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。
https://img2024.cnblogs.com/blog/381412/202507/381412-20250727153125105-328275453.png
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
{
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
{
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
{
public string CheckOrderStatus(string orderId) => $"订单 {orderId} 已发货 并将于 2-3日内送达！";
}选择编排模式
这里我们选择的是群聊编排模式：HandoffOrchestration，除了将需要编排的4个Agent作为参数传递给它之外，我们还需要定义一个移交流程，让Agent知道他们应该如何实现交接。
var handoffs = OrchestrationHandoffs
.StartWith(triageAgent)
.Add(source: triageAgent, targets: ) // 分流客服可交接给状态、退货、退款智能体
.Add(source: statusAgent, target: triageAgent, "如非订单状态相关问题则交回分流客服")
.Add(source: returnAgent, target: triageAgent, "如非退货相关问题则交回分流客服")
.Add(source: refundAgent, target: triageAgent, "如非退款相关问题则交回分流客服");同时，为了实现聊天记录的存储和监控，自定义一个Monitor类：
public sealed class OrchestrationMonitor
{
public ChatHistory History { get; } = new ChatHistory();
public ValueTask ResponseCallback(ChatMessageContent response)
{
History.Add(response);
return ValueTask.CompletedTask;
}
}最后，初始化移交编排：
// -- Create the HandoffOrchestration
var orchestration = new HandoffOrchestration(
handoffs,
members: )
{
Name = "CustomerSupportOrchestration",
Description = "处理客户请求并根据问题类型交接给对应的智能体",
InteractiveCallback = () =>
{
var lastMessage = monitor.History.LastOrDefault();
Console.WriteLine($"# 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。
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！
页:
[1]