流查询专员...")
.tools(logisticsApiTool)
.build();
// 创建主Agent，把子Agent作为工具
ReactAgent mainAgent = ReactAgent.builder()
.name("customer_service_coordinator")
.model(chatModel)
.instruction("""
你是智能客服协调员，根据用户问题选择合适的专家处理：
- 产品相关问题 → 使用产品顾问
- 售后问题 → 使用售后专员
- 物流问题 → 使用物流查询
可以同时使用多个专家来处理复杂问题。
""")
.tools(
AgentTool.getFunctionToolCallback(productAgent),
AgentTool.getFunctionToolCallback(serviceAgent),
AgentTool.getFunctionToolCallback(logisticsAgent)
)
.build();
// 使用
String response = mainAgent.call("耳机左边没声音想退，顺便帮我看下快递到哪了").getText();
原理简析：AgentTool.getFunctionToolCallback把一个Agent包装成ToolCallback，当主Agent决定调用某个子Agent时，实际上就是执行了那个子Agent的invoke方法。
模式二：HandOff（任务交接）
核心思想：Agent之间可以互相"交接棒"。当前Agent如果发现任务不属于自己的专业范围，主动把任务交给更合适的Agent。
特点：
- 没有固定的"主Agent"，任何Agent都可以是入口
- Agent自己判断是否需要交接
- 支持链式交接：A→B→C
- 上下文可以在交接时传递
打个比方：就像公司的客服热线，你打进去可能先接到一个通用客服，他发现问题需要技术支持就转接给技术，技术发现需要售后又转接给售后。每次转接，前面的对话记录都会传过去。
Spring AI Alibaba实现：
Spring AI Alibaba提供了多种HandOff的实现方式，最常用的是FlowAgent系列：
// SequentialAgent：顺序执行，自动交接
SequentialAgent sequentialAgent = SequentialAgent.builder()
.name("customer_service_flow")
.description("客服处理流程")
.subAgents(List.of(
intentClassifyAgent, // 先识别意图
problemSolveAgent, // 再解决问题
satisfactionAgent // 最后满意度调查
))
.build();
// LlmRoutingAgent：LLM智能路由
LlmRoutingAgent routingAgent = LlmRoutingAgent.builder()
.name("smart_router")
.description("根据用户问题智能路由到合适的专家")
.model(chatModel)
.subAgents(List.of(productAgent, serviceAgent, logisticsAgent))
.build();
// SupervisorAgent：监督者模式，支持多轮路由
SupervisorAgent supervisorAgent = SupervisorAgent.builder()
.name("customer_service_supervisor")
.description("客服主管，协调各专员处理问题")
.model(chatModel)
.subAgents(List.of(productAgent, serviceAgent, logisticsAgent))
.build();
各种FlowAgent对比：
| FlowAgent类型 | 特点 | 适用场景 |
|---|---|---|
| SequentialAgent | 按预定顺序依次执行 | 固定流程，如审批链 |
| ParallelAgent | 多个Agent并行执行 | 需要同时处理多个任务 |
| LlmRoutingAgent | LLM决定路由到哪个Agent | 简单的意图分发 |
| SupervisorAgent | 支持多轮路由，可循环 | 复杂的多步骤协作 |
模式三：Chat Group（群聊协作）
核心思想：多个Agent在一个"群聊"里协作，有一个管理员（Group Manager）控制发言顺序，按轮次讨论直到任务完成。
特点：
- 所有Agent共享同一个消息通道
- 管理器决定发言顺序
- 每轮只有一个Agent发言
- 适合需要多角度讨论的任务
打个比方：就像公司开会，会议主持人控制发言顺序，各部门依次发表意见，最后主持人总结。
适用场景：
- 复杂问题需要多角度分析
- 头脑风暴类任务
- 需要多方协调达成共识
这种模式在AutoGen框架中有完整实现，Spring AI Alibaba目前支持有限，可以通过自定义Workflow来实现类似效果。
三种模式怎么选
| 维度 | SubAgents | HandOff | Chat Group |
|---|---|---|---|
| 控制方式 | 主Agent集中控制 | 各Agent自主交接 | 管理器协调 |
| 通信方式 | 星型（都通过主Agent） | 链式或网状 | 广播（共享频道） |
| 灵活性 | 中 | 高 | 中 |
| 实现复杂度 | 低 | 中 | 高 |
| 适合场景 | 任务可明确分类 | 流程不固定 | 需要多方讨论 |
- 任务能明确分给某个专家 → SubAgents
- 需要灵活的流程控制 → HandOff
- 需要多角度讨论 → Chat Group
实战：构建智能客服团队
最后，我们用Spring AI Alibaba完整实现一个智能客服团队：
@Service
public class CustomerServiceTeam {
@Autowired
private ChatModel chatModel;
// 产品知识库工具
private ToolCallback productKnowledgeTool = FunctionToolCallback.builder(
"search_product_info",
(query, ctx) -> "产品信息：蓝牙5.0，续航8小时..."
).description("搜索产品信息").inputType(String.class).build();
// 订单查询工具
private ToolCallback orderQueryTool = FunctionToolCallback.builder(
"query_order",
(orderId, ctx) -> "订单状态：已发货，快递单号SF123456"
).description("查询订单状态").inputType(String.class).build();
// 退款处理工具
private ToolCallback refundTool = FunctionToolCallback.builder(
"apply_refund",
(orderId, ctx) -> "退款申请已提交，预计3个工作日处理"
).description("申请退款").inputType(String.class).build();
public ReactAgent buildTeam() {
// 产品顾问
ReactAgent productAgent = ReactAgent.builder()
.name("product_advisor")
.model(chatModel)
.description("解答产品功能、使用方法、技术参数等问题")
.instruction("你是专业的产品顾问，用通俗易懂的语言解答用户的产品疑问。")
.tools(productKnowledgeTool)
.build();
// 售后专员
ReactAgent serviceAgent = ReactAgent.builder()
.name("after_sales_agent")
.model(chatModel)
.description("处理退换货、投诉、维修等售后问题")
.instruction("你是耐心的售后专员，帮助用户解决售后问题，态度友好。")
.tools(orderQueryTool, refundTool)
.build();
// 主协调Agent
ReactAgent coordinator = ReactAgent.builder()
.name("service_coordinator")
.model(chatModel)
.instruction("""
你是智能客服协调员，负责理解用户需求并分配给合适的专家：
- 产品咨询（功能、使用、参数）→ 产品顾问
- 售后问题（退换货、投诉、维修）→ 售后专员
如果一个问题涉及多个方面，可以依次调用多个专家。
最后汇总各专家的回答，给用户一个完整的答复。
""")
.tools(
AgentTool.getFunctionToolCallback(productAgent),
AgentTool.getFunctionToolCallback(serviceAgent)
)
.saver(new MemorySaver())
.build();
return coordinator;
}
public String chat(String message, String sessionId) {
ReactAgent team = buildTeam();
RunnableConfig config = RunnableConfig.builder()
.threadId(sessionId)
.build();
return team.call(message, config).getText();
}
}
使用示例：
@RestController
@RequestMapping("/customer-service")
public class CustomerServiceController {
@Autowired
private CustomerServiceTeam team;
@GetMapping("/chat")
public String chat(@RequestParam String message,
@RequestParam String sessionId) {
return team.chat(message, sessionId);
}
}
测试一下：
GET /customer-service/chat?message=耳机怎么配对手机&sessionId=user001
→ 产品顾问回答配对步骤
GET /customer-service/chat?message=左边没声音想退货&sessionId=user001
→ 售后专员处理退货
小结
这篇我们聊了多智能体协作：
为什么需要多智能体：
- 上下文窗口限制
- 工具太多难选择
- 专业度要求
- 效率问题
三种协作模式：
- SubAgents：主Agent调度子Agent，简单直接
- HandOff：Agent之间自主交接，灵活自由
- Chat Group：群聊讨论，适合多角度分析
Spring AI Alibaba支持：
AgentTool.getFunctionToolCallback实现SubAgentsSequentialAgent/LlmRoutingAgent/SupervisorAgent实现HandOff