LangGraph Multi Agent 多智能体架构

未完待续

概述

单智能体下，只有一个大模型和若干工具，大模型决定使用什么工具，一个模型独立完成从思考到选择并使用工具，再观察结果循环往复直到所有逻辑全部完成的过程。

在langgraph+langchain体系中，可以将一个可调用的对象封装为一个智能体，通过编排将多个智能体组成一个图，通过消息传递，条件跳转和记忆进行协作，实现多智能体架构（Multi-Agent Architecture）

这样的好处是：

1. 每个智能体只完成自己擅长处理的任务，实现解耦
2. 通过添加新的智能体到图中，进行功能拓展
3. 通过编排，实现人工干预，时间回溯等功能使得智能体执行过程更加可控

多智能体架构中，常见的智能体连接方式有：

• Network

  智能体之间互相平等，任何智能体都能选择调用其他的智能体

• Supervisor

  包含一个主智能体，每个其他智能体都与主智能体通信，主智能体决定下一步调用哪个智能体

• Supervisor (as tools)

  主智能体的特殊情况，单个智能体表示为工具，集成了支持Function calling的大模型的主智能体通过tools来调用其他智能体

• Hierarchical

  多层的Supervisor结构，每一层有自己的主智能体，类似一个大公司的组织架构

• Custom

  通过langgraph灵活的条件边构造自定义的执行流，用的最多

多智能体架构中，常见的场景选择：

1.Supervisor