智能体设计师

agent-designer
分类设计
作者Alireza Rezvani
许可MIT
评分4.50/5
使用3.3K

Agent Designer — 多智能体系统架构

使用三个确定性工具来设计、生成 Schema 并评估多智能体系统。脚本即工作流 —— 当规划器可以根据需求进行评分时，请勿凭直觉设计架构。

使用场景

  • 根据需求设计新的多智能体系统（模式选择、角色定义、通信方式）
  • 将纯文本工具描述转换为可直接用于供应商的工具 Schema（Anthropic + OpenAI 格式）
  • 评估执行日志：成功率、延迟分布、成本、瓶颈

不适用场景： Claude Code 工作流工具自动化 $\rightarrow$ workflow-builder；单智能体工作流脚手架 $\rightarrow$ agent-workflow-designer；运行时多智能体扇出 $\rightarrow$ agenthub。

模式决策表

| 选择 | 适用场景 | 注意事项 |
|---|---|---|
| 单智能体 (Single agent) | 单一限定任务，工具数量 < ~5 个 | 不要添加不需要的智能体 |
| 监督者 (Supervisor) | 中心化分解，专家智能体汇报结果 | 监督者可能成为瓶颈 |
| 流水线 (Pipeline) | 严格的顺序阶段及交接 | 顺序僵化；最慢阶段决定吞吐量 |
| 层级式 (Hierarchical) | 多个组织层级，智能体数量 > ~8 个 | 每层增加通信开销 |
| 集群 (Swarm) | 并行对等节点，容错性高于可预测性 | 难以调试；需要共识规则 |

规划器将确定性地应用此评分标准 —— 请运行脚本而非凭感觉选择。

工作流

所有路径均相对于此技能文件夹。每一步的 JSON 输出将作为下一步设计的输入。

1. 设计架构

编写需求 JSON（参考 assets/sample_system_requirements.json —— 键值包括：goal, tasks[], constraints{max_response_time, budget_per_task, concurrent_tasks}, team_size）：

bash
python3 agent_planner.py requirements.json --format json -o arch

输出 arch.json，包含 architecture_design（模式、智能体、通信链路）、mermaid_diagram 和 implementation_roadmap。阅读 architecture_design.pattern 和每个智能体的角色列表，并将 mermaid 图表展示给用户。

2. 生成工具 Schema

用纯 JSON 描述每个智能体的工具（参考 assets/sample_tool_descriptions.json），然后执行：

bash
python3 tool_schema_generator.py tool_descriptions.json --validate -o tools

输出 tools.json（tool_schemas, validation_summary）以及供应商特定的 tools_anthropic.json / tools_openai.json。门禁：每个工具必须打印 ✓ Valid。 在继续之前修复任何无效的 Schema —— 绝不要给智能体提供未经验证的 Schema。

3. 评估执行日志

系统运行后（或使用 assets/sample_execution_logs.json 进行试运行）：

bash
python3 agent_evaluator.py execution_logs.json --detailed -o eval

输出 eval.json，包含 summary, agent_metrics, bottleneck_analysis, error_analysis, cost_breakdown, sla_compliance 和 optimization_recommendations，以及拆分文件（eval_errors.json, eval_recommendations.json）。

4. 验证

迭代循环

在满足以下条件前，设计尚未完成：

1. tool_schema_generator.py --validate 报告的无效 schema 数量为 0。
2. agent_evaluator.py 的试点运行报告 0 个严重问题（发现问题时，工具会打印 CRITICAL: N critical issues）。如果 N > 0，请执行 eval_recommendations.json 中的首项建议，重新运行试点并再次评估。
3. 将你的输出与 expected_outputs/ 进行对比，确认所使用的 schema 结构没有发生偏移。

参考资料

  • references/agent_architecture_patterns.md — 深入探讨模式权衡
  • references/tool_design_best_practices.md — schema、幂等性及错误处理规则
  • references/evaluation_methodology.md — 评估器实现的指标定义