DB-GPT多智能体协作中的工具结果传递问题分析与解决方案

问题背景

在DB-GPT项目的多智能体协作场景中，我们发现了一个关于工具调用结果传递的重要问题。当Planner智能体设计一个需要连续调用多个工具的任务流程时，前一个工具的执行结果无法被后续工具正确获取，导致任务链断裂。这个问题的典型表现是：第一个工具成功执行并返回结果后，第二个工具由于无法获取前一个工具的结果而执行失败。

技术细节分析

在多智能体系统中，工具调用链的设计是一个关键机制。理想情况下，智能体应该能够：

1. 解析用户请求并制定执行计划
2. 按顺序调用相关工具
3. 将前一个工具的输出作为下一个工具的输入
4. 最终返回完整的结果

但在当前实现中，系统在处理类似"先获取时间戳再格式化时间"这样的连续工具调用时，出现了上下文记忆缺失的问题。具体表现为：

用户请求：使用get_current_system_time工具获取当前时间戳，然后使用format_time_stamp工具将时间戳转换为'yy-mm-dd'格式

系统能够正确执行第一步获取时间戳，但在第二步格式化时却丢失了时间戳数据，导致任务失败。

根本原因

经过代码分析，我们发现问题的根源在于：

1. 工具执行结果的存储机制不完善
2. 多智能体间的上下文传递存在缺陷
3. 历史消息处理模板中缺少对观察结果的保留

特别是在某些提交版本中，观察结果的模板处理出现了遗漏，导致工具执行结果没有被正确写入内存。

解决方案

针对这个问题，我们采取了以下改进措施：

1. 完善结果存储机制：确保每个工具的执行结果都被正确存储在内存中
2. 加强上下文传递：在多智能体间建立更可靠的结果传递通道
3. 修复模板处理：在消息处理模板中显式保留观察结果

这些改进使得工具链式调用能够正常工作，满足了用户对连续工具操作的需求。

系统架构启示

这个问题的解决也给我们带来了关于多智能体系统设计的几点启示：

1. 状态管理：在多步骤任务中，必须建立可靠的状态管理机制
2. 上下文持久化：工具执行结果需要被持久化而不仅仅是临时传递
3. 错误恢复：系统应该具备从中间步骤失败中恢复的能力

结论

DB-GPT作为一款先进的数据库智能体系统，其多智能体协作能力是其核心价值之一。通过解决这个工具结果传递问题，我们不仅修复了一个具体的技术缺陷，更重要的是完善了系统的任务链执行能力，为更复杂的多步骤数据库操作奠定了基础。这对于提升用户体验和扩展系统功能都具有重要意义。

未来，我们将继续优化多智能体间的协作机制，特别是在长任务链和复杂工作流场景下，确保系统能够可靠地完成用户指定的各种数据库操作任务。