教程9：多智能体编排

文档摘要

教程 9：多智能体编排掌握复杂的多智能体工作流！本教程将教你如何利用并行执行、智能体即工具模式以及高级编排技术，协调多个智能体，构建功能强大的 AI 系统。你将学到的内容并行执行：使用同时运行多个智能体智能体即工具：将智能体用作函数工具进行复杂编排工作流协调：顺序与并行的智能体处理模式结果合成：智能地整合多个智能体的输出核心概念：什么是多智能体编排？多智能体编排实现了协调的 AI 工作流，其中多个专业化的智能体协同合作，共同解决复杂问题。可以把编排想象成一位指挥家带领交响乐团：不同的智能体拥有专门的角色和专长智能体可根据工作流需求并行或顺序工作多个智能体的结果被智能地整合复杂任务被分解为多个 AI 能力协作完成教程概览本教程将演示三种关键的编排模式： 1.

教程 9：多智能体编排

掌握复杂的多智能体工作流！本教程将教你如何利用并行执行、智能体即工具模式以及高级编排技术，协调多个智能体，构建功能强大的 AI 系统。

你将学到的内容

并行执行：使用 asyncio.gather() 同时运行多个智能体
智能体即工具：将智能体用作函数工具进行复杂编排
工作流协调：顺序与并行的智能体处理模式
结果合成：智能地整合多个智能体的输出

核心概念：什么是多智能体编排？

多智能体编排实现了协调的 AI 工作流，其中多个专业化的智能体协同合作，共同解决复杂问题。可以把编排想象成一位指挥家带领交响乐团：

不同的智能体拥有专门的角色和专长
智能体可根据工作流需求并行或顺序工作
多个智能体的结果被智能地整合
复杂任务被分解为多个 AI 能力协作完成


┌─────────────────────────────────────────────────────────────-┐
│                MULTI-AGENT ORCHESTRATION                     │
├─────────────────────────────────────────────────────────────-┤
│                                                              │
│  COMPLEX TASK                                                │
│       │                                                      │
│       ▼                                                      │
│  ┌─────────────┐    1. TASK DECOMPOSITION                    │
│  │ORCHESTRATOR │                                             │
│  │   AGENT     │    2. AGENT COORDINATION                    │
│  └─────────────┘                                             │
│       │                                                      │
│       ▼                                                      │
│  ┌─────────────────────────────────────────────────────────┐ │
│  │              PARALLEL EXECUTION                         │ │
│  │  ┌─────────┐  ┌─────────┐  ┌─────────┐  ┌─────────┐   │ │ |
│  │  │RESEARCH │  │WRITING  │  │ANALYSIS │  │REVIEW   │   │ │ |
│  │  │ AGENT   │  │ AGENT   │  │ AGENT   │  │ AGENT   │   │ │ |
│  │  └─────────┘  └─────────┘  └─────────┘  └─────────┘   │ │ |
│  └─────────────────────────────────────────────────────────┘ │
│       │              │              │              │         │
│       ▼              ▼              ▼              ▼         │
│  ┌─────────────────────────────────────────────────────────┐ │
│  │              RESULT SYNTHESIS                           │ │
│  │        • Combine outputs intelligently                  │ │
│  │        • Quality assessment and selection               │ │
│  │        • Final coordinated response                     │ │
│  └─────────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────-┘

教程概览

本教程将演示三种关键的编排模式：

1. 并行智能体执行 (`parallel_execution.py`)

使用 asyncio.gather() 同时运行多个智能体
质量评估与最佳结果选择
多次尝试的翻译示例

2. 智能体即工具编排 (`agents_as_tools.py`)

Using specialized agents as function tools
Content creation workflow with research and writing agents
Custom agent tool configuration and coordination

3. Complex Workflow Orchestration (`complex_orchestration.py`)

结合并行与顺序执行的多阶段工作流
包含研究、写作、审校与优化的内容流水线
高级结果合成与质量控制

项目结构


9_multi_agent_orchestration/
├── README.md                    # This file - concept explanation
├── requirements.txt             # Dependencies
├── parallel_execution.py        # Parallel agent patterns (45 lines)
├── agents_as_tools.py           # Agents as tools orchestration (55 lines)
├── complex_orchestration.py     # Advanced workflow patterns (70 lines)
├── app.py                      # Streamlit orchestration demo (optional)
└── env.example                 # Environment variables template

学习目标

完成本教程后，你将理解：

✅ 如何并行运行多个智能体以提升性能
✅ 将智能体用作函数工具进行复杂编排
✅ 组合顺序与并行执行模式
✅ 智能地合成多个智能体的结果
✅ 在不同场景下何时选用不同的编排模式

开始使用

安装 OpenAI Agents SDK：
```
pip install openai-agents
```
安装依赖：
```
pip install -r requirements.txt
```

设置环境变量：


cp env.example .env
# Edit .env and add your OpenAI API key

测试并行执行：
```
python parallel_execution.py
```
尝试智能体即工具：
```
python agents_as_tools.py
```
探索复杂工作流：
```
python complex_orchestration.py
```

示例用例

并行执行

多次翻译尝试并进行质量选择
内容生成时提供多样性和选项
同时从多个视角开展研究

智能体即工具

内容创作：研究 → 写作 → 编辑流水线
分析工作流：数据处理 → 洞察 → 建议
客户服务：分流 → 专家处理 → 质量保证

复杂编排

多阶段内容生产并加入反馈循环
研发工作流并加入验证机制
教育内容创作并经历多个审校阶段

关键编排模式

1. 并行执行与质量选择


import asyncio
from agents import Agent, Runner, trace

# Run multiple agents in parallel
with trace("Parallel translation"):
    results = await asyncio.gather(
        Runner.run(translator_agent, message),
        Runner.run(translator_agent, message),
        Runner.run(translator_agent, message)
    )
    
    # Select best result
    best = await Runner.run(selector_agent, combined_results)

2. 智能体即函数工具


from agents import Agent, function_tool

@function_tool
async def research_tool(topic: str) -> str:
    result = await Runner.run(research_agent, f"Research: {topic}")
    return str(result.final_output)

orchestrator = Agent(
    name="Content Orchestrator",
    tools=[research_tool, writing_tool]
)

3. 顺序 + 并行混合模式


# Sequential stages with parallel execution within stages
with trace("Content Creation Pipeline"):
    # Stage 1: Parallel research
    research_results = await asyncio.gather(
        research_agent_1.run(topic),
        research_agent_2.run(topic)
    )
    
    # Stage 2: Sequential writing
    content = await writing_agent.run(combined_research)
    
    # Stage 3: Parallel review
    reviews = await asyncio.gather(
        quality_agent.run(content),
        style_agent.run(content)
    )

编排设计最佳实践

任务分解：将复杂任务拆分为适合智能体处理的小块
并行优化：在智能体独立的情况下使用并行执行
质量控制：加入审校与选择机制
错误处理：规划智能体失败时的应对措施并提供备用方案
结果合成：设计智能地整合多个输出的方法

重要提示

追踪集成：使用 trace() 对多智能体工作流进行分组
资源管理：并行执行时需考虑 API 的速率限制
质量与速度：平衡并行化与结果质量
错误传播：在复杂工作流中优雅处理失败情况

下一步

完成本教程后，你将准备好：

教程 10：追踪与可观测性 - 监控复杂工作流
教程 11：生产模式 - 实际部署策略

故障排除

性能问题：检查是否存在不必要的顺序执行
质量问题：改进结果合成与选择逻辑
速率限制：为并行调用实现退避与重试机制
内存使用：监控大量并行智能体的资源消耗

专业小贴士

从简单开始：先从基本并行执行入手，逐步增加复杂度
衡量性能：比较并行与顺序执行的耗时
质量指标：制定标准以从多个智能体中选出最佳结果
工作流可视化：利用追踪功能了解复杂执行流程
智能体专业化：设计职责明确、专注的智能体

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。