1 个工头管 3 个 AI 代理Multi-Agent Orchestrator 多代理编排上手指南【免费下载链接】agent-squadFlexible and powerful framework for managing multiple AI agents and handling complex conversations项目地址: https://gitcode.com/GitHub_Trending/mu/agent-squad想让 AI 既会写剧本、又会查演员、还能汇总制片意见单个大模型顾不过来了。Multi-Agent Orchestrator 是一个多代理编排框架把用户的一句话分给最合适的 AI 代理让它们各自带着上下文处理任务Python 与 TypeScript 两套 SDK 都能直接跑。这篇按先看效果 → 最短路径跑通 → 原理三件套 → 自己造代理的顺序走。先看效果一句话生成剧本大纲和选角单挑 电影制作助手 这个例子最直观。你在页面里描述一句电影点子、选个类型和受众点一下生成几秒钟后它给出完整概念剧情大纲、主角人设再加一份参考了演员过往作品的选角建议。这背后没有一个全能模型而是 3 个分工的 AI 代理 编剧代理出故事线选角代理联网查演员监制代理把两者串成一份摘要。你要做的只是发一句话剩下的是代理之间协作。环境要求 克隆 安装把 Streamlit 演示跑通前置就三样Python 3.8、pip、Git。电影制作这条 demo 还要求你的 AWS 账号已开启 Bedrock 的 Claude 模型访问凭证按 AWS CLI 常规方式配好即可。从克隆到跑通是一条主线git clone https://gitcode.com/GitHub_Trending/mu/agent-squad cd agent-squad/examples/python python -m venv venv source venv/bin/activate pip install -r requirements.txt streamlit run main-app.py浏览器打开本地地址就能切到AI Movie Production标签页试跑同一个应用里还挂了旅行规划 demo。走 TypeScript 路线也行npm install multi-agent-orchestrator一行装好仓库示例集里还有聊天应用、电商客服、FastAPI 流式等更多形态。一句话进来谁接活分类器、代理、工头三件套跑通之后再回看原理其实就三件事像一家小工作室接单角色类比干的事分类器前台读你的话 各代理的自我介绍 历史决定这活给谁代理专岗Bedrock / Anthropic / OpenAI / Lex 等各管一摊并执行SupervisorAgent工头把多个代理当工具并行调度汇总成一致答复分类器不用你手写规则它靠每个代理的description判断匹配度所以写清代理职责比调 prompt 更管用。代理执行完编排器把这段对话写回历史所以下一句接着刚才依然连贯。SupervisorAgent 走的是agent-as-tools机制主代理把专业代理当工具调用可同时发起多个查询再合并结果路由细节可看代理总览文档。自己造一个代理继承 Agent 基类就够了内置代理不够用时自定义一个只要几十行。核心是继承Agent基类、实现processRequestPython 侧叫process_request再把实例addAgent挂进编排器。最小骨架长这样class GreetingAgent extends Agent { async processRequest(input, userId, sessionId, history) { return { role: assistant, content: [{ text: Hi, you said ${input} }] }; } }它既能调 LLM也能接外部 API 或走规则逻辑。完整字段、回调与多语言示例见自定义代理文档想看现成实现翻 Python 代理源码 或 TypeScript 代理源码 即可。延伸阅读与资源Multi-Agent Orchestrator 的价值在于把多代理协作从一堆 if-else 路由里解放出来让你把精力花在每个代理的专业性上。继续往下走官方文档docs/示例集examples/Python SDKpython/TypeScript SDKtypescript/【免费下载链接】agent-squadFlexible and powerful framework for managing multiple AI agents and handling complex conversations项目地址: https://gitcode.com/GitHub_Trending/mu/agent-squad创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 1 个“工头“管 3 个 AI 代理：Multi-Agent Orchestrator 多代理编排上手指南
1 个工头管 3 个 AI 代理Multi-Agent Orchestrator 多代理编排上手指南【免费下载链接】agent-squadFlexible and powerful framework for managing multiple AI agents and handling complex conversations项目地址: https://gitcode.com/GitHub_Trending/mu/agent-squad想让 AI 既会写剧本、又会查演员、还能汇总制片意见单个大模型顾不过来了。Multi-Agent Orchestrator 是一个多代理编排框架把用户的一句话分给最合适的 AI 代理让它们各自带着上下文处理任务Python 与 TypeScript 两套 SDK 都能直接跑。这篇按先看效果 → 最短路径跑通 → 原理三件套 → 自己造代理的顺序走。先看效果一句话生成剧本大纲和选角单挑 电影制作助手 这个例子最直观。你在页面里描述一句电影点子、选个类型和受众点一下生成几秒钟后它给出完整概念剧情大纲、主角人设再加一份参考了演员过往作品的选角建议。这背后没有一个全能模型而是 3 个分工的 AI 代理 编剧代理出故事线选角代理联网查演员监制代理把两者串成一份摘要。你要做的只是发一句话剩下的是代理之间协作。环境要求 克隆 安装把 Streamlit 演示跑通前置就三样Python 3.8、pip、Git。电影制作这条 demo 还要求你的 AWS 账号已开启 Bedrock 的 Claude 模型访问凭证按 AWS CLI 常规方式配好即可。从克隆到跑通是一条主线git clone https://gitcode.com/GitHub_Trending/mu/agent-squad cd agent-squad/examples/python python -m venv venv source venv/bin/activate pip install -r requirements.txt streamlit run main-app.py浏览器打开本地地址就能切到AI Movie Production标签页试跑同一个应用里还挂了旅行规划 demo。走 TypeScript 路线也行npm install multi-agent-orchestrator一行装好仓库示例集里还有聊天应用、电商客服、FastAPI 流式等更多形态。一句话进来谁接活分类器、代理、工头三件套跑通之后再回看原理其实就三件事像一家小工作室接单角色类比干的事分类器前台读你的话 各代理的自我介绍 历史决定这活给谁代理专岗Bedrock / Anthropic / OpenAI / Lex 等各管一摊并执行SupervisorAgent工头把多个代理当工具并行调度汇总成一致答复分类器不用你手写规则它靠每个代理的description判断匹配度所以写清代理职责比调 prompt 更管用。代理执行完编排器把这段对话写回历史所以下一句接着刚才依然连贯。SupervisorAgent 走的是agent-as-tools机制主代理把专业代理当工具调用可同时发起多个查询再合并结果路由细节可看代理总览文档。自己造一个代理继承 Agent 基类就够了内置代理不够用时自定义一个只要几十行。核心是继承Agent基类、实现processRequestPython 侧叫process_request再把实例addAgent挂进编排器。最小骨架长这样class GreetingAgent extends Agent { async processRequest(input, userId, sessionId, history) { return { role: assistant, content: [{ text: Hi, you said ${input} }] }; } }它既能调 LLM也能接外部 API 或走规则逻辑。完整字段、回调与多语言示例见自定义代理文档想看现成实现翻 Python 代理源码 或 TypeScript 代理源码 即可。延伸阅读与资源Multi-Agent Orchestrator 的价值在于把多代理协作从一堆 if-else 路由里解放出来让你把精力花在每个代理的专业性上。继续往下走官方文档docs/示例集examples/Python SDKpython/TypeScript SDKtypescript/【免费下载链接】agent-squadFlexible and powerful framework for managing multiple AI agents and handling complex conversations项目地址: https://gitcode.com/GitHub_Trending/mu/agent-squad创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考