多智能体架构

这里，我们将探讨多智能体架构的基础知识，我们将主要回顾几个多智能体架构：

1. Single Agents
2. Supervision
3. Hierarchical
4. Network
5. Custom
6. Swam Agent Architecture

背景

我们在搭建多agent时，随着需求越来越大，越来越多的工具进入我们的系统，而 agent 拥有多个工具，有时多达 10 多个工具。

这可能会导致agent对使用什么工具感到困惑；agent开始在工具选择上做出糟糕的决定。一个快速的解决方案是查看我们的代码，并尝试理解我们的程序的底层架构是什么。只有当我们真正理解我们的agent体系结构和agent被设计用来做什么任务时，这才能有所帮助。下面我们将对这些多智能体体系结构有一个基本的了解。

Single Agent 架构

在single agent架构中，这是最容易理解的简单形式。在这种方法中，我们只有一个拥有大量工具并连接到 LLM 的agent。然后，agent接收一个查询，并决定使用 LLM 调用哪个工具进行推理。

Supervisor Agent架构

在supervisor agent体系结构中，我们有一个agent，它下面有多个其他agent（子agent）。这个supervisor ，基本上，我们可以把它想象成交响乐的指挥。它接收查询，使用 LLM 对其进行推理，并决定将任务委托给哪些agent或将子任务委托给哪些agent。它接收来自这些agent的输入，对其进行推理，并决定是否需要调用另一个agent，如果不需要，它返回最终输出。

Hierarchical Agent架构

有时候，只有一个supervisor来做所有的决定，并决定调用哪个agent，agent可能会开始表现不佳，因为它可能处理太多的事情，并且需要是处理方面的专家。在这种情况下，一种常见的方法是创建团队，每个团队都有自己的supervisor，该supervisor专门管理自己的子agent团队。基本上将图分解成子图，每个子图都有自己的supervisor 和该supervisor下的子agent。

Network Agent架构

在日常生活中，我们可以和任何人交谈，他们也可以给我们反馈。我们可以给我们在 Boss上欣赏的人发信息，或者某些社交软件上互发信息，这里的概念是一样的，但是现在有了agent，每个agent都可以和整个集合中的任何其他agent交谈。

Custom Agent架构

在这种agent体系结构中，每个agent只能与选定的子agent通信，而不像网络中每个agent可以与所有其他agent通信。

Swam Agent架构

Swam agent体系结构是一种多智能体系统，其中专门的智能体根据其专业领域动态地将控制权传递给另一个智能体，系统保留上次活动的agent的记忆以确保对话的连续性。