首页
/ Pydantic-AI框架中Agent间消息传递的解决方案

Pydantic-AI框架中Agent间消息传递的解决方案

2025-05-26 23:55:16作者:咎竹峻Karen

在基于Pydantic-AI框架开发多Agent系统时,开发者经常会遇到Agent间消息传递的问题。本文深入分析这一技术难题,并提供经过验证的解决方案。

问题背景

在多Agent系统架构中,一个Agent(如酒店预订Agent)需要将任务委托给另一个Agent(如报价查询Agent)时,消息历史的传递会出现两个关键问题:

  1. 未完成的工具调用链:当主Agent调用工具将任务委托给子Agent时,这个工具调用本身会留在消息历史中,但缺少对应的工具返回响应,导致API调用失败。

  2. 系统提示冲突:消息历史中保留的是主Agent的系统提示,这会覆盖子Agent的系统提示,导致子Agent无法按照预期行为执行。

技术分析

通过分析Pydantic-AI框架的消息处理机制,我们发现:

  1. 消息历史(ModelMessage列表)会完整记录所有交互,包括未完成的工具调用
  2. 系统提示(SystemPromptPart)作为消息的一部分,会随消息历史一起传递
  3. OpenAI等模型API对工具调用的完整性有严格校验

解决方案

我们开发了一个通用的消息预处理函数,可以解决上述两个问题:

async def prepare_messages_for_agent_delegation(
    target_agent: Agent,
    messages: List[ModelMessage],
) -> List[ModelMessage]:
    """
    为Agent委托准备消息历史:
    1. 移除未完成的工具调用(最后一条如果是工具调用则删除)
    2. 替换系统提示为目标Agent的系统提示
    """
    if not messages:
        return []
    messages = deepcopy(messages)

    # 移除最后一条未完成的工具调用
    if len(messages) > 1 and messages[-1].parts[-1].part_kind == "tool-call":
        messages = messages[:-1]

    # 替换系统提示
    if isinstance(messages[0], ModelRequest):
        ctx = RunContext(deps=None, model=target_agent.model, usage=Usage(), prompt="required")
        new_sys_parts = await target_agent._sys_parts(ctx)
        
        non_sys_parts = [part for part in messages[0].parts if not isinstance(part, SystemPromptPart)]
        messages[0] = ModelRequest(parts=new_sys_parts + non_sys_parts)

    return messages

使用示例

async def delegate_to_agent2(ctx: RunContext):
    messages = await prepare_messages_for_agent_delegation(
        target_agent=agent2,
        messages=ctx.messages,
    )
    response = await agent2.run(
        user_prompt="",  # 可留空或传入特定提示
        deps=ctx.deps,
        message_history=messages,
    )
    return response

最佳实践

  1. 消息历史处理:在Agent委托时,务必处理消息历史,移除未完成的工具调用
  2. 系统提示隔离:确保每个Agent使用自己的系统提示
  3. 版本兼容性:该解决方案已在pydantic-ai 0.0.21版本验证可用
  4. 性能考虑:消息历史的深拷贝操作在大型对话历史中可能影响性能,建议按需使用

总结

Pydantic-AI框架中的Agent间协作是一个强大但需要谨慎处理的功能。通过本文提供的解决方案,开发者可以避免常见的消息传递陷阱,构建更加健壮的多Agent系统。随着框架的迭代,我们期待官方能提供更优雅的内置解决方案。

对于更复杂的场景,建议考虑扩展RunContext类或开发自定义中间件来统一处理Agent间的消息传递问题。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
179
263
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
869
514
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
295
331
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
333
1.09 K
harmony-utilsharmony-utils
harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
18
0
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0
kernelkernel
deepin linux kernel
C
22
5
WxJavaWxJava
微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
601
58