使用Semantic Kernel实现多Agent协作的自动化写作系统

在人工智能应用开发中，多Agent协作系统正变得越来越重要。本文将介绍如何利用Semantic Kernel框架构建一个由三个智能Agent组成的自动化写作系统，实现从内容评审、改写到最终保存的全流程自动化。

系统架构设计

该系统由三个核心Agent组成：

1. 评审Agent(Reviewer)：负责分析用户输入内容并提出改进建议
2. 写作Agent(Writer)：根据评审建议重写内容
3. 保存Agent(Saver)：将最终内容保存到文件系统

这种分工明确的架构确保了每个Agent专注于单一职责，提高了系统的可维护性和扩展性。

关键技术实现

1. Agent初始化与配置

每个Agent都是通过ChatCompletionAgent类实例化的，关键配置包括：

agent_saver = ChatCompletionAgent(
    service=AzureChatCompletion(),
    plugins=[FileSavePlugin()],  # 仅为此Agent添加文件保存插件
    name=SAVER_NAME,
    instructions=f"""
    您的职责是保存最终审核通过的内容。
    - 总是采用{WRITER_NAME}生成的最新内容
    - 调用save_to_file函数保存内容
    - 确认内容已保存
    """
)

特别注意，文件保存插件仅被添加到保存Agent中，确保了功能隔离。

2. 插件开发要点

文件保存插件的正确实现方式：

class FileSavePlugin:
    """文件保存功能插件"""
    
    @kernel_function(description="保存内容到文件", name="save_to_file")
    async def save_to_file(self, content: str):
        file_path = "output.txt"
        with open(file_path, "w", encoding="utf-8") as file:
            file.write(content)
        return f"内容已保存至{file_path}"

关键点：

• 方法必须定义为类方法，包含self参数
• 使用@kernel_function装饰器明确功能描述
• 返回操作结果供系统验证

3. Agent协作流程控制

系统通过两种策略管理Agent协作：

选择策略(Selection Strategy)：

• 基于当前响应决定下一个执行的Agent
• 使用预定义的规则确保流程顺序：用户→评审→写作→保存

终止策略(Termination Strategy)：

• 监测保存Agent的响应
• 当检测到"saved"关键词时结束流程
• 设置最大迭代次数防止无限循环

最佳实践建议

1. 内核隔离：为不同Agent使用独立的内核实例，避免功能交叉调用
2. 职责单一：每个Agent应专注于单一功能，指令需明确具体
3. 流程验证：实现完善的终止策略，确保流程正常结束
4. 错误处理：添加异常捕获机制，提高系统健壮性
5. 历史管理：使用ChatHistoryTruncationReducer控制上下文长度

应用场景扩展

此架构可轻松扩展至更多业务场景：

1. 内容生产流水线：增加校对、格式化等环节
2. 自动化报告系统：数据收集→分析→可视化→分发
3. 客户服务流程：咨询→解决方案生成→满意度调查

通过Semantic Kernel的多Agent协作能力，开发者可以构建出更加智能、自动化的业务流程系统，显著提升工作效率和输出质量。这种架构特别适合需要多步骤、多专业领域协作的复杂任务场景。