知识点思维导图
44 个知识节点
Agent（14） - 进阶：多 Agent 与 MCP 工程化
读完后，你应能完成以下任务：
- 绘制“Agent（14） - 进阶：多 Agent 与 MCP 工程化 / 多 Agent 不是分角色聊天”的关键对象与数据流，解释“如果不清楚，那大概率只是角色扮演。”，并用源码位置、日志或 Trace 标注证据。
- 为“Agent（14） - 进阶：多 Agent 与 MCP 工程化 / 什么时候拆 Agent”设计正常与异常输入，验证“上下文太大：一个 Agent 同时拿客服、账单、技术文档、运营资料，prompt 会膨胀。 -> 工具权限不同：账单 Agent 能查账单，内容 Agent 不该碰财务系统。 -> 任务生命周期不同：查询天气是秒级，生成报告可能是分钟级异步任务。 -> 失败隔离有价值：推荐 Agent 失败，不应该拖垮客服问答。”，输出首个偏差位置与回归测试结果。
- 实现“Agent（14） - 进阶：多 Agent 与 MCP 工程化 / MCP 共享服务解决什么”的最小代码或配置，检验“它只负责编排：什么时候查、查什么、结果怎么汇总。”，输出命令、结果与 Diff，并说明不适用边界。
一、先建立全局：进阶：多 Agent 与 MCP 工程化 是什么？
理解“进阶：多 Agent 与 MCP 工程化”，先要把标题中的对象放进同一条处理链：它接收什么输入，经过哪些状态变化，最终用什么证据判断结果。下表不另造概念，只把作者正文已经解释的章节按依赖顺序连起来。
“进阶：多 Agent 与 MCP 工程化”的第一个核心判断是：如果不清楚，那大概率只是角色扮演。。先弄清这个判断中的对象和输入输出，后面的实现、故障和验收才有共同语境。
| 顺序 | 章节 | 读完本节应抓住的结论 |
|---|---|---|
| 1 | 多 Agent 不是分角色聊天 | 如果不清楚，那大概率只是角色扮演。 |
| 2 | 什么时候拆 Agent | 上下文太大：一个 Agent 同时拿客服、账单、技术文档、运营资料，prompt 会膨胀。 -> 工具权限不同：账单 Agent 能查账单，内容 Agent 不该碰财务系统。 -> 任务生命周期不同：查询天气是秒级，生成报告可能是分钟级异步任务。 -> 失败隔离有价值：推荐 Agent 失败，不应该拖垮客服问答。 |
| 3 | MCP 共享服务解决什么 | 它只负责编排：什么时候查、查什么、结果怎么汇总。 |
| 4 | 一条多 Agent 请求怎么走 | 这种编排的关键不是“有几个 Agent”，而是每一步输入输出是否清楚，失败时是否能定位。 |
| 5 | 多租户、权限和成本 | 否则每个 Agent 都觉得自己“只是调了一点模型”，月底账单没人说得清。 |
| 6 | 记忆和 Prompt 模板中心 | 多 Agent 系统里，记忆不能散落在各个 Agent 里。 |
1.1 核心对象之间怎样衔接
flowchart LR
S1["多 Agent 不是分角色聊天"] --> S2
S2["什么时候拆 Agent"] --> S3
S3["MCP 共享服务解决什么"] --> S4
S4["一条多 Agent 请求怎么走"] --> S5
S5["多租户、权限和成本"]
这张图只表达本文的讲解顺序，不替代正文机制。判断“进阶：多 Agent 与 MCP 工程化”是否真正掌握，需要能从最后一个结果沿图回到前面每个章节的输入、状态变化和证据。
1.2 再看失败：问题最早会出现在哪一步？
在“进阶：多 Agent 与 MCP 工程化”的对象和顺序已经明确后，再看可观察的失败：路径或命令直通执行、工具结果跨会话泄漏、循环失控或重试重复副作用。定位时不从最后一条错误猜原因，而是沿上图找第一个偏离正文结论的节点。
二、多 Agent 与 MCP 工程化的真实应用场景
公司里已经有几个 AI 应用：
- HR 智能客服：问制度、查假期、解释流程。
- 自媒体运营 Agent：查热点、写脚本、生成发布计划。
- 企业知识库 Agent：检索文档、回答问题、引用来源。
如果每个系统都自己接模型、自己做 RAG、自己存会话记忆、自己维护 Prompt， 问题很快出现：重复开发、权限混乱、成本难统计、出了问题 trace 断在半路。
多 Agent 和 MCP 的工程化价值， 不是“让几个角色互相聊天”， 而是把公共能力抽出来， 变成可复用、可治理、可观测的服务。
三、多 Agent 不是分角色聊天
| 对比 | 伪多 Agent | 工程化多 Agent |
|---|---|---|
| 拆分理由 | 产品名好听 | 上下文、工具、权限、生命周期不同 |
| 输入输出 | 一堆自然语言互相传 | 明确定义任务输入和结构化输出 |
| 状态管理 | 每个 Agent 自己记一堆 | 状态下沉到共享服务或工作流状态 |
| 工具权限 | prompt 里写“不要乱用” | 后端按用户、角色、工具硬校验 |
| Trace | 只能看到最后回答 | 每个子步骤有 span 和耗时 |
| 失败处理 | 某个 Agent 卡住就全卡住 | 可超时、降级、重试、转人工 |
判断一个多 Agent 设计是否靠谱，可以问一句：如果去掉“角色名”，它的边界还清楚吗？ 如果不清楚，那大概率只是角色扮演。
四、什么时候拆 Agent
满足这些条件时才值得拆：
- 上下文太大：一个 Agent 同时拿客服、账单、技术文档、运营资料，prompt 会膨胀。
- 工具权限不同：账单 Agent 能查账单，内容 Agent 不该碰财务系统。
- 任务生命周期不同：查询天气是秒级，生成报告可能是分钟级异步任务。
- 失败隔离有价值：推荐 Agent 失败，不应该拖垮客服问答。
- 团队职责不同：不同业务团队维护自己的工具和 Prompt。
拆 Agent 的核心收益是隔离复杂度。 拆完以后，每个 Agent 只看自己需要的上下文，只拿自己允许用的工具。
五、MCP 共享服务解决什么
MCP 可以理解成 Agent 时代的统一接口层。 它把工具、资源、Prompt 以协议方式暴露出来，让不同 Agent 用同一套方式调用。
企业里常见的共享能力：
| 共享能力 | 抽出来的价值 |
|---|---|
| LLM 调用 | 模型选择、限流、配额、成本统计统一 |
| RAG 检索 | 多业务复用文档解析、索引、rerank |
| 会话记忆 | session_id、user_id、画像统一管理 |
| Prompt 模板 | 模板版本、参数 schema、灰度发布 |
| 外部工具 | CRM、订单、工单、搜索等接口统一接入 |
业务 Agent 不再直接关心“向量库怎么查”“模型怎么调”“Prompt 模板存哪”。 它只负责编排：什么时候查、查什么、结果怎么汇总。
六、一条多 Agent 请求怎么走
用户请求
-> 入口网关
-> 主 Agent 判断任务类型
-> 子 Agent 获取领域上下文
-> 调 MCP 工具/RAG/记忆服务
-> 子 Agent 返回结构化结果
-> 主 Agent 汇总和生成最终回答
-> trace 聚合后返回前端
一个客服问题可能这样走：
“我这个月账单为什么变高了？”
-> 主 Agent 路由到账单 Agent
-> 账单 Agent 调 billing_tool 查消费明细
-> 知识库 Agent 查套餐说明
-> 主 Agent 汇总：原因 + 依据 + 建议
这种编排的关键不是“有几个 Agent”，而是每一步输入输出是否清楚，失败时是否能定位。
七、多租户、权限和成本
共享服务必须从第一天就考虑隔离：
| 字段 | 用途 |
|---|---|
| project_id | 项目级隔离，决定查哪个知识库 collection |
| session_id | 会话级隔离，决定短期记忆范围 |
| user_id | 用户级隔离，决定权限和画像 |
| trace_id | 串起一次请求的全链路 |
| span_id | 标记某个子调用 |
| api_key_id | 成本归属和配额控制 |
成本控制也应该在共享层做。 否则每个 Agent 都觉得自己“只是调了一点模型”，月底账单没人说得清。 共享服务可以按 project_id、user_id、tool_name 统计 token、调用次数、失败率和 P90/P99。
八、记忆和 Prompt 模板中心
多 Agent 系统里，记忆不能散落在各个 Agent 里。 更稳的做法是双层记忆：
- 会话记忆：按
project_id + session_id隔离，保留最近 N 轮和摘要。 - 用户画像：按
user_id保存长期偏好、预算、风险敏感度、常用项目。
Prompt 模板也要中心化。模板最好包含：
| 字段 | 用途 |
|---|---|
| template_id | 模板唯一标识 |
| version | 支持回滚和灰度 |
| input_schema | 参数约束 |
| owner | 维护团队 |
| changelog | 修改原因 |
模板修改即时生效很方便，但也很危险。 重要模板要有版本、审批和回滚，否则一次“优化提示词”可能影响所有业务 Agent。
九、部署与降级
多 Agent 平台通常会拆成几层：
前端
-> Agent 网关
-> 业务 Agent 服务
-> MCP 共享服务
-> 模型 / 向量库 / 数据库 / 外部系统
部署上要考虑：
- Docker 镜像独立：网关、业务 Agent、MCP 服务可以独立发布。
- Serverless/弹性伸缩：适合波动大的工具服务，但要处理冷启动。
- 灰度发布：Prompt、工具、模型版本都可能影响结果，要能小流量验证。
- 优雅终止：长任务要处理 SIGTERM，避免请求跑一半丢状态。
- 降级策略：模型慢时返回缓存/简版答案，外部工具失败时转人工或提示稍后重试。
十、工程上真正会踩的坑
- 为了分角色而拆。没有上下文、权限、生命周期边界，只会增加调试成本。
- 共享服务没有租户隔离。不同项目共用一个 collection 或记忆空间，数据串了就是事故。
- Trace 断链。主 Agent 有 trace_id，子 Agent 或 MCP 服务没带，排查只能猜。
- Prompt 模板无版本。改一句模板影响所有业务，出问题无法回滚。
- 工具权限混在 prompt。权限必须后端校验，不能让模型自己决定能不能调用。
- Agent 持有太多状态。状态散在进程内，服务重启就丢；应该下沉到 Redis/数据库/工作流状态。
十一、动手验证：先跑通 进阶：多 Agent 与 MCP 工程化，再改变一个变量
前面的章节已经建立问题、概念和机制。现在把“进阶：多 Agent 与 MCP 工程化”放进同一套基线中运行；本节不再引入新术语，只验证前文结论能否被复现。
11.1 基线与候选只允许一个变量不同
验证“进阶：多 Agent 与 MCP 工程化”时，先固定工具 Schema、调用身份、允许资源、畸形参数、超时、重复请求和最大步骤。候选方案只能改变本次要验证的变量；如果同时更换数据、依赖和配置，即使结果改善，也不能知道是哪一项产生作用。
执行“进阶：多 Agent 与 MCP 工程化”时，动作是：保存模型提议，经 Schema 与授权校验后执行工具，并回放拒绝、超时和恢复路径。原始结果不能只保留截图或汇总分数，必须同步保存：模型提议、参数校验、授权决定、幂等键、工具结果、状态迁移和 Trace，使下一次复查可以在同一输入上重放。
| 实验要素 | 本文要求 |
|---|---|
| 固定条件 | 工具 Schema、调用身份、允许资源、畸形参数、超时、重复请求和最大步骤 |
| 唯一变量 | 本次候选方案与基线之间的一项明确差异 |
| 原始证据 | 模型提议、参数校验、授权决定、幂等键、工具结果、状态迁移和 Trace |
| 通过阈值 | 模型只提议，代码控制执行与停止；越权输入无副作用，重复请求不重复写入 |
| 立即停止 | 路径或命令直通执行、工具结果跨会话泄漏、循环失控或重试重复副作用 |
11.2 执行前先排除不可比较条件
“进阶：多 Agent 与 MCP 工程化”开始前先确认下面四项；任一项不成立，都应先修复实验条件，而不是解释结果。
- 基线能够在“进阶：多 Agent 与 MCP 工程化”的当前环境重复运行。
- 候选只改变一个与“进阶：多 Agent 与 MCP 工程化”结论直接相关的条件。
- “进阶：多 Agent 与 MCP 工程化”的基线和候选使用同一批输入、同一版本依赖与同一通过阈值。
- “进阶：多 Agent 与 MCP 工程化”的原始输出和失败现场不会被重试、格式化或汇总覆盖。
11.3 执行后先核对证据完整性
结果出来后先检查证据，再讨论“进阶：多 Agent 与 MCP 工程化”是否通过。缺少中间状态时，最终输出只能说明现象，不能证明机制。
| 检查项 | 当前文章的判定 |
|---|---|
| 输入可追溯 | 工具 Schema、调用身份、允许资源、畸形参数、超时、重复请求和最大步骤 |
| 过程可回放 | 保存模型提议，经 Schema 与授权校验后执行工具，并回放拒绝、超时和恢复路径 |
| 结果可审计 | 模型提议、参数校验、授权决定、幂等键、工具结果、状态迁移和 Trace |
“进阶：多 Agent 与 MCP 工程化”的一次合格基线对照按以下顺序执行：
- 保存“进阶：多 Agent 与 MCP 工程化”基线版本及输入摘要，确认基线本身可以重复运行。
- 写下“进阶：多 Agent 与 MCP 工程化”候选方案唯一变化的变量，以及它预期影响的指标。
- 在同一环境执行“进阶：多 Agent 与 MCP 工程化”：保存模型提议，经 Schema 与授权校验后执行工具，并回放拒绝、超时和恢复路径。
- 为“进阶：多 Agent 与 MCP 工程化”保存：模型提议、参数校验、授权决定、幂等键、工具结果、状态迁移和 Trace。
- 使用“进阶：多 Agent 与 MCP 工程化”预登记条件判断：模型只提议，代码控制执行与停止；越权输入无副作用，重复请求不重复写入。
- 如果“进阶：多 Agent 与 MCP 工程化”未通过，不修改第二个变量，先恢复基线并保留失败现场。
十二、用一张矩阵验证 进阶：多 Agent 与 MCP 工程化 的关键结论
矩阵按正文顺序列出“进阶：多 Agent 与 MCP 工程化”的结论。一次实验只选择一行，只改变这一行对应的条件；不要把多行合并成一个无法归因的大实验。
| 正文章节 | 已解释的结论 | 本轮唯一变量 | 必须保存的证据 |
|---|---|---|---|
| 多 Agent 不是分角色聊天 | 如果不清楚，那大概率只是角色扮演。 | 只改变与“多 Agent 不是分角色聊天”相关的条件 | 模型提议、参数校验、授权决定、幂等键、工具结果、状态迁移和 Trace |
| 什么时候拆 Agent | 上下文太大：一个 Agent 同时拿客服、账单、技术文档、运营资料，prompt 会膨胀。 -> 工具权限不同：账单 Agent 能查账单，内容 Agent 不该碰财务系统。 -> 任务生命周期不同：查询天气是秒级，生成报告可能是分钟级异步任务。 -> 失败隔离有价值：推荐 Agent 失败，不应该拖垮客服问答。 | 只改变与“什么时候拆 Agent”相关的条件 | 模型提议、参数校验、授权决定、幂等键、工具结果、状态迁移和 Trace |
| MCP 共享服务解决什么 | 它只负责编排：什么时候查、查什么、结果怎么汇总。 | 只改变与“MCP 共享服务解决什么”相关的条件 | 模型提议、参数校验、授权决定、幂等键、工具结果、状态迁移和 Trace |
| 一条多 Agent 请求怎么走 | 这种编排的关键不是“有几个 Agent”，而是每一步输入输出是否清楚，失败时是否能定位。 | 只改变与“一条多 Agent 请求怎么走”相关的条件 | 模型提议、参数校验、授权决定、幂等键、工具结果、状态迁移和 Trace |
| 多租户、权限和成本 | 否则每个 Agent 都觉得自己“只是调了一点模型”，月底账单没人说得清。 | 只改变与“多租户、权限和成本”相关的条件 | 模型提议、参数校验、授权决定、幂等键、工具结果、状态迁移和 Trace |
| 记忆和 Prompt 模板中心 | 多 Agent 系统里，记忆不能散落在各个 Agent 里。 | 只改变与“记忆和 Prompt 模板中心”相关的条件 | 模型提议、参数校验、授权决定、幂等键、工具结果、状态迁移和 Trace |
12.1 记录本次实际实验
下面的记录用于“进阶：多 Agent 与 MCP 工程化”当前这一次实验，不是第二套知识目录。先从矩阵选择一个章节，再填写实际值；没有填写的字段表示尚未验证。
topic: "进阶：多 Agent 与 MCP 工程化"
selected_chapter: required
claim_from_article: required
baseline_version: required
changed_condition: exactly_one
execution: "保存模型提议，经 Schema 与授权校验后执行工具，并回放拒绝、超时和恢复路径"
evidence: "模型提议、参数校验、授权决定、幂等键、工具结果、状态迁移和 Trace"
pass_when: "模型只提议，代码控制执行与停止；越权输入无副作用，重复请求不重复写入"
stop_when: "路径或命令直通执行、工具结果跨会话泄漏、循环失控或重试重复副作用"
observed_result: required
first_deviation: null_or_evidence
recovery_replay: required_after_failure
12.2 边界实验必须证明能够停止和恢复
成功路径只能证明“进阶：多 Agent 与 MCP 工程化”在当前样本上工作，不能证明它可以进入生产。边界实验需要主动制造：路径或命令直通执行、工具结果跨会话泄漏、循环失控或重试重复副作用，并观察系统是否在产生不可逆副作用前停止。
| 场景 | 只改变什么 | 应保存什么 | 通过标准 |
|---|---|---|---|
| 正常路径 | 使用已知有效输入 | 模型提议、参数校验、授权决定、幂等键、工具结果、状态迁移和 Trace | 模型只提议，代码控制执行与停止；越权输入无副作用，重复请求不重复写入 |
| 边界路径 | 把一个输入推进到约束临界值 | 临界值前后的输出与指标 | 不静默降级，不把部分结果冒充成功 |
| 明确失败 | 注入：路径或命令直通执行、工具结果跨会话泄漏、循环失控或重试重复副作用 | 原始错误、首个异常阶段和最终状态 | 失败被正确分类且没有扩大副作用 |
| 恢复重放 | 执行：关闭副作用入口，核对最终业务状态，从首个错误授权或状态迁移恢复 | 原失败样本的复测证据 | 原样本恢复，正常样本没有回归 |
恢复动作不是简单重启。对于“进阶：多 Agent 与 MCP 工程化”，第一步是：关闭副作用入口，核对最终业务状态，从首个错误授权或状态迁移恢复。完成后使用原始失败样本复测；只验证一个新样本成功，不能证明触发条件已经消失。
“进阶：多 Agent 与 MCP 工程化”边界实验结束后，应把正常、临界、失败和恢复四类记录放在同一个运行批次中。这样才能区分“候选方案真的修复问题”和“环境变化让问题暂时没有出现”。
十三、进阶：多 Agent 与 MCP 工程化 的结果解释
解释“进阶：多 Agent 与 MCP 工程化”实验时先看首个偏差，而不是最后一条错误。最后的异常通常只是上游状态错误的结果；从末端反推容易误把症状当根因。
| 观察结果 | 可以支持的判断 | 下一步 |
|---|---|---|
| 主链路没有达到预期 | 路径或命令直通执行、工具结果跨会话泄漏、循环失控或重试重复副作用 | 先执行：关闭副作用入口，核对最终业务状态，从首个错误授权或状态迁移恢复 |
| 异常链路无法恢复 | 路径或命令直通执行、工具结果跨会话泄漏、循环失控或重试重复副作用 | 先执行：关闭副作用入口，核对最终业务状态，从首个错误授权或状态迁移恢复 |
| 新样本成功但原样本仍失败 | 修复没有覆盖原始触发条件 | 固定原失败输入，恢复基线后重新比较 |
| 指标改善但证据无法回链 | 数据、版本或中间状态没有固定 | 暂停发布，补齐可追溯记录后重跑 |
“进阶：多 Agent 与 MCP 工程化”只有同时满足“模型只提议，代码控制执行与停止；越权输入无副作用，重复请求不重复写入”，并且没有出现“路径或命令直通执行、工具结果跨会话泄漏、循环失控或重试重复副作用”，才可以认为主链路通过。这里的“通过”只对当前固定版本、样本和环境有效，不能外推到尚未测试的容量、权限或数据分布。
如果“进阶：多 Agent 与 MCP 工程化”候选方案与基线差异很小，先检查证据分辨率是否足够；如果差异很大，先排除数据泄漏、环境漂移和版本不一致。两种情况都不能只看一个汇总均值，需要回到逐样本输出和中间状态。
“进阶：多 Agent 与 MCP 工程化”故障定位完成后，记录“现象、首个偏差、根因、改动、原样本复测”五项。缺少原样本复测时，只能标记为待观察，不能标记为已解决。
十四、进阶：多 Agent 与 MCP 工程化 的发布判断
发布判断需要把“进阶：多 Agent 与 MCP 工程化”的质量、失败边界和恢复能力放在同一份记录中。以下任一条件缺失，都应停止扩量，而不是用“基本正常”替代证据。
- “进阶：多 Agent 与 MCP 工程化”的基线与候选只存在一个计划内变量。
- “进阶：多 Agent 与 MCP 工程化”的输入、代码、依赖、配置和数据版本可以追溯。
- “进阶：多 Agent 与 MCP 工程化”的正常、临界、失败和恢复样本使用同一套断言。
- “进阶：多 Agent 与 MCP 工程化”的原始输出、中间状态和失败现场已经保留。
- “进阶：多 Agent 与 MCP 工程化”的日志、Trace、截图和测试数据已经脱敏。
- “进阶：多 Agent 与 MCP 工程化”的停止条件、负责人和回滚入口已经演练。
- “进阶：多 Agent 与 MCP 工程化”尚未覆盖的输入、权限、容量和外部依赖已经登记。
最终记录至少包含基线版本、唯一变量、原始证据、首个偏差、恢复复测和发布责任人。没有参与本次修改的人如果不能据此重放“进阶：多 Agent 与 MCP 工程化”的判断，就不能发布。
十五、总结
- 多 Agent 不是分角色聊天：如果不清楚，那大概率只是角色扮演。
- 什么时候拆 Agent：上下文太大：一个 Agent 同时拿客服、账单、技术文档、运营资料，prompt 会膨胀。 -> 工具权限不同：账单 Agent 能查账单，内容 Agent 不该碰财务系统。 -> 任务生命周期不同：查询天气是秒级，生成报告可能是分钟级异步任务。 -> 失败隔离有价值：推荐 Agent 失败，不应该拖垮客服问答。
- MCP 共享服务解决什么：它只负责编排：什么时候查、查什么、结果怎么汇总。
- 一条多 Agent 请求怎么走：这种编排的关键不是“有几个 Agent”，而是每一步输入输出是否清楚，失败时是否能定位。
- 多租户、权限和成本：否则每个 Agent 都觉得自己“只是调了一点模型”，月底账单没人说得清。
- 记忆和 Prompt 模板中心：多 Agent 系统里，记忆不能散落在各个 Agent 里。
学完自测
选择所有正确答案；提交后逐项核对判断依据。