【从0到1构建一个ClaudeAgent】规划与协调-子Agent

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

子任务污染主对话上下文怎么办？

因此这里主要展示了如何构建一个多智能体系统。

在原作者的Python代码里，run_subagent 函数就像一个“虫洞”，把任务传送到一个新的平行宇宙（子线程/子上下文）去执行，执行完只带回结果。

在 Java 中，我们通常通过创建新的类实例来实现这种隔离。父 Agent 和子 Agent 拥有各自独立的 messages 列表，互不干扰。

public class AgentWithSubAgents } // ... 省略相同的 ToolExecutor 接口和基础工具注册 // --- 2. 子 Agent 类 (核心隔离单元) --- public static class SubAgent List 
  
    
    
      > results = new ArrayList<>(); List 
     
       > content = (List 
      
        >) response.get("content"); for (Map 
       
         block : content) catch (Exception e) Map 
        
          result = new HashMap<>(); result.put("type", "tool_result"); result.put("tool_use_id", toolId); result.put("content", output); results.add(result); } } messages.add(Map.of("role", "user", "content", results)); } // 提取最终文本结果 return extractText(response); } } // --- 3. 父 Agent 核心循环 --- // 父 Agent 拥有所有工具，包括 TASK private final List 
         
           > parentTools = new ArrayList<>(); { // 复制基础工具 parentTools.addAll(Arrays.asList( createToolSpec("bash", "Run shell command", "command"), createToolSpec("read_file", "Read file", "path"), createToolSpec("write_file", "Write file", "path", "content"), createToolSpec("edit_file", "Edit file", "path", "old_text", "new_text") )); // 添加 TASK 工具 parentTools.add(createTaskToolSpec()); } // 创建任务工具规格 private static Map 
          
            createTaskToolSpec() { Map 
           
             spec = new HashMap<>(); spec.put("name", "task"); spec.put("description", "Spawn a subagent with fresh context."); Map 
            
              schema = new HashMap<>(); schema.put("type", "object"); Map 
             
               props = new HashMap<>(); props.put("prompt", Map.of("type", "string", "description", "The task for the subagent")); props.put("description", Map.of("type", "string", "description", "Short description")); schema.put("properties", props); schema.put("required", Arrays.asList("prompt")); spec.put("input_schema", schema); return spec; } public void agentLoop(List 
              
                > messages) else catch (Exception e) } System.out.println(" Result: " + output.substring(0, Math.min(output.length(), 100))); Map 
               
                 result = new HashMap<>(); result.put("type", "tool_result"); result.put("tool_use_id", toolId); result.put("content", output); results.add(result); } } messages.add(Map.of("role", "user", "content", results)); } } // --- 辅助方法 --- private static String extractText(Map 
                
                  response) return "(no summary)"; } }

核心思想：引入分层架构和上下文隔离，让Agent能够分解复杂任务，分配给专门的”子Agent”处理，避免上下文污染。

// 子 Agent 类 - 独立的执行单元 public static class SubAgent {

private final List 
  
    
    
      > messages = new ArrayList<>(); // 独立上下文 private static final String SYSTEM_PROMPT = "You are a coding subagent. Complete the task and summarize findings."; // 独立上下文：每个子任务有自己独立的消息历史 // 系统提示：为子任务定义专门的角色，如"编码专家" // 子 Agent 只能使用基础工具，不能递归创建子 Agent private final List 
     
       > allowedTools = Arrays.asList( createToolSpec("bash", "Run shell command", "command"), createToolSpec("read_file", "Read file", "path"), // 权限控制：限制工具集，防止无限递归 ); public String executeTask(String prompt) { messages.clear(); // 清空历史，从零开始 messages.add(Map.of("role", "user", "content", prompt)); // 每次调用都是全新的上下文，避免历史干扰 // 安全循环限制，防止死循环 for (int i = 0; i < 30; i++) { // 最多30轮 // ... 执行子任务 } }

}

上下文隔离：每个子任务在干净的环境中执行，不继承父任务的上下文污染
角色专业化：可以通过不同的SYSTEM_PROMPT让子Agent专注特定领域
防递归保护：子Agent不能调用task工具，防止无限递归
资源限制：限制最大轮数，防止死循环

核心思想：将”委派子任务”抽象为一种工具，实现任务分解和并行化。

// 父 Agent 的工具列表 private final List 
  
    
    
      > parentTools = new ArrayList<>(); {

// 基础工具 parentTools.addAll(Arrays.asList( createToolSpec("bash", "Run shell command", "command"), // ... 其他基础工具 )); // 添加 TASK 工具 parentTools.add(createTaskToolSpec()); // 关键：父Agent独有的委派能力

}

// 任务工具规格定义 private static Map createTaskToolSpec() {

Map 
  
    
    
      spec = new HashMap<>(); spec.put("name", "task"); spec.put("description", "Spawn a subagent with fresh context."); // 工具描述：明确这是创建子Agent的委派工具 Map 
     
       schema = new HashMap<>(); schema.put("type", "object"); Map 
      
        props = new HashMap<>(); props.put("prompt", Map.of("type", "string", "description", "The task for the subagent")); props.put("description", Map.of("type", "string", "description", "Short description")); schema.put("properties", props); schema.put("required", Arrays.asList("prompt")); spec.put("input_schema", schema); // 工具规格：定义输入参数 return spec;

}

委派抽象：将”让子Agent做某事”封装为一个工具调用
权限控制：只有父Agent有这个工具，子Agent没有
接口设计：明确的任务描述接口，便于LLM使用

// 父 Agent 的核心循环 public void agentLoop(List 
  
    
    
      > messages) else

 // 将子Agent的结果返回给父Agent result.put("content", output); } } }

}

主从模式：父Agent是管理者，子Agent是工作者
结果聚合：子Agent返回结果，父Agent继续处理
上下文切换：子任务执行时，父Agent暂停等待
可重用子Agent：一个子Agent实例可处理多个任务

从 AgentWithTodo 到 AgentWithSubAgents 的升级：

维度 AgentWithTodo AgentWithSubAgents 架构模式单例模式分层模式（父子）上下文管理共享上下文上下文隔离任务处理线性顺序并行/委派复杂性状态管理分治策略可扩展性有限强大

【从0到1构建一个ClaudeAgent】规划与协调-子Agent

相关推荐