LangChain 教程 21｜多代理系统：当一个 Agent 不够用时

📖 本篇导读：这是 LangChain 系列教程的第 21 篇。本篇将概述多代理系统的 5 种协作模式：Subagents、Handoffs、Skills、Router、Custom Workflow，帮助你选择合适的架构。读完预计需要 8 分钟。

简单来说

想象你是一家创业公司的 CEO。刚开始，你一个人干所有事：写代码、做销售、搞财务、修 Bug。但公司做大了，你会发现：

• 一个人忙不过来 —— 任务太多，需要同时处理
• 术业有专攻 —— 法务问题找专业律师，财务问题找专业会计
• 复杂任务需要协作 —— 一个大项目需要多个人分工合作

AI Agent 也是一样。当任务复杂到一定程度，一个 Agent 就不够用了 —— 你需要多个 Agent 协作。

LangChain 提供了 5 种多代理协作模式，就像公司管理的 5 种组织架构：

模式	类比	适用场景
Subagents	CEO + 各部门经理	复杂任务需要协调多个专家
Handoffs	客服转接专员	对话中需要切换专家
Skills	员工学习新技能	单个 Agent 需要多种专业能力
Router	前台分流客户	不同问题分给不同处理人
Custom Workflow	自定义业务流程	标准模式都不满足需求

本节目标

1. 理解为什么需要多代理系统
2. 掌握 5 种模式的核心特点和适用场景
3. 学会如何选择合适的模式
4. 了解不同模式的性能对比

业务场景

假设你要构建一个企业级智能助手，需要：

1. 回答技术问题（需要查代码库）
2. 回答业务问题（需要查业务文档）
3. 处理报销审批（需要调用财务系统）
4. 帮助写代码（需要代码生成能力）

用一个 Agent 做所有事情会遇到什么问题？

const superAgent = createAgent({
  model: "gpt-4.1",
  tools: [
    searchCodeTool,      // 搜索代码
    searchDocsTool,      // 搜索文档
    approveExpenseTool,  // 审批报销
    generateCodeTool,    // 生成代码
    // ... 还有几十个工具
  ],
  systemPrompt: `你是一个全能助手，需要：
    1. 熟悉所有代码库的架构和实现
    2. 了解所有业务流程和规范
    3. 掌握财务审批的所有规则
    4. 精通多种编程语言
    // ... 几千字的提示词
  `
});

这个"超级 Agent"会遇到三个致命问题：

1. Token 爆炸 —— 系统提示词太长，每次调用都浪费大量 Token
2. 能力退化 —— 要求太多，每个能力都做不精
3. 维护噩梦 —— 修改一个功能可能影响其他功能

5 种多代理模式详解

模式 1：Subagents（子代理模式）

类比：CEO 把任务分配给各部门经理，经理完成后汇报结果

用户 → 主 Agent → 子 Agent A → 结果
              → 子 Agent B → 结果
              → 子 Agent C → 结果
         ← 汇总结果

核心特点：

• 主 Agent 负责理解任务、分配工作、汇总结果
• 子 Agent 专注于各自领域
• 子 Agent 之间相互独立，不直接通信

适用场景：

• 需要协调多个专家完成复杂任务
• 不同子任务可以并行执行
• 需要明确的任务分解和结果汇总

模式 2：Handoffs（交接模式）

类比：客服热线 —— "这个问题我处理不了，帮您转接专业客服"

用户 → Agent A → "我来处理..."
            → "这个问题需要专家，转接中..."
            → Agent B → "我是专家，来帮您..."

核心特点：

• 对话过程中动态切换 Agent
• 切换时保持上下文连续
• 用户感知是在和一个助手对话

适用场景：

• 对话中用户需求发生变化
• 需要专家介入但不想中断对话
• 客服场景的专员转接

模式 3：Skills（技能模式）

类比：员工学习新技能 —— "我需要 SQL 知识，让我查一下手册"

用户 → Agent → "这个问题需要 SQL 技能"
          → 加载 SQL 技能提示词
          → 用新能力回答问题

核心特点：

• 单个 Agent 通过加载技能扩展能力
• 技能是预定义的提示词和知识
• 渐进式披露，按需加载

适用场景：

• 单个 Agent 需要多种专业能力
• 不同团队独立开发维护技能
• 想要轻量级的能力扩展

模式 4：Router（路由模式）

类比：医院前台分诊 —— "发烧请去内科，骨折请去骨科"

用户请求 → 路由器 → 分析问题类型
                → Agent A（代码问题）
                → Agent B（文档问题）
                → Agent C（财务问题）
         ← 返回结果

核心特点：

• 有一个专门的路由步骤
• 路由后直接执行，不需要复杂协调
• 可以并行分发到多个 Agent

适用场景：

• 问题类型明确，可以清晰分类
• 不同类型需要不同的专业处理
• 想要高效的预处理分发

模式 5：Custom Workflow（自定义工作流）

类比：设计自己的业务流程 —— 完全自主控制每个步骤

输入 → 条件判断 → 路径 A → 确定性步骤 → 输出
              → 路径 B → Agent 步骤 → 输出

核心特点：

• 完全控制执行流程
• 可以混合确定性逻辑和 Agent 行为
• 可以嵌套其他模式

适用场景：

• 标准模式无法满足需求
• 需要复杂的条件分支
• 需要混合自动和手动步骤

如何选择合适的模式？

这是一个决策矩阵，帮你快速选择：

考虑因素	Subagents	Handoffs	Skills	Router
分布式开发	✅	✅	✅	✅
并行执行	✅	❌	❌	✅
多轮复杂任务	✅	✅	❌	❌
直接用户交互	❌	✅	❌	❌

具体建议：

1. 需要并行处理多个子任务？ → Subagents 或 Router
2. 对话中需要专家介入？ → Handoffs
3. 单 Agent 需要多种能力但不复杂？ → Skills
4. 问题类型清晰，分类后直接处理？ → Router
5. 以上都不满足？ → Custom Workflow

性能对比

不同模式在不同场景下的性能差异显著：

场景 1：一次性任务（One-shot）

用户问一个问题，Agent 直接回答。

模式	模型调用次数	Token 消耗
Skills	2	低
Handoffs	3	中
Subagents	4	高
Router	4	高

结论：简单任务用 Skills 最高效

场景 2：重复请求（Repeat Request）

用户连续问多个同类型问题。

模式	模型调用次数	Token 消耗
Skills	4	低
Handoffs	6	中
Subagents	8	高
Router	8	高

结论：同类型问题用 Skills 或 Handoffs

场景 3：多领域任务（Multi-domain）

用户问的问题涉及多个专业领域。

模式	模型调用次数	Token 消耗	特点
Subagents	4	高	⚡ 可并行
Router	4	高	⚡ 可并行
Skills	6	中	串行
Handoffs	7	中	串行

结论：多领域任务用 Subagents 或 Router（可并行）

代码结构预览

接下来几篇文章会详细介绍每种模式的实现。这里先预览一下代码结构：

Subagents 模式结构

// 子 Agent 定义
const researchAgent = createAgent({
  model: "gpt-4.1",
  tools: [searchTool],
  systemPrompt: "你是研究专家..."
});

// 将子 Agent 包装成工具
const callResearch = tool(
  async ({ query }) => {
    const result = await researchAgent.invoke({
      messages: [{ role: "user", content: query }]
    });
    return result.messages.at(-1)?.content;
  },
  {
    name: "research",
    description: "调用研究专家",
    schema: z.object({ query: z.string() })
  }
);

// 主 Agent 使用子 Agent
const mainAgent = createAgent({
  model: "gpt-4.1",
  tools: [callResearch, callCodeReview, callWriting]
});

Handoffs 模式结构

// 转接工具
const transferToSpecialist = tool(
  async (_, config) => {
    return new Command({
      update: {
        messages: [new ToolMessage({
          content: "已转接到专家",
          tool_call_id: config.toolCallId
        })],
        currentAgent: "specialist"
      }
    });
  },
  { name: "transfer_to_specialist", ... }
);

// 根据状态选择 Agent
const selectAgent = (state) => {
  return state.currentAgent === "specialist" 
    ? specialistAgent 
    : generalAgent;
};

Skills 模式结构

// 技能加载工具
const loadSkill = tool(
  async ({ skillName }) => {
    const skillPrompt = await loadSkillFromDB(skillName);
    return skillPrompt;
  },
  {
    name: "load_skill",
    description: `加载专业技能。可用技能：
      - write_sql: SQL 编写专家
      - review_code: 代码审查专家`,
    schema: z.object({ skillName: z.string() })
  }
);

Router 模式结构

// 路由函数
function routeQuery(state) {
  const classification = classifyQuery(state.query);
  
  // 单一路由
  return new Command({ goto: classification.agent });
  
  // 或并行路由
  return classifications.map(c => new Send(c.agent, { query: c.query }));
}

// 构建工作流
const workflow = new StateGraph(State)
  .addNode("router", routeQuery)
  .addNode("codeAgent", codeAgentNode)
  .addNode("docsAgent", docsAgentNode)
  .addEdge(START, "router")
  .compile();

本章小结

多代理系统是构建复杂 AI 应用的关键架构。核心要点：

1. 5 种模式各有特点：

   • Subagents —— CEO 管理经理，适合协调复杂任务
   • Handoffs —— 客服转接，适合对话中切换专家
   • Skills —— 学习技能，适合单 Agent 扩展能力
   • Router —— 前台分流，适合清晰的问题分类
   • Custom Workflow —— 自定义流程，适合特殊需求

2. 选择依据：

   • 是否需要并行？→ Subagents/Router
   • 是否需要对话交接？→ Handoffs
   • 是否轻量扩展？→ Skills
   • 都不满足？→ Custom Workflow

3. 性能考虑：

   • 简单任务：Skills 最高效
   • 多领域任务：Subagents/Router 可并行

下一篇我们详细介绍 Subagents 模式 —— 最强大的多代理协作方式。