Agent 通信与上下文共享

day40:了解agent通信与上下文共享

Agent 通信与上下文共享

一、什么是 Agent 通信与上下文共享？

定义：

Agent 通信 = 多个 Agent 之间交换信息 上下文共享 = 多个 Agent 基于同一份“状态 / 记忆”协作完成任务

用于解决多个agent之间分工协作汇总的问题

二、为什么一定需要 Agent 通信？

️1. 任务天然可拆分

例如：

搜索新闻 分析关系 生成总结

每个 Agent 职责不同，但结果要合并。

2. Agent 需要“知道别人做了什么

例如：

Writer Agent 不应该再去搜索 Analyzer Agent 需要知道 Search Agent 找到了什么

必须通信 / 共享上下文

3. 工程可控性

限制某个 Agent 的权限（只搜索、不生成结论） 避免工具重复调用（省钱）

三、Agent 通信与上下文共享的典型方式 ⭐

方式 1：直接消息传递（Message Passing）

Agent A → message → Agent B

特点：

简单 强耦合 - 不适合复杂系统

适合：demo / 原型

方式 2：共享状态（Shared State）⭐⭐⭐

Shared State ├─ search_results ├─ analysis └─ final_answer

特点：

解耦 易扩展 ⭐LangGraph 原生支持

方式 3：黑板模式（Blackboard）

Agents ⇄ Blackboard ⇄ Agents

特点：

所有 Agent 只读写“公共黑板” 常见于复杂多 Agent 系统

LangGraph 的 state 就是轻量黑板

方式 4：基于记忆（Memory / DB）⭐⭐⭐

特点：

Redis / DB / VectorStore / GraphDB 用于跨会话通信

适合长期 Agent（智能助理 / 任务管家）

回顾： LangGraph 中的核心概念(day37⭐⭐⭐)

1. State = 上下文共享的核心

fromtypingimportTypedDict,ListclassAgentState(TypedDict):topic:strsearch_results:List[str]analysis:strfinal_answer:str

所有 Agent 节点：

输入：State 输出：State 的一部分

2. Node = 一个 Agent / 一个角色

SearchAgent → 写 search_results AnalyzerAgent → 读 search_results，写 analysis WriterAgent → 读所有，写 final_answer

3.Edge = 通信顺序（谁先谁后）

Search → Analyze → Write

DEMO

#requirements.txt langchain>=0.1.0 langchain_openai langgraph langchain-core

pip install -r requirements.txt

fromtypingimportTypedDictfromlangchain_openaiimportChatOpenAIfromlanggraph.constantsimportENDfromlanggraph.graphimportStateGraphclassStoryState(TypedDict):text:strrelations:stranalysis:stranswer:strllm=ChatOpenAI(model="qwen-plus-latest",base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",api_key="sk-YourKey")defextractAgent(state:StoryState)->StoryState:prompt=f""" 请从以下故事中抽取人物关系： 格式：人物A - 关系 - 人物B 故事：{state["text"]}"""relations=llm.invoke(prompt).contentreturn{"relations":relations}defanalyzeAgent(state:StoryState)->StoryState:prompt=f""" 根据以下人物关系，判断： 1. 谁是核心人物？ 2. 是否存在悲剧冲突？ 关系：{state["relations"]}"""analysis=llm.invoke(prompt).contentreturn{"analysis":analysis}defanswerAgent(state:StoryState)->StoryState:prompt=f""" 根据以下分析，给出最终结论：{state["analysis"]}"""answer=llm.invoke(prompt).contentreturn{"answer":answer}graph=StateGraph(StoryState)graph.add_node("extractAgent",extractAgent)graph.add_node("analyzeAgent",analyzeAgent)graph.add_node("answerAgent",answerAgent)graph.set_entry_point("extractAgent")graph.add_edge("extractAgent","analyzeAgent")graph.add_edge("analyzeAgent","answerAgent")graph.add_edge("answerAgent",END)app=graph.compile()if__name__=="__main__":result=app.invoke({"text":""" 张三深爱李四，但李四被迫嫁给王五。 王五性格暴躁，经常伤害李四。 最终张三为救李四而死。 """})print("最终回答：",result["answer"])# (day40venv) (base) PS D:\code\ai\week6\day40> python main.py# 最终回答： **最终结论：**## 这是一个以**李四为核心枢纽、以结构性父权暴力为根本动因、以无解牺牲为悲剧落点的现代性社会悲剧**。## 其本质并非个人命运的偶然不幸，而是**爱情自由、个体尊严与制度性压迫（强制婚姻、家暴合法化/纵容、女性主体性消音）之间不可调和的激烈冲撞**。李四作为被争夺、被规训、被伤害却始终未被赋权言说的中心，其存在本身即是对“沉默多数”的深刻指涉；张三之死不是英 雄主义的胜利，而是善良在系统性暴力面前的悲怆溃败；王五亦非扁平恶人，而是父权制度具身化的执行者——其暴力得以持续，正因它嵌套于被默认的亲属权力结构与社会失语之中。## 因此，该关系链所呈现的，是一个**微型但尖锐的悲剧切片**：# > **当爱成为罪证，反抗失去出口，牺牲无法撼动结构——那么最深的悲剧，不在于死亡，而在于活着的人仍困在未被拆解的牢笼里。**## ✅ 这一分析不仅确认了李四的叙事核心地位与冲突的悲剧本质，更揭示出其超越个体故事的批判力量：它叩问的，是婚姻自主权如何落实、家暴为何难以终结、以及当法律缺位、伦理失语、社会共谋时，“救一个人”为何竟成了最绝望的壮举。## ——悲剧已发生；而真正的救赎，始于拒绝将它讲述为“命运”，并敢于直视那制造悲剧的、可被改变的现实结构。