手搓生产级 AI Agent 系统（10）：多Agent协作、Supervisor与共享状态

文章摘要

实现Agent能力目录、Supervisor、任务DAG、受控并发、共享状态合并和结果聚合。

一、本篇目标

  • 定义Agent能力
  • Supervisor分配任务
  • 并发控制
  • 状态版本合并
  • 结果聚合与验证

二、为什么Demo方案无法直接进入生产

多Agent不是多开几个模型调用，真正难点是任务边界、状态一致性、预算和责任归属。

生产系统需要把模型调用放入完整控制面，而不是让Controller直接拼Prompt、选择模型并处理异常。

三、总体架构

Goal → Supervisor → AgentTasks → WorkerPool → SharedState → Aggregator

4、能力目录

能力目录是本篇生产架构的关键组成部分，需要显式定义输入、输出、状态、错误边界和观测字段。

List tasks = supervisor.decompose(request);
return Flux.fromIterable(tasks)
        .flatMap(task -> workerPool.execute(task), maxConcurrency)
        .collectList()
        .map(aggregator::merge);

5、任务分解

任务分解是本篇生产架构的关键组成部分，需要显式定义输入、输出、状态、错误边界和观测字段。

List tasks = supervisor.decompose(request);
return Flux.fromIterable(tasks)
        .flatMap(task -> workerPool.execute(task), maxConcurrency)
        .collectList()
        .map(aggregator::merge);

6、共享状态

共享状态是本篇生产架构的关键组成部分，需要显式定义输入、输出、状态、错误边界和观测字段。

List tasks = supervisor.decompose(request);
return Flux.fromIterable(tasks)
        .flatMap(task -> workerPool.execute(task), maxConcurrency)
        .collectList()
        .map(aggregator::merge);

7、预算与聚合

预算与聚合是本篇生产架构的关键组成部分，需要显式定义输入、输出、状态、错误边界和观测字段。

List tasks = supervisor.decompose(request);
return Flux.fromIterable(tasks)
        .flatMap(task -> workerPool.execute(task), maxConcurrency)
        .collectList()
        .map(aggregator::merge);

8、生产治理要求

  • 配置、Prompt、模型和数据版本必须进入Trace
  • 权限、预算和风险规则由业务代码强制执行
  • 外部调用设置全链路Deadline
  • 重试与副作用隔离
  • 所有关键失败形成可回放样本

9、测试策略

  1. 确定性领域逻辑单元测试
  2. 外部Provider契约测试
  3. 黄金数据集质量评测
  4. 限流、超时和宕机故障注入
  5. 灰度与回滚演练

10、上线检查清单

□ 接口契约稳定
□ 租户隔离通过攻击测试
□ 版本可追踪
□ 成本与质量可观测
□ 异常有降级和人工兜底

阶段性验收标准

本篇围绕“手搓生产级 AI Agent 系统（10）：多Agent协作、Supervisor与共享状态”建设的能力，应通过以下验收后再进入下一阶段：

核心接口契约稳定
关键状态可以持久化和恢复
租户、用户和权限边界通过攻击测试
外部超时、限流和宕机有明确降级
模型、Prompt、工具和数据版本可追踪
质量、延迟、成本和错误均可观测

除正常流程外，还应覆盖重复请求、并发更新、部分失败、服务重启、回调乱序、权限撤销和配置回滚。对于包含真实副作用的步骤，必须证明重试和恢复不会重复执行。

生产运行中的持续治理

系统上线后要把线上失败、人工接管和用户负反馈持续回流到测试集。每次模型、Prompt、工具或索引变化都运行同一基线，并通过影子流量或金丝雀验证真实分布。

建议按周复盘高成本任务、重复调用、低置信输出和人工修订原因；按月复审权限、数据保留、模型能力目录和降级策略。企业AI工程不是一次性开发，而是一套持续测量、修正和演进的运行体系。

总结

多Agent系统需要一个强控制面，确保每个Agent知道任务、权限、预算和状态版本。

下一篇将继续实现：

手搓生产级 AI Agent 系统（11）：代码与浏览器沙箱、安全执行与风险控制

延伸阅读

如果你正在关注企业级 AI 应用、Spring AI、RAG、Agent 与大模型工程化落地，欢迎访问 智元界：

https://www.zyentor.com/

智元界将持续分享可运行的技术实战、架构设计、问题排查与企业应用案例。