教程 9.2：循环智能体——迭代计划优化器

您将学到的内容

• 循环智能体的组合：以循环方式依次执行子智能体
• 有状态的迭代：在每次迭代中持久化计数器和标志位
• 终止条件：达到最大迭代次数或当某个子智能体升级时停止
• Streamlit Web 界面：用于运行迭代优化的交互式 UI

核心概念：带条件的 LoopAgent

根据 ADK 工作流智能体文档，LoopAgent 会在每次迭代中重复执行一组子智能体，并在迭代之间共享相同的上下文/状态。本教程演示了一个迭代计划优化器，它会在多个迭代中逐步改进计划，并在满足特定条件时停止。

Topic → LoopAgent → [Refine Plan] → [Increment Iteration] → [Check Completion]
        ↑                                                        │
        └──────────────────────────── Repeat until stop ─────────┘
​

终止条件：如果可选的 max_iterations is reached, or if any sub-agent returns an Event with escalate=True in its EventActions.

Context & State: The same InvocationContext and session.state are used across iterations, allowing values like iteration, target_iterations, and accepted 被设置为真，则循环会停止，以便持久化并控制循环流程。

项目结构

9_2_loop agent/
├── agent.py              # LoopAgent with 3 sub-agents and session-state control
├── app.py                # Streamlit UI to run the loop refinement
└── README.md             # This documentation
​

开始使用

1. 安装依赖

cd "9_2_loop agent"
pip install -r ../9_1_sequential_agent/requirements.txt
​

2. 配置环境

创建一个 .env 文件，并填入您的 Google API 密钥（或复用顺序示例中的密钥）：

echo "GOOGLE_API_KEY=your_ai_studio_key_here" > .env
​

3. 运行 Streamlit 应用

streamlit run app.py
​

工作原理

• plan_refiner (LlmAgent)：在每次迭代中生成简洁且改进后的计划。
• increment_iteration (BaseAgent)：递增 session.state['iteration'].
• check_completion (BaseAgent): Escalates (to stop) if accepted=True or iteration >= target_iterations.

The LoopAgent sequences these sub-agents on every iteration, persisting and updating state until a stop condition is met.

Session State Keys

• topic: The subject being refined.
• iteration: Current iteration counter.
• target_iterations: Loop budget before stopping.
• accepted: When set to True, the loop stops immediately.

Try It

• Enter a topic (e.g., "AI-powered customer support platform launch plan").
• Set 目标迭代次数 to 3–5.
• Run and observe the final refined plan and run metadata.

ADK Concepts Demonstrated

• LoopAgent pattern with sequential sub-agents.
• Session state persistence across iterations.
• Escalation-based termination with EventActions(escalate=True).
• Runner + SessionService execution pattern.

Troubleshooting

• Ensure GOOGLE_API_KEY is set in .env.
• Run from the directory containing app.py。
• 如果您之前运行过该应用，将复用相同的会话 ID；更改话题或目标会相应更新状态。

关键要点

• LoopAgent 可实现迭代优化的工作流。
• 共享状态 允许复杂的控制信号在迭代之间累积。
• 清晰、模块化的子智能体 使循环逻辑保持清晰且易于维护。

免责声明：
本文档采用基于机器的 AI 翻译服务进行翻译。尽管我们力求准确，但请注意，自动翻译可能存在错误或不准确之处。应以原文语言版本的文档作为权威依据。如需获取关键信息，建议使用专业的人工翻译。对于因使用本翻译而产生的任何误解或误读，我们概不负责。