前言

當(dāng)大語(yǔ)言模型突破了“理解與生成”的瓶頸，Agent 迅速成為 AI 落地的主流形態(tài)。從智能客服到自動(dòng)化辦公，幾乎所有場(chǎng)景都需要 Agent 來(lái)承接 LLM 能力、執(zhí)行具體任務(wù)。

但技術(shù)演進(jìn)中痛點(diǎn)也隨之凸顯，有的團(tuán)隊(duì)因不懂如何銜接 LLM 與業(yè)務(wù)系統(tǒng)，導(dǎo)致 Agent 只能 “空談”；有的因狀態(tài)管理缺失，讓 Agent 執(zhí)行任務(wù)時(shí)頻頻 “失憶”，復(fù)雜的交互流程也進(jìn)一步增加了開(kāi)發(fā)難度。

為此，Eino ADK（Agent Development Kit）應(yīng)運(yùn)而生，為 Go 開(kāi)發(fā)者提供了一套完整、靈活且強(qiáng)大的智能體開(kāi)發(fā)框架，直接解決傳統(tǒng)開(kāi)發(fā)中的核心難題。

什么是 Agent？

Agent 代表一個(gè)獨(dú)立的、可執(zhí)行的智能任務(wù)單元，能夠自主學(xué)習(xí)，適應(yīng)與作出決策，主要功能包含：

• 推理：Agent 可以分析數(shù)據(jù)、識(shí)別模式、使用邏輯和可用信息來(lái)得出結(jié)論、進(jìn)行推斷及解決問(wèn)題。
• 行動(dòng)：Agent 根據(jù)決策、計(jì)劃或外部輸入采取行動(dòng)或執(zhí)行任務(wù)來(lái)實(shí)現(xiàn)目標(biāo)。
• 觀察：Agent 自主收集相關(guān)的信息（例如計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理或傳感器數(shù)據(jù)分析）來(lái)了解上下文，為做出明智的決策打下基礎(chǔ)。
• 規(guī)劃：Agent 可以確定必要的步驟、評(píng)估潛在行動(dòng)，并根據(jù)可用信息和預(yù)期結(jié)果選擇最佳行動(dòng)方案。
• 協(xié)作：Agent 能夠在復(fù)雜且動(dòng)態(tài)的環(huán)境中，與他人（無(wú)論是人類還是其他 AI 智能體）進(jìn)行有效協(xié)作。

你可以把它想象成一個(gè)能夠理解指令、執(zhí)行任務(wù)并給出回應(yīng)的“智能體”。任何需要與大語(yǔ)言模型（LLM）交互的場(chǎng)景都可以抽象為一個(gè) Agent。例如：

• 一個(gè)用于查詢天氣信息的 Agent。
• 一個(gè)用于預(yù)定會(huì)議的 Agent。
• 一個(gè)能夠回答特定領(lǐng)域知識(shí)的 Agent。

什么是 Eino ADK？

Eino ADK（https://github.com/cloudwego/eino）是一個(gè)專為 Go 語(yǔ)言設(shè)計(jì)的 Agent 和 Multi-Agent 開(kāi)發(fā)框架，設(shè)計(jì)上參考了 Google-ADK（https://google.github.io/adk-docs/agents/）中對(duì) Agent 與協(xié)作機(jī)制的定義。

它不僅是一個(gè)工具庫(kù)，更是一套完整的智能體開(kāi)發(fā)體系：通過(guò)統(tǒng)一的抽象接口、靈活的組合模式和強(qiáng)大的協(xié)作機(jī)制，將復(fù)雜的 AI 應(yīng)用拆解為獨(dú)立、可組合的智能體單元，讓開(kāi)發(fā)者能夠像搭建樂(lè)高積木一樣構(gòu)建復(fù)雜的智能體系統(tǒng)：

• 少寫(xiě)膠水：統(tǒng)一接口與事件流，復(fù)雜任務(wù)拆解更自然。
• 快速編排：預(yù)設(shè)范式+工作流，分分鐘搭好管線。
• 更可控：可中斷、可恢復(fù)、可審計(jì)，Agent 協(xié)作過(guò)程“看得見(jiàn)”。

無(wú)論你是 AI 應(yīng)用的新手，還是經(jīng)驗(yàn)豐富的開(kāi)發(fā)者，ADK 都能為你提供合適的工具和模式。它的設(shè)計(jì)哲學(xué)是"簡(jiǎn)單的事情簡(jiǎn)單做，復(fù)雜的事情也能做"——讓開(kāi)發(fā)者能夠?qū)Ｗ⒂跇I(yè)務(wù)邏輯的實(shí)現(xiàn)，而不必?fù)?dān)心底層的技術(shù)復(fù)雜性。

核心構(gòu)建

?? ChatModelAgent：智能決策的大腦

ChatModelAgent 是 ADK 中最重要的預(yù)構(gòu)建組件，它封裝了與大語(yǔ)言模型的交互邏輯，實(shí)現(xiàn)了經(jīng)典的 ReAct（https://react-lm.github.io/）（Reason-Act-Observe）模式，運(yùn)行過(guò)程為：

1. 調(diào)用 LLM（Reason）
2. LLM 返回工具調(diào)用請(qǐng)求（Action）
3. ChatModelAgent 執(zhí)行工具（Act）
4. 將工具結(jié)果返回給 LLM（Observation），結(jié)合之前的上下文繼續(xù)生成，直到模型判斷不需要調(diào)用 Tool 后結(jié)束。

ReAct 模式的核心是“思考→行動(dòng)→觀察→再思考”的閉環(huán)，解決傳統(tǒng) Agent“盲目行動(dòng)”或“推理與行動(dòng)脫節(jié)”的痛點(diǎn)，以下是幾種可能的實(shí)踐場(chǎng)景：

1. 行業(yè)賽道分析：使用 ReAct 模式避免了一次性搜集全部信息導(dǎo)致的信息過(guò)載，通過(guò)逐步推理聚焦核心問(wèn)題；同時(shí)使用數(shù)據(jù)驗(yàn)證思考，而非憑空靠直覺(jué)決策，過(guò)程可解釋，提升了生成報(bào)告的準(zhǔn)確性。

• Think-1：判斷賽道潛力，需要“政策支持力度、行業(yè)增速、龍頭公司盈利能力、產(chǎn)業(yè)鏈瓶頸”4類信息。
• Act-1：調(diào)用 API 獲取行業(yè)財(cái)報(bào)整體數(shù)據(jù)
• Think-2：分析數(shù)據(jù)，判斷行業(yè)高增長(zhǎng)+政策背書(shū)，但上游價(jià)格上漲可能擠壓中下游利潤(rùn)，需要進(jìn)一步驗(yàn)證是否有影響
• Act-2：調(diào)用 API 獲取供需、行業(yè)研報(bào)等詳細(xì)數(shù)據(jù)
• Think-3：整合結(jié)論生成分析報(bào)告，附關(guān)鍵數(shù)據(jù)來(lái)源

2. IT 故障運(yùn)維：使用 ReAct 模式逐步縮小問(wèn)題范圍，避免盲目操作；每一步操作有理有據(jù)，方便運(yùn)維工程師實(shí)施解決方案前的二次驗(yàn)證，為后續(xù)復(fù)盤(pán)與制定預(yù)防措施提供基礎(chǔ)。

• Think-1：理清故障的常見(jiàn)原因，例如宕機(jī)的常見(jiàn)原因是“CPU 過(guò)載、內(nèi)存不足、磁盤(pán)滿、服務(wù)崩潰”，需要先查基礎(chǔ)監(jiān)控?cái)?shù)據(jù)
• Act-1：調(diào)用「監(jiān)控系統(tǒng) API」查詢服務(wù)器打點(diǎn)數(shù)據(jù)
• Think-2：判斷主因，例如 CPU 利用率異常則進(jìn)一步排查哪些進(jìn)程 CPU 占用高
• Act-2：用「進(jìn)程管理工具」查 TOP 進(jìn)程，看是否有異常服務(wù)
• Think-3：發(fā)現(xiàn)日志服務(wù)異常，可能是“日志文件過(guò)大”或“配置錯(cuò)誤”，需要進(jìn)一步查看日志服務(wù)的配置和日志文件大小
• Act-3：bash 執(zhí)行命令，發(fā)現(xiàn)日志文件過(guò)大，同時(shí)配置未開(kāi)啟滾動(dòng)，也未設(shè)置最大日志大小
• Think-4：向運(yùn)維工程師提供可行的解決方案：清理日志，修改配置并開(kāi)啟滾動(dòng)，重啟日志服務(wù)與應(yīng)用

ChatModelAgent 利用 LLM 強(qiáng)大的功能進(jìn)行推理、理解自然語(yǔ)言、作出決策、生成相應(yīng)、進(jìn)行工具交互，充當(dāng)智能體應(yīng)用程序"思考"的部分。您可以使用 ADK 快速構(gòu)建具有 ReAct 能力的 ChatModelAgent：

import github.com/cloudwego/eino/adk


// 創(chuàng)建一個(gè)包含多個(gè)工具的 ReAct ChatModelAgent
chatAgent := adk.NewChatModelAgent(ctx, &adk.ChatModelAgentConfig{
    Name:        "intelligent_assistant",
    Description: "An intelligent assistant capable of using multiple tools to solve complex problems",
    Instruction: "You are a professional assistant who can use the provided tools to help users solve problems",
    Model:       openaiModel,
    ToolsConfig: adk.ToolsConfig{
        Tools: []tool.BaseTool{
            searchTool,
            calculatorTool,
            weatherTool,
        },
    }
})

WorkflowAgents：精密的流水線

Eino ADK 提供了專用于協(xié)調(diào)子 Agent 執(zhí)行流程的 WorkflowAgents 模式，用于通過(guò)預(yù)定義邏輯管理 Agent 的運(yùn)行方式，產(chǎn)生確定的執(zhí)行過(guò)程，協(xié)助實(shí)現(xiàn)可預(yù)測(cè)可控制的多 Agent 協(xié)作方式。您可以按需對(duì)下列模式進(jìn)行排列組合，結(jié)合 ChatModelAgent 構(gòu)造出符合自身需求的完整工作流水線：

1. Sequential Agent：將配置中注冊(cè)的 Agents 按順序依次執(zhí)行一次后結(jié)束，運(yùn)行遵循以下原則：

• 線性執(zhí)行：嚴(yán)格按照 SubAgents 數(shù)組的順序執(zhí)行。
• 運(yùn)行結(jié)果傳遞：配置中的每個(gè) Agent 都能夠獲取 Sequential Agent 的完整輸入以及前序 Agent 的輸出。
• 支持提前退出：如果任何一個(gè)子 Agent 產(chǎn)生退出/中斷動(dòng)作，整個(gè) Sequential 流程會(huì)立即終止。

? 可能的實(shí)踐場(chǎng)景有：

• 數(shù)據(jù) ETL：ExtractAgent（從 MySQL 抽取訂單數(shù)據(jù)）→ TransformAgent（清洗空值、格式化日期）→ LoadAgent（加載到數(shù)據(jù)倉(cāng)庫(kù)）
• CI / CD 流水線：CodeCloneAgent（從代碼倉(cāng)庫(kù)拉取代碼）→UnitTestAgent（運(yùn)行單元測(cè)試，用例失敗時(shí)返回錯(cuò)誤與分析報(bào)告）→CompileAgent（編譯代碼）→DeployAgent（部署到目標(biāo)環(huán)境）

import github.com/cloudwego/eino/adk


// 依次執(zhí)行 制定研究計(jì)劃 -> 搜索資料 -> 撰寫(xiě)報(bào)告
sequential := adk.NewSequentialAgent(ctx, &adk.SequentialAgentConfig{
    Name: "research_pipeline",
    SubAgents: []adk.Agent{
        planAgent,    // 制定研究計(jì)劃
        searchAgent,  // 搜索資料
        writeAgent,   // 撰寫(xiě)報(bào)告
    },
})

2. Parallel Agent：將配置中注冊(cè)的 Agents 并發(fā)執(zhí)行，所有 Agent 執(zhí)行完畢后結(jié)束，運(yùn)行遵循以下原則：

• 并發(fā)執(zhí)行：所有子 Agent 同時(shí)啟動(dòng)，在獨(dú)立的 goroutine 中并行執(zhí)行。
• 共享輸入：所有子 Agent 接收調(diào)用 Pararllel Agent 時(shí)相同的初始輸入。
• 等待與結(jié)果聚合：內(nèi)部使用 sync.WaitGroup 等待所有子 Agent 執(zhí)行完成，收集所有子 Agent 的執(zhí)行結(jié)果并按接收順序輸出到 AsyncIterator 中。

? 可能的實(shí)踐場(chǎng)景有：

• 多源數(shù)據(jù)采集：MySQLCollector（采集用戶表）+PostgreSQLCollector（采集訂單表）+MongoDBCollector（采集商品評(píng)論）
• 多渠道推送：WeChatPushAgent（推送到微信公眾號(hào)）+SMSPushAgent（發(fā)送短信）+AppPushAgent（推送到 APP）

import github.com/cloudwego/eino/adk


// 并發(fā)執(zhí)行 情感分析 + 關(guān)鍵詞提取 + 內(nèi)容摘要
parallel := adk.NewParallelAgent(ctx, &adk.ParallelAgentConfig{
    Name: "multi_analysis",
    SubAgents: []adk.Agent{
        sentimentAgent,  // 情感分析
        keywordAgent,    // 關(guān)鍵詞提取
        summaryAgent,    // 內(nèi)容摘要
    },
})

3. Loop Agent：將配置中注冊(cè)的 Agents 按順序依次執(zhí)行并循環(huán)多次，運(yùn)行遵循以下原則：

• 循環(huán)執(zhí)行：重復(fù)執(zhí)行 SubAgents 序列，每次循環(huán)都是一個(gè)完整的 Sequential 執(zhí)行過(guò)程。
• 運(yùn)行結(jié)果累積：每次迭代的結(jié)果都會(huì)累積，后續(xù)迭代的輸入可以訪問(wèn)所有歷史信息。
• 條件退出：支持通過(guò)輸出包含 ExitAction 的事件或達(dá)到最大迭代次數(shù)來(lái)終止循環(huán)，配置 MaxIteratinotallow=0 時(shí)表示無(wú)限循環(huán)。

? 可能的實(shí)踐場(chǎng)景有：

• 數(shù)據(jù)同步：CheckUpdateAgent（檢查源庫(kù)增量）→ IncrementalSyncAgent（同步增量數(shù)據(jù)）→ VerifySyncAgent（驗(yàn)證一致性）
• 壓力測(cè)試：StartClientAgent（啟動(dòng)測(cè)試客戶端）→ SendRequestsAgent（發(fā)送請(qǐng)求）→ CollectMetricsAgent（收集性能指標(biāo)）

import github.com/cloudwego/eino/adk


// 循環(huán)執(zhí)行 5 次，每次順序?yàn)椋悍治霎?dāng)前狀態(tài) -> 提出改進(jìn)方案 -> 驗(yàn)證改進(jìn)效果
loop := adk.NewLoopAgent(ctx, &adk.LoopAgentConfig{
    Name: "iterative_optimization",
    SubAgents: []adk.Agent{
        analyzeAgent,  // 分析當(dāng)前狀態(tài)
        improveAgent,  // 提出改進(jìn)方案
        validateAgent, // 驗(yàn)證改進(jìn)效果
    },
    MaxIterations: 5,
})

預(yù)構(gòu)建的 Multi-Agent 范式

Eino ADK 基于日常 Multi-Agent 協(xié)作實(shí)踐中沉淀的最佳工程經(jīng)驗(yàn)，為用戶提供兩種預(yù)構(gòu)建的 Multi-Agent 范式，無(wú)需從頭設(shè)計(jì)協(xié)作邏輯即可開(kāi)箱即用，覆蓋「集中式協(xié)調(diào)」與「結(jié)構(gòu)化問(wèn)題解決」兩大核心場(chǎng)景，高效支撐復(fù)雜任務(wù)的智能協(xié)作。

?? Supervisor 模式：集中式協(xié)調(diào)

Supervisor Agent 是 ADK 提供的一種中心化 Multi-Agent 協(xié)作模式，旨在為集中決策與分發(fā)執(zhí)行的通用場(chǎng)景提供解決方案，由一個(gè) Supervisor Agent（監(jiān)督者） 和多個(gè) SubAgent （子 Agent）組成，其中：

• Supervisor Agent 負(fù)責(zé)任務(wù)的分配、子 Agent 完成后的結(jié)果匯總與下一步?jīng)Q策。
• 子 Agents 專注于執(zhí)行具體任務(wù)，并在完成后自動(dòng)將任務(wù)控制權(quán)交回 Supervisor。

Supervisor 模式有如下特點(diǎn)：

• 中心化控制：Supervisor 統(tǒng)一管理子 Agent，可根據(jù)輸入與子 Agent 執(zhí)行結(jié)果動(dòng)態(tài)調(diào)整任務(wù)分配。
• 確定性回調(diào)：子 Agent 執(zhí)行完畢后會(huì)將運(yùn)行結(jié)果返回到 Supervisor Agent，避免協(xié)作流程中斷。
• 松耦合擴(kuò)展：子 Agent 可獨(dú)立開(kāi)發(fā)、測(cè)試和替換，方便拓展與維護(hù)。

Supervisor 模式的這種層級(jí)化的結(jié)構(gòu)非常適合于動(dòng)態(tài)協(xié)調(diào)多個(gè)專業(yè) Agent 完成復(fù)雜任務(wù)的場(chǎng)景，例如：

• 科研項(xiàng)目管理：Supervisor 分配調(diào)研、實(shí)驗(yàn)、報(bào)告撰寫(xiě)任務(wù)給不同子 Agent。
• 客戶服務(wù)流程：Supervisor 根據(jù)用戶問(wèn)題類型，分配給技術(shù)支持、售后、銷售等子 Agent。

import github.com/cloudwego/eino/adk/prebuilt/supervisor


// 科研項(xiàng)目管理：創(chuàng)建一個(gè)監(jiān)督者模式的 multi-agent
// 包含 research（調(diào)研），experimentation（實(shí)驗(yàn)），report（報(bào)告）三個(gè)子 Agent
supervisor, err := supervisor.New(ctx, &supervisor.Config{
    SupervisorAgent: supervisorAgent,
    SubAgents: []adk.Agent{
        researchAgent,
        experimentationAgent,
        reportAgent,
    },
})

?? Plan-Execute 模式：結(jié)構(gòu)化問(wèn)題解決

Plan-Execute Agent 是 ADK 提供的基于「規(guī)劃-執(zhí)行-反思」范式的 Multi-Agent 協(xié)作模式（參考論文 Plan-and-Solve Prompting:https://arxiv.org/abs/2305.04091?ref=blog.langchain.com），旨在解決復(fù)雜任務(wù)的分步拆解、執(zhí)行與動(dòng)態(tài)調(diào)整問(wèn)題，通過(guò) Planner（規(guī)劃器）、Executor（執(zhí)行器）和 Replanner（重規(guī)劃器） 三個(gè)核心智能體的協(xié)同工作，實(shí)現(xiàn)任務(wù)的結(jié)構(gòu)化規(guī)劃、工具調(diào)用執(zhí)行、進(jìn)度評(píng)估與動(dòng)態(tài)重規(guī)劃，最終達(dá)成用戶目標(biāo)，其中：

• Planner：根據(jù)用戶目標(biāo)，生成一個(gè)包含詳細(xì)步驟且結(jié)構(gòu)化的初始任務(wù)計(jì)劃
• Executor：執(zhí)行當(dāng)前計(jì)劃中的首個(gè)步驟
• Replanner：評(píng)估執(zhí)行進(jìn)度，決定是修正計(jì)劃繼續(xù)交由 Executor 運(yùn)行，或是結(jié)束任務(wù)

Plan-Execute 模式有如下特點(diǎn)：

• 明確的分層架構(gòu)：通過(guò)將任務(wù)拆解為規(guī)劃、執(zhí)行和反思重規(guī)劃三個(gè)階段，形成層次分明的認(rèn)知流程，體現(xiàn)了 “先思考再行動(dòng)，再根據(jù)反饋調(diào)整” 的閉環(huán)認(rèn)知策略，在各類場(chǎng)景中都能達(dá)到較好的效果。
• 動(dòng)態(tài)迭代優(yōu)化：Replanner 根據(jù)執(zhí)行結(jié)果和當(dāng)前進(jìn)度，實(shí)時(shí)判斷任務(wù)是否完成或需調(diào)整計(jì)劃，支持動(dòng)態(tài)重規(guī)劃。該機(jī)制有效解決了傳統(tǒng)單次規(guī)劃難以應(yīng)對(duì)環(huán)境變化和任務(wù)不確定性的瓶頸，提升了系統(tǒng)的魯棒性和靈活性。
• 職責(zé)分明且松耦合：Plan-Execute 模式由多個(gè)智能體協(xié)同工作，支持獨(dú)立開(kāi)發(fā)、測(cè)試和替換。模塊化設(shè)計(jì)方便擴(kuò)展和維護(hù)，符合工程最佳實(shí)踐。
• 具備良好擴(kuò)展性：不依賴特定的語(yǔ)言模型、工具或 Agent，方便集成多樣化外部資源，滿足不同應(yīng)用場(chǎng)景需求。

Plan-Execute 模式的「規(guī)劃→執(zhí)行→重規(guī)劃」閉環(huán)結(jié)構(gòu)非常適合需要多步驟推理、動(dòng)態(tài)調(diào)整和工具集成的復(fù)雜任務(wù)場(chǎng)景，例如：

• 復(fù)雜研究分析：通過(guò)規(guī)劃分解研究問(wèn)題，執(zhí)行多輪數(shù)據(jù)檢索與計(jì)算，動(dòng)態(tài)調(diào)整研究方向和假設(shè)，提升分析深度和準(zhǔn)確性。
• 自動(dòng)化工作流管理：將復(fù)雜業(yè)務(wù)流程拆解為結(jié)構(gòu)化步驟，結(jié)合多種工具（如數(shù)據(jù)庫(kù)查詢、API 調(diào)用、計(jì)算引擎）逐步執(zhí)行，并根據(jù)執(zhí)行結(jié)果動(dòng)態(tài)優(yōu)化流程。
• 多步驟問(wèn)題解決：適用于需要分步推理和多工具協(xié)作的場(chǎng)景，如法律咨詢、技術(shù)診斷、策略制定等，確保每一步執(zhí)行都有反饋和調(diào)整。
• 智能助理任務(wù)執(zhí)行：支持智能助理根據(jù)用戶目標(biāo)規(guī)劃任務(wù)步驟，調(diào)用外部工具完成具體操作，并根據(jù)重規(guī)劃思考結(jié)合用戶反饋調(diào)整后續(xù)計(jì)劃，提升任務(wù)完成的完整性和準(zhǔn)確性。

import github.com/cloudwego/eino/adk/prebuilt/planexecute


// Plan-Execute 模式的科研助手
researchAssistant := planexecute.New(ctx, &planexecute.Config{
    Planner: adk.NewChatModelAgent(ctx, &adk.ChatModelAgentConfig{
        Name: "research_planner",
        Instruction: "制定詳細(xì)的研究計(jì)劃，包括文獻(xiàn)調(diào)研、數(shù)據(jù)收集、分析方法等",
        Model: gpt4Model,
    }),
    Executor: adk.NewChatModelAgent(ctx, &adk.ChatModelAgentConfig{
        Name: "research_executor",
        ToolsConfig: adk.ToolsConfig{
            Tools: []tool.BaseTool{
                scholarSearchTool,
                dataAnalysisTool,
                citationTool,
            },
        },
    }),
    Replanner: replannerAgent,
})

基礎(chǔ)設(shè)計(jì)

統(tǒng)一的 Agent 抽象

ADK 的核心是一個(gè)簡(jiǎn)潔而強(qiáng)大的 Agent 接口：

type Agent interface {
    Name(ctx context.Context) string
    Description(ctx context.Context) string
    Run(ctx context.Context, input *AgentInput, options ...AgentRunOption) *AsyncIterator[*AgentEvent]
}

每個(gè) Agent 都有明確的身份（Name）、清晰的職責(zé)（Description）和標(biāo)準(zhǔn)化的執(zhí)行方式（Run），為 Agent 之間的發(fā)現(xiàn)與調(diào)用提供了基礎(chǔ)。無(wú)論是簡(jiǎn)單的問(wèn)答機(jī)器人，還是復(fù)雜的多步驟任務(wù)處理系統(tǒng)，都可以通過(guò)這個(gè)統(tǒng)一的接口加以實(shí)現(xiàn)。

異步事件驅(qū)動(dòng)架構(gòu)

ADK 采用了異步事件流設(shè)計(jì)，通過(guò) AsyncIterator[*AgentEvent] 實(shí)現(xiàn)非阻塞的事件處理，并通過(guò) Runner 框架運(yùn)行 Agent：

• 實(shí)時(shí)響應(yīng)：AgentEvent 包含 Agent 執(zhí)行過(guò)程中特定節(jié)點(diǎn)輸出（Agent 回復(fù)、工具處理結(jié)果等等），用戶可以立即看到 Agent 的思考過(guò)程和中間結(jié)果。
• 追蹤執(zhí)行過(guò)程：AgentEvent 額外攜帶狀態(tài)修改動(dòng)作與運(yùn)行軌跡，便于開(kāi)發(fā)調(diào)試和理解 Agent 行為。
• 自動(dòng)流程控制：框架通過(guò) Runner 自動(dòng)處理中斷、跳轉(zhuǎn)、退出行為，無(wú)需用戶額外干預(yù)。

靈活的協(xié)作機(jī)制

Eino ADK 支持處于同一個(gè)系統(tǒng)內(nèi)的 Agent 之間以多種方式進(jìn)行協(xié)作（交換數(shù)據(jù)或觸發(fā)運(yùn)行）：

• 共享 Session：單次運(yùn)行過(guò)程中持續(xù)存在的 KV 存儲(chǔ)，用于支持跨 Agent 的狀態(tài)管理和數(shù)據(jù)共享。

// 獲取全部 SessionValues
funcGetSessionValues(ctx context.Context)map[string]any


// 指定 key 獲取 SessionValues 中的一個(gè)值，key 不存在時(shí)第二個(gè)返回值為 false，否則為 true
funcGetSessionValue(ctx context.Context, key string)(any, bool)


// 添加 SessionValues
funcAddSessionValue(ctx context.Context, key string, value any)


// 批量添加 SessionValues
funcAddSessionValues(ctx context.Context, kvs map[string]any)

• 移交運(yùn)行（Transfer）：攜帶本 Agent 輸出結(jié)果上下文，將任務(wù)移交至子 Agent 繼續(xù)處理。適用于智能體功能可以清晰的劃分邊界與層級(jí)的場(chǎng)景，常結(jié)合 ChatModelAgent 使用，通過(guò) LLM 的生成結(jié)果進(jìn)行動(dòng)態(tài)路由。結(jié)構(gòu)上，以此方式進(jìn)行協(xié)作的兩個(gè) Agent 稱為父子 Agent：

// 設(shè)置父子 Agent 關(guān)系
funcSetSubAgents(ctx context.Context, agent Agent, subAgents []Agent)(Agent, error)


// 指定目標(biāo) Agent 名稱，構(gòu)造 Transfer Event
funcNewTransferToAgentAction(destAgentName string) *AgentAction

• 顯式調(diào)用（ToolCall）：將 Agent 視為工具進(jìn)行調(diào)用。適用于 Agent 運(yùn)行僅需要明確清晰的參數(shù)而非完整運(yùn)行上下文的場(chǎng)景，常結(jié)合 ChatModelAgent，作為工具運(yùn)行后將結(jié)果返回給 ChatModel 繼續(xù)處理。除此之外，ToolCall 同樣支持調(diào)用符合工具接口構(gòu)造的、不含 Agent 的普通工具。

// 將 Agent 轉(zhuǎn)換為 Tool
funcNewAgentTool(_ context.Context, agent Agent, options ...AgentToolOption)tool.BaseTool

中斷與恢復(fù)機(jī)制

Eino ADK 提供運(yùn)行時(shí)中斷與恢復(fù)的功能，允許正在運(yùn)行中的 Agent 主動(dòng)中斷并保存其當(dāng)前狀態(tài)，并在未來(lái)從中斷點(diǎn)恢復(fù)執(zhí)行。該功能為長(zhǎng)時(shí)間等待、可暫停或需要外部輸入（Human in the loop）等場(chǎng)景下的開(kāi)發(fā)提供協(xié)助。

• Agent 內(nèi)部運(yùn)行過(guò)程中，通過(guò)拋出含 Interrupt Action 的 Event 主動(dòng)通知 Runner 中斷運(yùn)行，并允許攜帶額外信息供調(diào)用方閱讀與使用。
• Runner 通過(guò)初始化時(shí)注冊(cè)的 CheckPointStore 記錄當(dāng)前運(yùn)行狀態(tài)
• 重新準(zhǔn)備好運(yùn)行后，通過(guò) Resume 方法攜帶恢復(fù)運(yùn)行所需要的新信息，從斷點(diǎn)處重新啟動(dòng)該 Agent 運(yùn)行

// 1. 創(chuàng)建支持?jǐn)帱c(diǎn)恢復(fù)的 Runner
runner := adk.NewRunner(ctx, adk.RunnerConfig{
    Agent:           complexAgent,
    CheckPointStore: memoryStore, // 內(nèi)存狀態(tài)存儲(chǔ)
})


// 2. 開(kāi)始執(zhí)行
iter := runner.Query(ctx, "recommend a book to me", adk.WithCheckPointID("1"))
for {
    event, ok := iter.Next()
    if !ok {
       break
    }
    if event.Err != nil {
       log.Fatal(event.Err)
    }
    if event.Action != nil {
        // 3. 由 Agent 內(nèi)部拋出 Interrupt 事件
        if event.Action.Interrupted != nil {
           ii, _ := json.MarshalIndent(event.Action.Interrupted.Data, "", "\t")
           fmt.Printf("action: interrupted\n")
           fmt.Printf("interrupt snapshot: %v", string(ii))
        }
    }
}


// 4. 從 stdin 接收用戶輸入
scanner := bufio.NewScanner(os.Stdin)
fmt.Print("\nyour input here: ")
scanner.Scan()
fmt.Println()
nInput := scanner.Text()


// 5. 攜帶用戶輸入信息，從斷點(diǎn)恢復(fù)執(zhí)行
iter, err := runner.Resume(ctx, "1", adk.WithToolOptions([]tool.Option{subagents.WithNewInput(nInput)}))

快速開(kāi)始

安裝

go get github.com/cloudwego/eino@latest

項(xiàng)目開(kāi)發(fā)經(jīng)理智能體

下面的示例使用 Eino ADK 構(gòu)建了一個(gè)項(xiàng)目開(kāi)發(fā)經(jīng)理智能體，面向多方面管理協(xié)同的場(chǎng)景：

1. Project Manager Agent：項(xiàng)目經(jīng)理智能體，整體使用 Supervisor 模式，各 Agent 的功能如下：

• ResearchAgent：調(diào)研 Agent，負(fù)責(zé)調(diào)研并生成可行方案，支持中斷后從用戶處接收額外的上下文信息來(lái)提高調(diào)研方案生成的準(zhǔn)確性。
• CodeAgent：編碼 Agent，使用知識(shí)庫(kù)工具，召回相關(guān)知識(shí)作為參考，生成高質(zhì)量的代碼。
• ReviewAgent：評(píng)論 Agent，使用順序工作流編排問(wèn)題分析、評(píng)價(jià)生成、評(píng)價(jià)驗(yàn)證三個(gè)步驟，對(duì)調(diào)研結(jié)果 / 編碼結(jié)果進(jìn)行評(píng)審，給出合理的評(píng)價(jià)，供項(xiàng)目經(jīng)理進(jìn)行決策。
• ProjectManagerAgent：項(xiàng)目經(jīng)理 Agent，根據(jù)動(dòng)態(tài)的用戶輸入，路由并協(xié)調(diào)多個(gè)負(fù)責(zé)不同維度工作的子智能體開(kāi)展工作。

2. 該 Agent 可能的工作場(chǎng)景為：

• 從零開(kāi)始實(shí)現(xiàn)項(xiàng)目：項(xiàng)目經(jīng)理從需求入手，經(jīng)由調(diào)研、編碼、評(píng)論三個(gè) Agent 工作，最終完成項(xiàng)目交付。
• 對(duì)已有項(xiàng)目的完善：項(xiàng)目經(jīng)理從評(píng)論 Agent 獲得項(xiàng)目仍舊需要完善的功能點(diǎn)，交由編碼 Agent 進(jìn)行實(shí)現(xiàn)，再交由評(píng)論 Agent 對(duì)修改后的代碼進(jìn)行評(píng)審。
• 開(kāi)展技術(shù)調(diào)研：項(xiàng)目經(jīng)理要求調(diào)研 Agent 生成技術(shù)調(diào)研報(bào)告，然后由評(píng)論 Agent 給出評(píng)審意見(jiàn)。調(diào)用方結(jié)合返回的技術(shù)調(diào)研報(bào)告和評(píng)審意見(jiàn)，決定后續(xù)動(dòng)作。

該示例的設(shè)計(jì)涵蓋了文中介紹的大部分概念，您可以基于示例回顧之前的提到的種種設(shè)計(jì)理念。另外，請(qǐng)?jiān)囅肫胀ㄩ_(kāi)發(fā)模式下如何完成該示例的編寫(xiě)，ADK 的優(yōu)勢(shì)便立刻凸顯了出來(lái)：

核心代碼如下，完整代碼詳見(jiàn) Eino-Examples 項(xiàng)目中提供的源碼（https://github.com/cloudwego/eino-examples/tree/main/adk/multiagent/integration-project-manager）：

func main(){
    ctx := context.Background()


    // Init chat model for agents
    tcm, err := openai.NewChatModel(ctx, &openai.ChatModelConfig{
       APIKey:  os.Getenv("OPENAI_API_KEY"),
       Model:   os.Getenv("OPENAI_MODEL"),
       BaseURL: os.Getenv("OPENAI_BASE_URL"),
       ByAzure: func() bool {
          return os.Getenv("OPENAI_BY_AZURE") == "true"
       }(),
    })
    if err != nil {
       log.Fatal(err)
    }


    // Init research agent
    researchAgent, err := agents.NewResearchAgent(ctx, tcm)
    if err != nil {
       log.Fatal(err)
    }


    // Init code agent
    codeAgent, err := agents.NewCodeAgent(ctx, tcm)
    if err != nil {
       log.Fatal(err)
    }


    // Init technical agent
    reviewAgent, err := agents.NewReviewAgent(ctx, tcm)
    if err != nil {
       log.Fatal(err)
    }


    // Init project manager agent
    s, err := agents.NewProjectManagerAgent(ctx, tcm)
    if err != nil {
       log.Fatal(err)
    }


    // Combine agents into ADK supervisor pattern
    // Supervisor: project manager
    // Sub-agents: researcher / coder / reviewer
    supervisorAgent, err := supervisor.New(ctx, &supervisor.Config{
       Supervisor: s,
       SubAgents:  []adk.Agent{researchAgent, codeAgent, reviewAgent},
    })
    if err != nil {
       log.Fatal(err)
    }


    // Init Agent runner
    runner := adk.NewRunner(ctx, adk.RunnerConfig{
       Agent:           supervisorAgent,
       EnableStreaming: true,                // enable stream output
       CheckPointStore: newInMemoryStore(),  // enable checkpoint for interrupt & resume
    })


    // Replace it with your own query
    query := "please generate a simple ai chat project with python."
    checkpointID := "1"


    // Start runner with a new checkpoint id
    iter := runner.Query(ctx, query, adk.WithCheckPointID(checkpointID))
    interrupted := false
    for {
       event, ok := iter.Next()
       if !ok {
          break
       }
       if event.Err != nil {
          log.Fatal(event.Err)
       }
       if event.Action != nil && event.Action.Interrupted != nil {
          interrupted = true
       }
       prints.Event(event)
    }


    if !interrupted {
       return
    }
    
    // interrupt and ask for additional user context
    scanner := bufio.NewScanner(os.Stdin)
    fmt.Print("\ninput additional context for web search: ")
    scanner.Scan()
    fmt.Println()
    nInput := scanner.Text()


    // Resume by checkpoint id, with additional user context injection
    iter, err = runner.Resume(ctx, checkpointID, adk.WithToolOptions([]tool.Option{agents.WithNewInput(nInput)}))
    if err != nil {
       log.Fatal(err)
    }
    for {
       event, ok := iter.Next()
       if !ok {
          break
       }
       if event.Err != nil {
          log.Fatal(event.Err)
       }
       prints.Event(event)
    }
}

結(jié)尾

Eino ADK 不僅僅是一個(gè)開(kāi)發(fā)框架，更是一個(gè)完整的智能體開(kāi)發(fā)生態(tài)。它通過(guò)統(tǒng)一的抽象、靈活的組合和強(qiáng)大的協(xié)作機(jī)制，讓 Go 開(kāi)發(fā)者能夠輕松構(gòu)建從簡(jiǎn)單對(duì)話機(jī)器人到復(fù)雜多智能體系統(tǒng)的各種 AI 應(yīng)用。