多Agent协作入门：移交编排模式

大家好，我是Edison。

上一篇我们学习了Semantic Kernel中的群聊编排模式，它非常适合集思广益、协作解决问题等类型任务场景。今天，我们学习新的模式：移交编排。

移交编排模式简介

在移交（也可以叫做交接）编排模式中，允许各个Agent根据上下文或用户请求相互转移控制权，每个Agent都可以通过适当的专业知识将对话“移交”给另一个Agent，确保每个Agent处理任务的某个指定部分。这种模式非常适合于客户支持（客服）、专家系统或需要动态委派类型的任务场景。

下图展示了一个客户支持的用例场景，当用户提交售后请求，先由某个前台代理（这里是General Support）进行请求分析，并将具体请求转移给某个后台专家（如Technical Expert）或 计费人员（如Billing）。

实现移交编排模式

这里我们来实现一个客户支持的DEMO，假设我们是一个电商的后台客服中心，我们找了一群AI Agent来帮我们进行一些订单查询、退款、退货等通用类请求的客户服务支持。

我们定义4个Agent：

（1）分流客服Agent：负责初步分流客户问题；

（2）订单状态查询Agent：负责处理客户的订单状态查询问题；

（3）订单退货处理Agent：负责处理客户申请的退货请求；

（4）订单退款处理Agent：负责处理客户申请的退款请求；

为了简单地实现这个功能，我们还是创建一个.NET控制台项目，然后安装以下包：

Microsoft.SemanticKernel.Agents.Core
Microsoft.SemanticKernel.Agents.OpenAI (Preview版本）
Microsoft.SemanticKernel.Agents.Orchestration (Preview版本）
Microsoft.SemanticKernel.Agents.Runtime.InProcess (Preview版本）

需要注意的是，由于Semantic Kernel的较多功能目前还处于实验预览阶段，所以建议在该项目的csproj文件中加入以下配置，统一取消警告：

<PropertyGroup>
  <NoWarn>$(NoWarn);CA2007;IDE1006;SKEXP0001;SKEXP0110;OPENAI001</NoWarn>
</PropertyGroup>

创建一个appsettings.json配置文件，填入以下关于LLM API的配置，其中API_KEY请输入你自己的：

{
  "LLM": {
    "BASE_URL": "https://api.siliconflow.cn",
    "API_KEY": "******************************",
    "MODEL_ID": "Qwen/Qwen2.5-32B-Instruct"
  }
}

这里我们使用SiliconCloud提供的 Qwen2.5-32B-Instruct 模型，你可以通过这个URL注册账号：https://cloud.siliconflow.cn/i/DomqCefW 获取大量免费的Token来进行本次实验。

有了LLM API，我们可以创建一个Kernel供后续使用，这也是老面孔了：

Console.WriteLine("Now loading the configuration...");
var config = new ConfigurationBuilder()
    .AddJsonFile($"appsettings.json", optional: false, reloadOnChange: true)
    .Build();
Console.WriteLine("Now loading the chat client...");
var chattingApiConfiguration = new OpenAiConfiguration(
    config.GetSection("LLM:MODEL_ID").Value,
    config.GetSection("LLM:BASE_URL").Value,
    config.GetSection("LLM:API_KEY").Value);
var openAiChattingClient = new HttpClient(new OpenAiHttpHandler(chattingApiConfiguration.EndPoint));
var kernel = Kernel.CreateBuilder()
    .AddOpenAIChatCompletion(chattingApiConfiguration.ModelId, chattingApiConfiguration.ApiKey, httpClient: openAiChattingClient)
    .Build();

接下来，我们就一步一步地来看看核心的代码。

定义4个Agent

这里我们来定义4个Agent：

（1）分流客服Agent：负责初步分流客户问题；

var triageAgent = new ChatCompletionAgent()
{
    Name = "TriageAgent",
    Description = "处理客户请求",
    Instructions = "一个负责分流客户问题的客服智能体",
    Kernel = kernel.Clone()
};

（2）订单状态查询Agent：负责处理客户的订单状态查询问题；

var statusAgent = new ChatCompletionAgent()
{
    Name = "OrderStatusAgent",
    Description = "一个负责查询订单状态的客服智能体",
    Instructions = "处理订单状态请求",
    Kernel = kernel.Clone()
};
statusAgent.Kernel.Plugins.Add(KernelPluginFactory.CreateFromObject(new OrderStatusPlugin()));

（3）订单退货处理Agent：负责处理客户申请的退货请求；

var returnAgent = new ChatCompletionAgent()
{
    Name = "OrderReturnAgent",
    Description = "一个负责处理订单退货的客服智能体",
    Instructions = "处理订单退货并记录退货原因（用户需确认原因：不想要了 或 7天无理由退换 或 没有时间消费）",
    Kernel = kernel.Clone()
};
returnAgent.Kernel.Plugins.Add(KernelPluginFactory.CreateFromObject(new OrderReturnPlugin()));

（4）订单退款处理Agent：负责处理客户申请的退款请求；

var refundAgent = new ChatCompletionAgent()
{
    Name = "OrderRefundAgent",
    Description = "一个负责处理订单退款的客服智能体",
    Instructions = "处理订单退款请求并记录退款原因（用户需确认原因：不想要了 或 7天无理由退换 或 没有时间消费）",
    Kernel = kernel.Clone()
};
refundAgent.Kernel.Plugins.Add(KernelPluginFactory.CreateFromObject(new OrderRefundPlugin()));

需要注意的是：这里多个Agent都有使用Function Calling调用外部方法实现一些功能，所以在Kernel的设置处通过Clone方法实现隔离。

下面是这几个订单帮助的Plugin的定义：

public sealed class OrderRefundPlugin
{
    [KernelFunction]
    public string ProcessReturn(string orderId, string reason) => $"订单 {orderId} 的退款申请已通过！退款理由：{reason}";
}
public sealed class OrderReturnPlugin
{
    [KernelFunction]
    public string ProcessReturn(string orderId, string reason) => $"订单 {orderId} 的退货申请已通过！退货理由：{reason} ";
}
public sealed class OrderStatusPlugin
{
    [KernelFunction]
    public string CheckOrderStatus(string orderId) => $"订单 {orderId} 已发货 并将于 2-3日内送达！";
}

选择编排模式

这里我们选择的是群聊编排模式：HandoffOrchestration，除了将需要编排的4个Agent作为参数传递给它之外，我们还需要定义一个移交流程，让Agent知道他们应该如何实现交接。

var handoffs = OrchestrationHandoffs
        .StartWith(triageAgent)
        .Add(source: triageAgent, targets: [statusAgent, returnAgent, refundAgent]) // 分流客服可交接给状态、退货、退款智能体
        .Add(source: statusAgent, target: triageAgent, "如非订单状态相关问题则交回分流客服")
        .Add(source: returnAgent, target: triageAgent, "如非退货相关问题则交回分流客服")
        .Add(source: refundAgent, target: triageAgent, "如非退款相关问题则交回分流客服");

同时，为了实现聊天记录的存储和监控，自定义一个Monitor类：

public sealed class OrchestrationMonitor
{
    public ChatHistory History { get; } = new ChatHistory();
    public ValueTask ResponseCallback(ChatMessageContent response)
    {
        History.Add(response);
        return ValueTask.CompletedTask;
    }
}

最后，初始化移交编排：

// -- Create the HandoffOrchestration
var orchestration = new HandoffOrchestration(
  handoffs,
  members: [triageAgent, statusAgent, returnAgent, refundAgent])
{
    Name = "CustomerSupportOrchestration",
    Description = "处理客户请求并根据问题类型交接给对应的智能体",
    InteractiveCallback = () =>
    {
        var lastMessage = monitor.History.LastOrDefault();
        Console.WriteLine($"# Agent: \n{lastMessage?.Content}\n");
        Console.WriteLine($"# User:");
        var userInput = Console.ReadLine();
        Console.WriteLine();
        var message = new ChatMessageContent(AuthorRole.User, userInput);
        monitor.History.Add(message);
        return ValueTask.FromResult(message);
    },
    ResponseCallback = monitor.ResponseCallback
};

启动运行时

在Semantic Kernel中，需要运行时（Runtime）才能管理Agent的执行，因此这里我们需要在正式开始前使用InProcessRuntime并启动起来。

// Start the Runtime
var runtime = new InProcessRuntime();
await runtime.StartAsync();

调用编排 并 收集结果

准备工作差不多了，现在我们可以开始调用编排了。这也是老面孔代码了，不过多解释。

唯一需要注意的是：这里设置TimeSpan.FromSeconds(100*3)是为了给足对话时间。

// Start the Chat
Console.WriteLine($"Welcome to use CustomerSupport!\n");
var task = "你好，我需要订单上的帮助";
Console.WriteLine($"# User: \n{task}\n");
try
{
    // Invoke the Orchestration
    var result = await orchestration.InvokeAsync(task, runtime);
    // Collect Results from multi Agents
    var output = await result.GetValueAsync(TimeSpan.FromSeconds(100 * 3));
    // Print the Results
    Console.WriteLine($"# 处理结果总结: \n{output}\n");
}
catch (HttpOperationException ex)
{
    Console.WriteLine($"Exception: {ex.Message}");
}
finally
{
    await runtime.RunUntilIdleAsync();
    Console.WriteLine($"\n----------See you next time!----------");
    Console.ReadKey();
}

上面的代码示例中我们给出的第一句话是：“你好，我需要订单上的帮助”来进入客服场景。

效果展示

假设我是客户，我有3个订单，想要查询一个订单的状态，以及对另外两个订单进行退款和退货，对话过程如下图所示。

请求1：查询订单状态

请求2&3：申请退款 和 退货

示例源码

GitHub: https://github.com/EdisonTalk/MultiAgentOrchestration

小结

本文介绍了移交编排模式的基本概念，然后通过一个案例介绍了如何实现一个移交编排的经典场景：客户支持，相信通过这个案例你能够有个感性的认识。

下一篇，我们将学习磁性编排模式。

参考资料

Microsoft Learn: https://learn.microsoft.com/zh-cn/semantic-kernel/frameworks/agent/agent-orchestration

推荐学习

圣杰：《.NET+AI | Semantic Kernel入门到精通》

作者：爱迪生

出处：https://edisontalk.cnblogs.com

本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文链接。