构建自己的Agent协作层：事件驱动与状态管理模式

大家好呀，我是技术老金，所有文章首发于我的公众号。

在上一篇文章（我们为何放弃了CrewAI：一个关于AI框架选型的深度复盘）里，我们做出了一个艰难但坚定的决策：放弃CrewAI，回归我们自己的内核，亲手构建我们的多智能体（Multi-Agent）协作能力。

这个决定，意味着我们必须直面一个最核心的技术问题：当没有了现成的框架，我们该如何让多个独立的Agent，像一个真正的团队一样，高效、可靠地协同工作？

今天，我将带你一起，用最基础的编程思想，探讨并实现一套简化的Agent协作层。我们将聚焦于两个最核心的设计模式：状态管理（State Management）和事件驱动（Event-Driven）的调度。

问题的本质：Agent之间如何“对话”？

多智能体协作的本质，是信息在多个处理单元之间的、可靠的、有序的流动。

如果只是简单地将Agent A返回的大段自然语言，直接作为Agent B的输入，那么整个系统将是极其脆弱和不可预测的。我们需要一个更健壮的机制。

这个机制，由两个核心组件构成：

第一部分：作为“中央白板”的共享状态机

在我们的vkflow-agent项目中，我们用一个极其简单的Python类，来实现这个“白板”：

# vkflow_agent/core/shared_state.py

class SharedState:
def __init__(self):
self._state = {}

def get(self, key: str, default=None):
return self._state.get(key, default)

def set(self, key: str, value):
# … (省略了日志打印代码)
self._state[key] = value

这个SharedState类的核心，就是一个Python字典。它的价值在于，它为所有Agent提供了一个统一的、规范化的信息读写接口。例如，研究员Agent完成任务后，可以将它的发现，用state.set("research_findings", …)这个标准动作，写回“白板”，而不用关心下一个环节是谁、以及它会如何使用这些信息。这实现了Agent之间的“解耦”。

第二部分：两种核心的“调度模式”

有了“白板”，我们还需要一个“项目经理”来指挥大家如何使用它。这就是调度器的角色。在实践中，主要有两种调度模式。

1. 顺序调度模式 (Sequential Dispatching)

这是最简单、最直接的模式，适用于那些流程固定的、线性的任务。比如我们的“日报生成”任务，就是典型的“先研究，后写作”。

我们的SequentialDispatcher实现如下：

# vkflow_agent/core/dispatcher.py

class SequentialDispatcher:
def __init__(self, agents: List[BaseAgent]):
self.agents = agents

def run(self, initial_user_request: str) –> SharedState:
state = SharedState()
state.set("initial_request", initial_user_request)

for agent in self.agents:
state = agent.run(state) # 将上一个Agent的输出状态，作为下一个的输入

return state

它的核心，就是一个for循环。它将SharedState这个“接力棒”，依次地、顺序地，在agents这个列表中进行传递。简单，但有效。

2. 事件驱动调度模式 (Event-Driven Dispatching) – 更真实的未来

然而，在更复杂的真实世界里，任务流往往不是线性的。一个Agent的产出，可能会触发多个不同的下游任务；或者，一个任务需要等待多个上游任务都完成，才能开始执行。

这时，我们就需要一种更强大、更灵活的调度模式：事件驱动。

虽然我们这次没有完整实现它，但它的核心设计思想，值得我们深入探讨：

这种模式，将Agent之间的“硬编码”的顺序依赖，彻底解耦成了一种“发布-订阅”式的、更灵活的网状关系。它为我们未来实现更复杂的、支持条件分支、并行处理、甚至循环反馈的Agent工作流，打下了最坚实的架构基础。

结语：从“工作流”到“思维链”

我们放弃了CrewAI，但我们通过亲手构建自己的协作层，反而更深刻地理解了所有多智能体框架的“第一性原理”——其本质，都是在用代码，去模拟和管理一个“团队”的信息流转和工作流程。

无论是简单的“顺序调度”，还是复杂的“事件驱动”，我们都是在为我们那些拥有强大“大脑”（LLM）的Agent，构建一个能让它们高效协作的“神经系统”。

这个“神经系统”，就是我们作为“AI时代架构师”，最核心的价值所在。我们不再仅仅是Prompt的“炼金术士”，我们更是复杂“思维链条”的设计者和构建者。

这，才是真正意义上的、属于未来的“AI工程”。

[版权声明] 本文由“技术老金”原创首发于个人博客及微信公众号『技术老金』，转载请注明出处。