别再被 Agent “耍”！一文揭秘 MAS 高效控制术，附实操代码！

在多智能体系统（MAS）的应用中，Agent 的控制难度着实不小，常常会出现让它往东，它却往西的情况。尤其是在复杂的 MAS 系统里，这种不可控性更为明显。我们曾尝试利用大量数据进行微调，满心以为能得到一个稳定的输出结果，可事实证明，我们还是过于天真了。

在生产系统的开发过程中，我们发现不能一次性给大语言模型（LLM）布置过多任务，更不能让它直接处理创造性任务。正确的做法是将任务进行拆解，细化为一个个清晰明确的小任务。通过工作流的方式，引导 Agent 逐步完成这些任务，将其 “活动范围” 限定在一定范围内，避免它 “胡思乱想”，这样才能确保任务得以真正完成。

例如，在长文本标书撰写的场景中，可以让每个智能体负责其中的一部分内容，最后再将各部分合成完整的标书；在医疗领域的 MAS 应用里，每个节点可以作为一个工具，将这些工具的信息整合后提供给上游的 Agent 作为参考；还可以利用 Agent 进行电脑配置清单的推荐，并且同时满足 N 种复杂的兼容性要求。这些不同类型的复杂任务，Agent 都能够胜任，其应用价值不容小觑。

打基础部分的具体安排如下：

day3：构建意图分流路由，确保每个人都能做合适的事，各司其职（本篇内容）。

day4：为智能体添加长期和短期记忆，让它能够记住该记的信息。

day5：管理智能体的短期记忆，使其能够记住最新且重要的事情。

day6：管理智能体的长期记忆，让智能体可以长期记住用户的特性，比如用户的姓名、生日等信息。

day7：从对话记录中提取重要信息，形成用户专属记忆。

day8：将长短记忆入库，这样即使用户退出访问，记忆信息也能即时同步。

后续，我们还会根据实际情况，增加函数 tool 的相关内容以及进一步完善 RAG 的接入。掌握了这些知识后，你基本就能够使用 LangGraph 进行开发工作了。

接下来，我们准备了几个从 0 到 1 的系列内容。我们将使用 agent、langgraph 和知识图谱，打造一个与为客户做的项目 demo 类似的示例。

人的专注力有限，通常只有 10 分钟左右，话不多说，让我们赶紧动手实践吧！以下是本次要探讨的几个关键问题：

什么是智能体路由？它有哪些重要作用？

如何实现智能切换 Agent 以及条件转换等高级玩法？

跑起来！我们将一边运行代码，一边深入探讨其中的细节。

第一部分：智能体路由的概念与作用

想象一下，当你走进学校门口，会看到一个指示牌，上面清晰地标注着：上课去课室，看书去图书馆，跑步去操场。在智能体系统中，也存在类似的 “指示牌” 机制。

例如，当用户进行闲聊时，系统会调用 chat model 进行回复；当用户需要约医生时，系统会调用函数来查询档期；当客户想要投诉时，系统会将任务转交给人工处理。

此外，还有许多自定义的方案。而实现这一切的关键，就是路由（Routers）。在 langgraph 中，路由是非常重要的组成部分。今天，我们就通过以下例子来入门理解。

这是一个简单的示例，在这个例子中，智能体在路由机制下，能够自主决定是使用 tools 来处理任务，还是直接用自然语言进行响应回复。

第二部分：实现智能体切换等高阶玩法的方法

在医疗多智能体系统中，我们广泛应用了 MAS。其中，有专门负责调用数据库的 Agent，也有专门用于分析健康状态的 Agent 等等。而负责规划解决方案并分配子任务的工作流，需要完成多个智能体之间的切换，并且实现共享数据和背景信息，这些都是通过【路由】来解决的。

在 LangGraph 中，有一些关键的参数和函数定义：

destination

表示要导航到的目标代理，即 LangGraph 中的节点名称。

payload

用于传递给该代理的信息，也就是 LangGraph 中的状态更新。

以下是一些具体的函数定义示例：

每个代理都对应着相应的节点函数，这些函数可以根据条件返回一个对象。节点函数会结合带有系统提示的 LLM 和一个工具，当需要切换给另一个代理时，工具可以发出信号。LLM 则会通过工具调用进行响应。之后，通过添加节点和边，系统就可以正式开始工作了：

第三部分：运行代码并深入探讨细节

下载好打包好的环境后，就可以跟着以下步骤进行操作了：

进入 conda 环境。养成每个项目使用一个独立环境的习惯，输入指令conda activate agent激活环境。当看到前面有括号圈起来的 “agent” 时，就说明激活成功了。

进入放置实践代码的路径。使用cd命令进入相应目录，这里存放着代码和依赖，例如cd G:\LangGraph\day3。

进入 jupyter 进行实操。输入指令jupyter notebook，系统会自动进入并跳转到浏览器。

针对入门，我们使用了两个示例：

工具的路由：当遇到需要使用 tools 的任务时，就调用 tools；如果不需要，则由大模型直接回复，不使用 tools。

以下是核心代码示例：

创建工具：

把工具与大模型绑定：

创建节点和边：我们要实现的逻辑是，当需要调用工具时就调用，不需要时模型直接回复。例如，在实际应用中，如果是医疗相关的任务，就调用工具；如果不是医疗相关的，则直接当作闲聊处理，这是最基础的用法。

最后，我们可以把定义的节点和边的逻辑打印出来，方便查看和理解：

今天的内容相对比较基础简单，希望大家都能有所收获，顺利掌握相关知识并进行实践操作。