多代理编排实战：5分钟让一句提问被路由到最合适的AI代理

多代理编排实战：5分钟让一句提问被路由到最合适的AI代理

【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

你正在做一个客服聊天机器人，用户上一句在问天气，下一句就开始问订单。单个模型配一套提示词硬扛所有角色，效果一定打折。多代理编排就是来解决这件事的：把多个专业代理放到同一张桌子上，再安排一个"前台"决定每句话该谁接。开源框架 Multi-Agent Orchestrator 干的就是这活儿。

多代理编排框架能做什么

Multi-Agent Orchestrator 是一个管理多个AI代理、处理复杂对话的轻量级开源框架。你只需要注册一堆代理，路由、上下文和历史记忆都由它接管，Python 和 TypeScript 两个版本功能完全对等。

最核心的几个能力点：

• 多代理智能路由
• Python 与 TypeScript 双实现
• 流式与非流式响应
• 每代理独立对话记忆
• 内置代理与分类器
• 可插拔存储后端

分类器把用户输入路由到不同的代理团队

跑通第一个对话demo

环境只要 Python 3.8+，再配一个开通了 Bedrock 模型访问权限的 AWS 账号并配置好凭证——默认分类器就是一个 Bedrock 模型。

git clone https://gitcode.com/GitHub_Trending/mu/agent-squad cd agent-squad

装依赖，两条命令搞定：

python -m venv venv && source venv/bin/activate pip install "multi-agent-orchestrator[aws]"

建一个quickstart.py，八行代码让一个代理接起对话：

import asyncio from multi_agent_orchestrator.orchestrator import MultiAgentOrchestrator from multi_agent_orchestrator.agents import BedrockLLMAgent, BedrockLLMAgentOptions orch = MultiAgentOrchestrator() orch.add_agent(BedrockLLMAgent(BedrockLLMAgentOptions( name="Tech Agent", description="Answers questions about software, hardware and AI"))) print(asyncio.run(orch.route_request("AI 领域最近有什么新趋势？", "u1", "s1")))

python quickstart.py

你会看到一个完整的响应对象：哪个代理接了手、回复内容是什么。试试把问题换成健康类，再往 orchestrator 里加一个 Health Agent——不用改任何路由代码，分类器会自动把问题分给新代理。TypeScript 版本 API 完全对称，入口叫routeRequest，写法可以看 typescript/ 目录。

跟随一次请求看路由逻辑

现在跟着"杭州今天天气怎么样？"走一遍route_request，框架内部的分工就清楚了：

• 分类器先上岗。它从存储里取出这个会话的全部历史，再结合每个代理的名字和描述做判断，返回selected_agent和置信度。没人够自信时，如果配了默认代理会自动兜底。
• 派单给代理。编排器取该代理自己的历史，调用它的process_request。代理如果挂了工具（比如天气代理里的 open-meteo 查询），会先调工具拿数据再组织回答。
• 落库存历史。用户问题和代理回答都写进存储（默认是内存版 InMemoryChatStorage），下一轮分类才有上下文可依，对话不会聊着聊着失忆。
• 返回响应。开流的代理返回流式 chunk，metadata 里带着代理名和置信度。

官方聊天demo里挂了六个专业代理，覆盖旅行、天气、数学、健康等域，话题来回切换时上下文始终不掉线：

6个专业代理随话题切换上下文

核心源码就在python/src/multi_agent_orchestrator/orchestrator.py的route_request里，配合分类器和代理目录对照着看，半天就能吃透整个流转。

跑一个AI电影制片厂场景

如果你想让AI帮你"拍"部片子，组合方式大致是三个角色加一个总监：

• 编剧代理（Claude 3 Sonnet）：根据片名创意和类型，产出大纲、人物设定和剧情反转
• 选角代理（Claude 3 Haiku + 联网搜索工具）：查每个角色的候选演员及其近况
• 制片人代理：负责协调前两位，最后汇总出概念概览

关键在 SupervisorAgent：它把 lead 代理当总指挥，其他代理是团队成员，用"agent-as-tools"架构并行派发子任务，整个团队共享同一份对话上下文。

demo 是一个 Streamlit 应用，装好examples/python的依赖就能起：

cd examples/python streamlit run main-app.py

填上电影创意、类型和受众，点一下生成：

填上创意和类型即可生成概念

几秒后拿到概念概述、三幕结构和推荐演员名单：

生成结果：概念概述加选角建议

再往前一步：写自己的代理和换分类器

跑通之后可以开始改造成自己的：

• 自定义代理：继承Agent类，实现处理方法，注册进 orchestrator，入口在 docs/src/content/docs/agents/custom-agents.mdx
• 内置代理任选：python/src/multi_agent_orchestrator/agents/ 下有 Bedrock、Anthropic、OpenAI、Lex bot、Lambda 函数、翻译器等12种现成实现
• 换个前台：python/src/multi_agent_orchestrator/classifiers/ 里把分类器换成 Anthropic 或 OpenAI 版本
• 长对话持久化：存储可换成 DynamoDB 或 SQL，见 docs/src/content/docs/storage/

同一套框架用在电商客服上

电商客服模拟器是很完整的进阶参照：简单问题自动答复，复杂问题转人工，人还在环里。

把一次请求跟完，你对这套多代理编排框架的全貌就清楚了：前台（分类器）、专员（代理）、记忆（存储），三个件件可换。更多场景去 examples/ 里翻，完整文档在 docs/。

【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