Master Agent 架构设计研究报告

1. 核心定义

Master Agent 是多智能体编排系统的中央协调者，负责：

• 接收用户请求并理解意图
• 规划任务分解和执行策略
• 调度和协调子 Agent（Sub-Agent）
• 汇总结果并返回给用户

2. 核心工作流

2.1 意图分析（Intent Analysis）

• 解析用户自然语言输入
• 识别任务类型和领域
• 判断是否可直接回复或需要调用 Sub-Agent

2.2 任务规划（Task Planning）

• 将复杂任务分解为子任务
• 确定子任务之间的依赖关系
• 生成执行计划（DAG 或序列）

2.3 子 Agent 调度（Sub-Agent Orchestration）

• 根据任务类型选择合适的 Sub-Agent
• 使用 [CALL: agent_name] 格式触发执行
• 管理 Sub-Agent 会话状态

2.4 结果整合（Result Aggregation）

• 收集各 Sub-Agent 的执行结果
• 进行 Reflection 反思评估
• 整合输出最终答案

3. 关键设计原则

3.1 单一职责原则

• Master Agent 只负责调度，不直接执行任务
• 具体任务全部交给 Sub-Agent

3.2 状态隔离

• 每个 Sub-Agent 运行在独立会话中
• 通过 SessionPool 管理多轮上下文

3.3 ReAct 模式

• 与用户进行多轮对话
• 实时响应反馈并调整策略

4. 关键能力要求

能力	说明	权重
意图理解	准确识别用户需求	25%
任务规划	合理分解复杂任务	25%
Agent 调度	正确选择和调用 Sub-Agent	30%
结果整合	高质量汇总和输出	20%

5. 业界参考

• AutoGPT: 任务分解和工具调用
• MetaGPT: 多角色协作流程
• LangChain Agent: 工具链编排
• Claude Computer Use: 工具调用接口

6. 关键指标

• 意图识别准确率: >95%
• 任务规划合理性: >90%
• Sub-Agent 调用成功率: >95%
• 用户满意度: >90%