Spring AI Alibaba 87｜Graph Core · 多智能体监督者模式 · 执行示例

// 执行 Graph（Supervisor -> Coder）
public void executeGraphWithCoder(CompiledGraph graph) {
  Map<String, Object> input = Map.of(
          "messages", List.of(
                  Map.of("role", "user", "content", "1 + 1 的结果是多少？")
          )
  );

  RunnableConfig config = RunnableConfig.builder()
          .threadId("supervisor-coder-thread")
          .build();

  graph.stream(input, config)
          .doOnNext(event -> System.out.println("节点: " + event.node() + ", 状态: " + event.state()))
          .doOnError(error -> System.err.println("流错误: " + error.getMessage()))
          .doOnComplete(() -> System.out.println("流完成"))
          .blockLast();
}

// 执行 Graph（Supervisor -> Researcher）
public void executeGraphWithResearcher(CompiledGraph graph) {
  Map<String, Object> input = Map.of(
          "messages", List.of(
                  Map.of("role", "user", "content", "下一届冬奥会在哪里举行？")
          )
  );

  RunnableConfig config = RunnableConfig.builder()
          .threadId("supervisor-researcher-thread")
          .build();

  graph.stream(input, config)
          .doOnNext(event -> System.out.println("节点: " + event.node() + ", 状态: " + event.state()))
          .doOnError(error -> System.err.println("流错误: " + error.getMessage()))
          .doOnComplete(() -> System.out.println("流完成"))
          .blockLast();
}

1. 监督者路由：监督者智能体根据用户请求决定将任务路由到哪个工作智能体
2. 条件边：使用条件边实现动态路由
3. 工具集成：工作智能体可以使用工具（如搜索工具、代码执行工具）来完成任务
4. 状态管理：使用 messages 和 next 键来管理对话状态和路由决策

1. 清晰的系统提示：为监督者智能体提供清晰的系统提示，确保它能正确路由任务
2. 工具设计：为每个工作智能体设计合适的工具，使其能够高效完成任务
3. 错误处理：在节点中添加适当的错误处理逻辑
4. 状态规范化：实现路由结果的规范化逻辑，确保路由决策的一致性

通过多智能体监督者模式，您可以构建一个灵活且可扩展的多智能体系统，能够根据不同的任务类型自动路由到合适的智能体。

本文整理自 Spring AI Alibaba 官方文档《多智能体监督者模式》：https://java2ai.com/docs/frameworks/graph-core/examples/multi-agent-supervisor