AI创想

标题: LangGraph——Multi-agent [打印本页]

---

作者: 米落枫    时间: 5 天前
标题: LangGraph——Multi-agent
作者：CSDN博客
Multi-agent架构

Multi-agent架构分类

Network：每个agent都可以与其他每个agent进行通信。任何agent都可以决定接下来呼叫哪个其他的agent。Supervisor：每个agent与Supervisor agent进行通信。Supervisor agent决定接下来应该调用哪个agent
Supervisor (tool-calling)：这是 Supervisor 架构的特例。单个agent可以表示为工具。在这种情况下，Supervisor agent使用工具调用 LLM 来决定要调用哪些agent工具，以及要传递给这些agent的参数。Hierarchical：您可以定义一个多agent系统，其中包含一个supervisor of supervisors。这是管理程序架构的推广，允许更复杂的控制流。Custom multi-agent workflow：每个agent仅与agent子集通信。流的某些部分是确定性的，只有某些agent可以决定接下来要呼叫哪些其他的agent。

(, 下载次数: 0)

上传

点击文件名下载附件

Handoffs（交接）

在Multi-agent架构中，agent可以表示为图节点。每个agent节点执行其步骤并决定是完成执行还是路由到另一个agent，包括可能路由到自身（例如，在循环中运行）。Multi-agent交互中的一种常见模式是交接 ，即一个agent将控制权移交给另一个agent。切换允许您指定：

destination：要导航到的目标agent（例如，要转到的节点的名称）payload：要传递给agent的信息（例如，状态更新）

要在 LangGraph 中实现切换，agent节点可以返回 Command 对象，该对象允许您结合控制流和状态更新：

1. def agent(state) -> Command[Literal["agent", "another_agent"]]:
2.     # the condition for routing/halting can be anything, e.g. LLM tool call / structured output, etc.
3.     goto = get_next_agent(...)  # 'agent' / 'another_agent'
4.     return Command(
5.         # Specify which agent to call next
6.         goto=goto,
7.         # Update the graph state
8.         update={"my_state_key": "my_state_value"}
9.     )

复制代码

在更复杂的场景中，每个agent节点本身都是一个图（即子图 ），其中一个agent子图中的节点可能希望导航到不同的agent。例如，如果您有两个agent，alice 和 bob（父图中的子图节点），并且 alice 需要导航到 bob，则可以在 Command 对象中设置 graph=Command.PARENT：

1. def some_node_inside_alice(state):
2.     return Command(
3.         goto="bob",
4.         update={"my_state_key": "my_state_value"},
5.         # specify which graph to navigate to (defaults to the current graph)
6.       

复制代码

原文地址：https://blog.csdn.net/qq_50863584/article/details/151263069

---

欢迎光临 AI创想 (http://llms-ai.com/)

Powered by Discuz! X3.4