Agent Skills
返回列表
多智能体协作基座 · 三层架构方法论

多智能体协作基座 · 三层架构方法论

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_0c169ec6/agent-v1。

技能介绍

要解决的问题

当多个 AI 角色需要协同处理一个任务时，常见难点不是“让模型说话”，而是先把每个角色的边界写清楚：它是什么身份、能调用哪些工具、具备哪些能力。这个技能提供一份 Python 3.8+ 的最小示例，把 Agent 拆成 identity、tools、skills 三层，再用 AgentOrchestrator 按名称注册并顺序执行任务，适合用来讨论多智能体协作的骨架。

技能如何工作

  • Agent 层：用 Agent 类保存 name、identity、tools、skills，在 execute(task) 中打印当前角色、工具和能力的调用轨迹。
  • 编排层：AgentOrchestrator 维护 agents 字典，通过 register_agent 注册角色，run_collaboration 按给定 agent_names 遍历执行同一任务并汇总 results。
  • 示例场景：用客服、运营、技术三个角色处理“APP 登录缓慢”的用户反馈，展示身份、工具和能力的组合方式。

适用边界

资料中的实现是流程演示模板，不是可直接接入生产环境的完整运行时：工具调用主要是打印，任务之间是顺序执行，未见真实 API、状态持久化、异常重试、权限控制或并发调度。若用于实际业务，需要补充真实工具接口、结果校验、任务拆分与回滚策略。

使用场景

  • 在 AI 协作方案评审中，用客服、运营、技术三个 Agent 演示同一用户反馈的分工链路。
  • 在本地 Python 项目中，先用 Agent 类定义身份、工具和能力，再检查多角色执行日志是否符合预期。
  • 在写多智能体需求文档时，把 identity、tools、skills 作为角色字段示例，说明哪些任务可被顺序编排。
  • 在排查用户反馈处理流程时，用 AgentOrchestrator 按名称调度客服、技术、运营角色并收集执行结果。

适合人员

  • 正在做多智能体原型验证，并需要一份可直接运行的 Python 角色与调度示例的算法工程师。
  • 需要在方案文档里定义客服、运营、技术等 Agent 职责边界的 AI 产品负责人。
  • 想检查多角色任务执行顺序与输出汇总方式的 Python 应用开发者。
  • 需要将身份、工具、能力字段结构化写入协作流程说明的业务架构师。