如何并行运行智能体？
May 15, 2026 · View on GitHub
OxyGent 支持高兼容性的并行执行功能，允许您同时运行多个智能体并进行协作。
1. 并行执行多个智能体
例如，如果您需要同时对一篇文档进行数据分析、文字总结和纠错，您可以注册相应功能的智能体，并使用 oxy.ParallelAgent 来管理这些智能体。ParallelAgent 会负责并行处理并汇总各个智能体的结果。
您还可以通过semaphore参数设置每个智能体的最大并发度。
oxy.ChatAgent( # 需要并行的agent
name="text_summarizer",
desc="A tool that can summarize markdown text",
prompt=prompts.text_summarizer_prompt,
),
oxy.ChatAgent(
name="data_analyser",
desc="A tool that can summarize echart data",
prompt=prompts.data_analyser_prompt,
),
oxy.ChatAgent(
name="document_checker",
desc="A tool that can find problems in document",
prompt=prompts.document_checker_prompt,
),
oxy.ParallelAgent( # 管理的上层agent
name="analyzer",
desc="A tool that analyze markdown document",
permitted_tool_name_list=["text_summarizer", "data_analyser", "document_checker"]
),
ParallelAgent 会自动启动所有子智能体，进行并行计算，并最终返回所有任务的结果。
2. 同一智能体并行执行
如果您需要使同一个智能体并行运行多次，可以使用 start_batch_processing 方法来批量处理请求。以下是完整的可运行示例：
import asyncio
from pydantic import Field
from oxygent import MAS, Config, OxyRequest, oxy
import os
Config.set_agent_llm_model("default_llm")
oxy_space = [
oxy.HttpLLM(
name="default_llm",
api_key=os.getenv("DEFAULT_LLM_API_KEY"),
base_url=os.getenv("DEFAULT_LLM_BASE_URL"),
model_name=os.getenv("DEFAULT_LLM_MODEL_NAME"),
llm_params={
"temperature": 0.7,
"max_tokens": 512,
"chat_template_kwargs": {"enable_thinking": False},
},
semaphore=200,
),
oxy.ReActAgent(
name="master_agent",
is_master=True,
llm_model="default_llm",
semaphore=200,
timeout=100,
),
]
async def main():
async with MAS(oxy_space=oxy_space) as mas:
outs = await mas.start_batch_processing(["Hello!"] * 10, return_trace_id=True) #并行10次
print(outs)
if __name__ == "__main__":
asyncio.run(main())
说明
start_batch_processing：该方法接收一个包含多个请求的列表，异步并行执行所有请求，并返回结果。如果您希望处理多次相同的请求或不同的请求，可以通过这个方法快速进行批量处理。semaphore：这是用来控制并发的参数。通过设置适当的并发数，您可以灵活控制系统的资源消耗，避免过多的并行请求导致性能瓶颈。return_trace_id=True：返回每个请求的 trace ID，便于追踪请求的执行过程和结果。