mirror of
https://github.com/bytedance/deer-flow.git
synced 2026-05-21 23:46:50 +00:00
copilot-swe-agent[bot]
814a488bcb
Agent-Logs-Url: https://github.com/bytedance/deer-flow/sessions/a5f192e7-8034-4e46-af22-60b90ee27d40 Co-authored-by: foreleven <4785594+foreleven@users.noreply.github.com>
120 lines
4.1 KiB
Plaintext
120 lines
4.1 KiB
Plaintext
import { Callout, Cards } from "nextra/components";
|
||
|
||
# 子 Agent
|
||
|
||
<Callout type="info" emoji="👥">
|
||
子 Agent 是 Lead Agent 委派子任务的专注执行者。它们以隔离的上下文运行，在处理并行或专业工作的同时保持主对话清晰。
|
||
</Callout>
|
||
|
||
当一个任务对单个推理线程来说太宽泛，或者部分任务可以并行完成时，Lead Agent 将工作委派给**子 Agent**。子 Agent 是一个独立的 Agent 调用，接收特定任务、执行并返回结果。
|
||
|
||
## 为什么子 Agent 很重要
|
||
|
||
子 Agent 解决了长时序工作流中的两个关键问题：
|
||
|
||
1. **上下文隔离**：子 Agent 只看到完成其任务所需的信息，而不是整个父对话。这保持了每个 Agent 的工作上下文专注且可控。
|
||
2. **并行性**：多个子 Agent 可以并发运行，允许任务的独立部分（例如同时研究多个话题）并行处理。
|
||
|
||
## 内置子 Agent
|
||
|
||
DeerFlow 内置两个子 Agent：
|
||
|
||
### general-purpose
|
||
|
||
通用推理和执行 Agent，适合委派需要多步骤推理、网络搜索、文件操作和产出物生成的复杂子任务。
|
||
|
||
- **默认超时**：900 秒（15 分钟）
|
||
- **默认最大轮次**：160
|
||
|
||
### bash
|
||
|
||
专门用于在沙箱内执行命令行任务的子 Agent，适合脚本编写、数据处理、文件转换和环境设置任务。
|
||
|
||
- **默认超时**：900 秒（15 分钟）
|
||
- **默认最大轮次**：80
|
||
- **可用性**：仅当沙箱的 `bash` 工具可用时才暴露（`allow_host_bash: true` 或配置了容器沙箱）
|
||
|
||
## 委派流程
|
||
|
||
Lead Agent 使用内置 `task` 工具将工作委派给子 Agent：
|
||
|
||
```
|
||
task(
|
||
agent="general-purpose",
|
||
task="研究 Acme Corp 的前 5 个竞争对手并总结其定价",
|
||
context="专注于 B2B SaaS 定价模型"
|
||
)
|
||
```
|
||
|
||
运行时然后：
|
||
|
||
1. 从注册表查找子 Agent 配置，应用任何 `config.yaml` 覆盖。
|
||
2. 用子 Agent 自己的提示词和工具创建新的 Agent 调用。
|
||
3. 将子 Agent 运行到完成（或直到超时/最大轮次）。
|
||
4. 将子 Agent 的最终输出作为工具结果返回给 Lead Agent。
|
||
|
||
## 配置
|
||
|
||
子 Agent 超时和最大轮次通过 `config.yaml` 中的 `subagents:` 部分控制：
|
||
|
||
```yaml
|
||
subagents:
|
||
# 所有子 Agent 的默认超时（秒，默认：900 = 15 分钟）
|
||
timeout_seconds: 900
|
||
|
||
# 可选：覆盖所有子 Agent 的最大轮次
|
||
# max_turns: 120
|
||
|
||
# 可选：按 Agent 覆盖
|
||
agents:
|
||
general-purpose:
|
||
timeout_seconds: 1800 # 复杂任务 30 分钟
|
||
max_turns: 160
|
||
bash:
|
||
timeout_seconds: 300 # 快速命令 5 分钟
|
||
max_turns: 80
|
||
```
|
||
|
||
按 Agent 覆盖优先于全局 `timeout_seconds` 和 `max_turns` 设置。
|
||
|
||
## 并发限制
|
||
|
||
`SubagentLimitMiddleware` 控制 Lead Agent 在单次轮次中可以并行调用多少个子 Agent，通过每次请求的配置控制：
|
||
|
||
- `subagent_enabled`：是否为此会话激活子 Agent 委派
|
||
- `max_concurrent_subagents`：单次轮次中最大并行任务调用数（默认：3）
|
||
|
||
如果 Agent 尝试调用超过限制的子 Agent，中间件会裁剪多余的调用。
|
||
|
||
## ACP Agent（外部 Agent）
|
||
|
||
除内置子 Agent 外，DeerFlow 还通过 **Agent Connect Protocol (ACP)** 支持委派给外部 Agent。ACP 允许 DeerFlow 调用作为独立进程运行的 Agent（包括用 ACP 适配器包装的第三方 CLI 工具）。
|
||
|
||
在 `config.yaml` 中配置 ACP Agent：
|
||
|
||
```yaml
|
||
acp_agents:
|
||
claude_code:
|
||
command: npx
|
||
args: ["-y", "@zed-industries/claude-agent-acp"]
|
||
description: 用于实现、重构和调试的 Claude Code
|
||
model: null
|
||
|
||
codex:
|
||
command: npx
|
||
args: ["-y", "@zed-industries/codex-acp"]
|
||
description: 用于仓库任务和代码生成的 Codex CLI
|
||
model: null
|
||
```
|
||
|
||
Lead Agent 通过 `invoke_acp_agent` 内置工具调用 ACP Agent。
|
||
|
||
<Callout type="tip">
|
||
ACP Agent 作为 DeerFlow 管理的子进程运行，通过 ACP 协议通信。标准 CLI 工具（如原始的 `claude` 或 `codex` 命令）默认不兼容 ACP——请使用上面列出的适配器包或兼容的 ACP 封装器。
|
||
</Callout>
|
||
|
||
<Cards num={2}>
|
||
<Cards.Card title="沙箱" href="/docs/harness/sandbox" />
|
||
<Cards.Card title="MCP 集成" href="/docs/harness/mcp" />
|
||
</Cards>
|