5. 核心模块
一句话理解：Multi-Agent 的核心模块是“注册中心、角色技能、消息总线、协调器、共享黑板、观察者、终止与冲突解决”七大件，它们把群体协作从概念变成可运行、可观测、可治理的系统。
1. Agent Registry
Agent Registry 是所有 Agent 的注册中心，解决“有哪些 Agent、它们能干什么、当前是否可用”的问题。
| 字段 | 说明 |
|---|---|
agent_id | 全局唯一标识 |
role | 角色，例如 architect / coder / reviewer |
skills | 技能列表，每个技能含名称、schema、权限标签 |
model | 偏好模型或模型组 |
version | Agent 定义版本 |
status | online / offline / overloaded |
metadata | 负载、延迟、历史准确率 |
Registry 支持动态发现：新 Agent 上线时自动注册，下线时自动摘除。
2. Role & Skill
Role 与 Skill 是 Agent 能力的声明式描述：
- Role：定义 Agent 的身份、目标、行为准则。
- Skill：定义 Agent 可调用的原子能力，包括输入 schema、输出 schema、权限标签、成本标签。
role: code_reviewer
skills:
- name: review_python
description: 审查 Python 代码的规范性与潜在 bug
input: {code: string}
output: {issues: list, score: int}
tags: [read_only, low_risk]Skill 的设计原则：单一职责、输入输出结构化、危险操作加标签。
3. Message Bus
Message Bus 负责 Agent 之间的消息路由：
- 点对点：按
to字段投递到目标 Agent 的收件箱。 - 广播：按
topic投递给所有订阅者。 - 请求-回复：通过
correlation_id关联请求与回复。 - 优先级与 TTL：避免消息堆积，过期消息自动丢弃。
生产环境中，Message Bus 通常基于 Redis Streams、RabbitMQ、Kafka 或 NATS 实现，保证至少一次投递与顺序性。
4. Coordinator
Coordinator 是 Multi-Agent 的“调度大脑”，主要职责：
- 根据任务与 Agent 能力做任务分配。
- 处理 Handoff 与动态重分配。
- 监控任务进度，检测卡住或失败。
- 触发聚合与终止判定。
Coordinator 可以是规则驱动，也可以是另一个 LLM Agent。但需要注意：Coordinator 本身不能成为不可观测的黑盒，它的每次决策都应记录理由。
5. Blackboard
Blackboard 是共享工作区，保存任务进展、中间结果与共同假设。关键设计：
- 记录结构化：每条记录包含 key、value、author、timestamp、version、confidence。
- 读写权限：按 Role 限制可写区域，避免污染。
- 事件化：写入即事件，订阅者可以实时感知变化。
- 持久化：定期 checkpoint，支持失败后恢复。
{
"key": "architecture_decision",
"value": "使用 Postgres 作为主存储",
"author": "architect_agent",
"timestamp": "2026-07-02T10:00:00Z",
"version": 3,
"confidence": 0.92
}6. Observer
Observer 负责跨 Agent 的可观测：
- Trace：一次任务在多个 Agent 间的完整执行树。
- Span：每个 Agent 的每次执行、每次工具调用。
- Event：Handoff、Blackboard 写入、协调器决策、冲突发生。
- Metrics：协作成功率、平均参与 Agent 数、消息延迟、Blackboard 读写 QPS。
Observer 必须按 task_id 和 session_id 串联所有事件，否则 Multi-Agent 的调试将非常困难。
7. Termination & Conflict Resolution
终止条件
- 达到预设最大轮次或步数。
- Coordinator 判定目标已达成。
- 所有 Agent 达成共识。
- 人类触发强制终止。
冲突解决
| 策略 | 说明 |
|---|---|
| 投票 | 多数决 |
| 加权投票 | 按 Agent 可信度加权 |
| 仲裁 Agent | 由更高阶 Agent 裁决 |
| 人类介入 | 分歧过大或高风险时请求 HITL |
| 回退 | 使用上一轮一致结果或默认值 |
模块关系图
本章小结
Multi-Agent 的七大核心模块各司其职：Registry 管理 Agent 元数据，Role & Skill 声明能力，Message Bus 传递消息，Coordinator 调度任务，Blackboard 共享状态，Observer 记录全局 trace，Termination & Conflict Resolution 负责收尾与分歧处理。它们共同把多 Agent 协作从松散对话变成受控系统。
参考来源