教程9.3：并行智能体——市场快照团队

⚡ 教程 9.3：并行智能体——市场快照团队

您将学到的内容

• 并行智能体组合：如何同时协调多个专业化的智能体
• 共享状态：并行子智能体如何安全地向同一个session.state写入数据
• 分支上下文：为每个工具或内存上下文创建干净、隔离的调用分支
• Streamlit 界面：一个简单的 UI，用于运行并可视化并行结果

核心概念：带有共享状态的并行智能体

根据 ADK 文档，并行智能体会并发执行其子智能体。每个子智能体在自己的调用分支上运行，但共享同一个session.state。

Topic → ParallelAgent → 3 Sub-agents (Concurrent Execution)
             ↓
   [Market Trends] + [Competitors] + [Funding News]
             ↓
            Snapshot in state
​

每个子智能体将结果写入共享状态中的不同键，以避免覆盖：market_trends, competitors, funding_news。

项目结构

9_3_parallel agent/
├── agent.py              # Parallel workflow (3 research agents + ParallelAgent)
├── app.py                # Streamlit UI to run and view snapshot
├── requirements.txt      # Python dependencies
├── README.md             # This documentation
└── .env.example          # Example environment variables
​

快速入门

1. 安装依赖

cd "9_3_parallel agent"
pip install -r requirements.txt
​

2. 配置环境

创建一个 .env 文件，并填入您的 Google API 密钥：

echo "GOOGLE_API_KEY=your_ai_studio_key_here" > .env
​

请从 Google AI Studio 获取您的密钥。

3. 运行 Streamlit 应用

streamlit run app.py
​

工作原理

• ParallelAgent executes market_trends_agent, competitor_intel_agent, and funding_news_agent concurrently.
• Each child uses web search and writes to a unique output_key 在 session.state 中。
• UI 读取 session.state 并显示一个三列的快照。

展示的 ADK 概念

• 并行智能体模式与事件交错
• 共享 session.state，每个子智能体使用不同的键
• 调用分支用于上下文隔离
• Runner + Session 服务用于执行

关键要点

• 并行扇出非常适合独立的数据收集
• 保持输出键的唯一性，以避免在共享状态中发生覆盖
• 如果需要生成一份综合报告，可结合下游合成智能体使用

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。