工作流与多 Agent:拆分、汇合与恢复
多 Agent 适合解决能拆开验收、能明确交接的任务。增加角色会带来更多模型调用、上下文传递和失败位置;设计时先画出依赖,再决定哪些节点需要模型自主选择。
从固定路径到动态分工
| 模式 | 使用条件 | 主要代价 |
|---|---|---|
| 串行链 | 上一步输出是下一步输入 | 延迟逐步累积 |
| 路由 | 不同输入走不同专用路径 | 分类错误会把任务送错 |
| 并行执行 | 子任务独立且结果可合并 | 并发预算、冲突与部分失败 |
| 编排器与执行者 | 子任务数量随输入变化 | 任务拆解与合并需要验收 |
| 生成与评审循环 | 评审标准可明确表达 | 评审偏差、重复修改与成本 |
这些模式可在一个应用里组合。LangGraph:工作流与 Agent
并行任务要先定义交付契约
交接不要只有一大段聊天记录。可以约定每个工作单元返回:task_id、完成状态、结论、证据 ID、未解决问题和已用预算。汇总者应知道哪些任务失败,而不是把空结果误当成“没有问题”。
LangGraph 状态合并的一个关键点
同一执行步中,多个分支更新同一未定义 reducer 的字段会报错,不是最后写入覆盖。下面仅展示状态类型;业务上允许合并的集合才适合这种方式。
from operator import add
from typing import Annotated, TypedDict
class ResearchState(TypedDict):
findings: Annotated[list[dict], add]
final_report: str
列表拼接不负责证据去重,也不能解决相互矛盾的结论。并行分支分别写 findings,由单独的汇总节点去重并写入 final_report。官方并发更新错误说明
恢复与人工介入
持久化任务状态后,长任务可以在中断后恢复。恢复点周围的代码可能重新执行,因此发邮件、创建工单等操作要使用幂等键或先查询已有结果。LangGraph 的 interrupt() 与检查点可实现暂停并等待输入;生产环境需要持久化存储。Interrupts
工程上还应明确:谁有资格恢复、恢复的是哪一次任务、审批内容是否与待执行动作完全一致、审批过期后如何处理。
A2A 与 MCP 的分工
MCP 更关注连接工具与资源;A2A 面向 Agent 之间的发现、任务与协作交互。它们都不会自动完成业务编排,也不保证对端结果可靠。A2A 官方文档
先用单 Agent 跑出可测基线。只有在并行能减少关键路径、专门角色能提高可测质量,或权限隔离确有需要时,再增加协作角色。