ส่วนที่ 6: เวิร์กโฟลว์แบบหลายเอเจนต์

เป้าหมาย: รวมเอเจนต์เฉพาะทางหลายตัวเข้าเป็นสายการทำงานที่ประสานงานกัน แบ่งงานที่ซับซ้อนระหว่างเอเจนต์ที่ร่วมมือกัน - ทั้งหมดทำงานในเครื่องด้วย Foundry Local

ทำไมต้องแบบหลายเอเจนต์?

เอเจนต์เดียวสามารถจัดการงานหลายอย่างได้ แต่เวิร์กโฟลว์ที่ซับซ้อนจะได้ประโยชน์จาก ความเชี่ยวชาญเฉพาะด้าน แทนที่จะให้เอเจนต์ตัวเดียวพยายามค้นคว้า เขียน และแก้ไขพร้อมกัน คุณแยกงานออกเป็นบทบาทที่มุ่งเน้น:

แบบฝึกหัด

แบบฝึกหัดที่ 1 - รันสายงานแบบหลายเอเจนต์

เวิร์กช็อปประกอบด้วยเวิร์กโฟลว์ Researcher → Writer → Editor ที่สมบูรณ์

cd python
python -m venv venv

# วินโดวส์ (PowerShell):
venv\Scripts\Activate.ps1
# macOS:
source venv/bin/activate

pip install -r requirements.txt

python foundry-local-multi-agent.py

cd javascript
npm install

node foundry-local-multi-agent.mjs

cd csharp
dotnet restore

dotnet run multi

แบบฝึกหัดที่ 2 - โครงสร้างของสายงาน

ศึกษาวิธีการกำหนดและเชื่อมต่อเอเจนต์:

1. ลูกค้าโมเดลร่วม

เอเจนต์ทั้งหมดใช้โมเดล Foundry Local เดียวกัน:

# Python - FoundryLocalClient จัดการทุกอย่าง
from agent_framework_foundry_local import FoundryLocalClient

client = FoundryLocalClient(model_id="phi-3.5-mini")

// JavaScript - OpenAI SDK ชี้ไปที่ Foundry Local
const client = new OpenAI({
  baseURL: manager.urls[0] + "/v1",
  apiKey: "foundry-local",
});

// C# - OpenAIClient pointed at Foundry Local
var key = new ApiKeyCredential("foundry-local");
var client = new OpenAIClient(key, new OpenAIClientOptions
{
    Endpoint = new Uri(manager.Urls[0] + "/v1")
});
var chatClient = client.GetChatClient(model.Id);

2. คำสั่งเฉพาะ

แต่ละเอเจนต์มีบุคลิกแตกต่างกัน:

3. การไหลของข้อมูลระหว่างเอเจนต์

# ขั้นตอนที่ 1 - ผลลัพธ์จากนักวิจัยกลายเป็นข้อมูลเข้าสู่ผู้เขียน
research_result = await researcher.run(f"Research: {topic}")

# ขั้นตอนที่ 2 - ผลลัพธ์จากผู้เขียนกลายเป็นข้อมูลเข้าสู่บรรณาธิการ
writer_result = await writer.run(f"Write using:\n{research_result}")

# ขั้นตอนที่ 3 - บรรณาธิการทบทวนทั้งงานวิจัยและบทความ
editor_result = await editor.run(
    f"Research:\n{research_result}\n\nArticle:\n{writer_result}"
)

// C# - same pattern, async calls with AIAgent
var researchNotes = await researcher.RunAsync(
    $"Research the following topic and provide key facts:\n{topic}");

var draft = await writer.RunAsync(
    $"Write a blog post based on these research notes:\n\n{researchNotes}");

var verdict = await editor.RunAsync(
    $"Review this article for quality and accuracy.\n\n" +
    $"Research notes:\n{researchNotes}\n\n" +
    $"Article:\n{draft}");

ข้อมูลสำคัญ: เอเจนต์แต่ละตัวได้รับบริบทสะสมจากเอเจนต์ก่อนหน้า บรรณาธิการจะเห็นทั้งงานวิจัยต้นฉบับและร่าง ซึ่งช่วยให้ตรวจสอบความสอดคล้องของข้อเท็จจริงได้

แบบฝึกหัดที่ 3 - เพิ่มเอเจนต์ที่สี่

ขยายสายงานโดยเพิ่มเอเจนต์ใหม่ เลือกหนึ่งจากต่อไปนี้:

headline_agent = client.as_agent(
    name="HeadlineWriter",
    instructions=(
        "You are a headline specialist. Given an article, generate exactly "
        "5 headline options. Vary the style: informative, question-based, "
        "listicle, emotional, and provocative. Return them as a numbered list."
    ),
)

# หลังจากบรรณาธิการอนุมัติ ให้สร้างหัวเรื่อง
headline_result = await headline_agent.run(
    f"Generate headlines for this article:\n\n{writer_result}"
)
print(f"\n--- Headlines ---\n{headline_result}")

const headlineAgent = new ChatAgent({
  client,
  modelId: modelInfo.id,
  instructions:
    "You are a headline specialist. Given an article, generate exactly " +
    "5 headline options. Vary the style: informative, question-based, " +
    "listicle, emotional, and provocative. Return them as a numbered list.",
  name: "HeadlineWriter",
});

const headlineResult = await headlineAgent.run(
  `Generate headlines for this article:\n\n${writerResult.text}`
);
console.log(`\n--- Headlines ---\n${headlineResult.text}`);

AIAgent headlineAgent = chatClient.AsAIAgent(
    name: "HeadlineWriter",
    instructions:
        "You are a headline specialist. Given an article, generate exactly " +
        "5 headline options. Vary the style: informative, question-based, " +
        "listicle, emotional, and provocative. Return them as a numbered list."
);

// After the editor accepts, generate headlines
var headlines = await headlineAgent.RunAsync(
    $"Generate headlines for this article:\n\n{draft}");
Console.WriteLine($"\n--- Headlines ---\n{headlines}");

แบบฝึกหัดที่ 4 - ออกแบบเวิร์กโฟลว์ของคุณเอง

ออกแบบสายงานหลายเอเจนต์สำหรับโดเมนอื่น ๆ ตัวอย่างไอเดีย:

ขั้นตอน:

1. กำหนดเอเจนต์ 3 ตัวขึ้นไปที่มี instructions แตกต่างกัน
2. ตัดสินใจการไหลของข้อมูล - เอเจนต์แต่ละตัวรับและสร้างอะไร
3. ใช้รูปแบบจากแบบฝึกหัด 1-3 เพื่อสร้างสายงาน
4. เพิ่มวงจรฟีดแบ็คหากเอเจนต์ตัวใดจะประเมินงานของอีกตัว

รูปแบบการประสานงาน

นี่คือรูปแบบการประสานงานที่ใช้ได้กับระบบหลายเอเจนต์ใด ๆ (อธิบายอย่างละเอียดใน ส่วนที่ 7):

สายงานเรียงลำดับ

เอเจนต์แต่ละตัวประมวลผลเอาท์พุตของตัวก่อนหน้า ง่ายและคาดเดาได้

วงจรฟีดแบ็ค

เอเจนต์ผู้ประเมินสามารถกระตุ้นให้รันซ้ำขั้นตอนก่อนหน้า Zava Writer ใช้วิธีนี้: บรรณาธิการสามารถส่งฟีดแบ็คกลับไป Researcher และ Writer

บริบทที่ใช้ร่วมกัน

เอเจนต์ทั้งหมดใช้ foundry_config เดียวกัน จึงใช้โมเดลและเอนด์พอยท์เดียวกัน

ข้อสรุปที่สำคัญ

ขั้นตอนถัดไป

ไปที่ ส่วนที่ 7: Zava Creative Writer - แอปพลิเคชัน Capstone เพื่อสำรวจแอประบบหลายเอเจนต์สไตล์การผลิตที่มีเอเจนต์เฉพาะทาง 4 ตัว, การสตรีมเอาท์พุต, การค้นหาสินค้า และวงจรฟีดแบ็ค - มีตัวอย่างใน Python, JavaScript และ C#

ข้อจำกัดความรับผิดชอบ:
เอกสารฉบับนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้มีความถูกต้อง โปรดทราบว่าการแปลอัตโนมัติอาจมีข้อผิดพลาดหรือความคลาดเคลื่อนได้ เอกสารฉบับต้นฉบับในภาษาดั้งเดิมควรถูกพิจารณาเป็นแหล่งข้อมูลที่ถูกต้อง สำหรับข้อมูลที่สำคัญ แนะนำให้ใช้การแปลโดยมนุษย์มืออาชีพ เราไม่มีความรับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดใดๆ ที่เกิดจากการใช้การแปลนี้