Agent 平臺化思考從定制化開發(fā)到通用 Agent 平臺的架構演進一、從一個 Agent 一個項目到Agent 平臺工程化必經之路2026 年初某 SaaS 公司面臨一個困境過去一年他們?yōu)椴煌蛻粜枨箝_發(fā)了 15 個獨立的 Agent 項目。這些項目技術棧各異、代碼重復率高達 60%、維護成本巨大。更糟糕的是當某個客戶需要一個新功能其實是其他 Agent 已有的功能時他們需要重新開發(fā)無法復用。這不是個案。隨著 Agent 技術從實驗走向生產平臺化成為必然趨勢。本文將討論 Agent 平臺化的架構演進路徑。二、階段一定制化開發(fā)反模式典型問題場景客戶 A 需要一個客服 Agent客戶 B 需要一個銷售 Agent。反模式實現(xiàn)# 項目 1: 客服 Agent獨立代碼庫 # customer_service_agent/ # ├── main.py # ├── tools/ # │ ├── query_order.py # │ ├── cancel_order.py # │ └── search_kb.py # └── prompts/ # └── system_prompt.txt # 項目 2: 銷售 Agent另一個獨立代碼庫 # sales_agent/ # ├── main.py # 跟客服 Agent 的 main.py 有 70% 相同 # ├── tools/ # │ ├── search_products.py # 新工具 # │ ├── query_order.py # 重復跟客服 Agent 一樣 # │ └── create_order.py # └── prompts/ # └── system_prompt.txt # 問題 # 1. query_order 工具重復實現(xiàn)維護困難 # 2. main.py 邏輯重復代碼冗余 # 3. 兩個 Agent 無法共享上下文用戶先從客服問問題再找銷售上下文丟失問題清單三、階段二模塊化改進核心思路抽取公共庫# 公共庫agent_common/ # ├── core/ # │ ├── agent.py # Agent 核心邏輯 # │ ├── tool_registry.py # 工具注冊中心 # │ └── memory.py # 記憶管理 # ├── tools/ # │ ├── query_order.py # 公共工具 # │ ├── search_kb.py # │ └── base_tool.py # 工具基類 # └── utils/ # ├── llm_client.py # └── prompt_template.py # 客服 Agent 項目簡化 from agent_common.core import Agent, ToolRegistry from agent_common.tools import QueryOrderTool, SearchKBTool class CustomerServiceAgent(Agent): def __init__(self): super().__init__() # 注冊工具 self.registry.register(QueryOrderTool()) self.registry.register(SearchKBTool()) # 添加客服特有的工具 self.registry.register(CancelOrderTool()) # 銷售 Agent 項目簡化 from agent_common.core import Agent, ToolRegistry from agent_common.tools import QueryOrderTool, SearchKBTool # 復用 class SalesAgent(Agent): def __init__(self): super().__init__() # 復用公共工具 self.registry.register(QueryOrderTool()) # 直接復用 self.registry.register(SearchKBTool()) # 添加銷售特有的工具 self.registry.register(SearchProductsTool()) self.registry.register(CreateOrderTool())生產級實現(xiàn)工具注冊中心from abc import ABC, abstractmethod from typing import Dict, List, Any import importlib import json class BaseTool(ABC): 工具基類 abstractmethod def get_name(self) - str: pass abstractmethod def get_description(self) - str: pass abstractmethod def get_parameters(self) - Dict: pass abstractmethod def execute(self, **params) - Any: pass def to_function_calling_schema(self) - Dict: 轉換為 Function Calling 格式 return { type: function, function: { name: self.get_name(), description: self.get_description(), parameters: self.get_parameters() } } class ToolRegistry: 工具注冊中心單例 _instance None _tools: Dict[str, BaseTool] {} def __new__(cls): if cls._instance is None: cls._instance super().__new__(cls) return cls._instance def register(self, tool: BaseTool): 注冊工具 name tool.get_name() if name in self._tools: raise ValueError(fTool {name} already registered) self._tools[name] tool def get_tool(self, name: str) - BaseTool: 獲取工具 return self._tools.get(name) def list_tools(self) - List[Dict]: 列出所有工具用于 LLM Function Calling return [tool.to_function_calling_schema() for tool in self._tools.values()] def load_tools_from_config(self, config_path: str): 從配置文件加載工具 with open(config_path, r) as f: config json.load(f) for tool_config in config[tools]: module_path tool_config[module] class_name tool_config[class] # 動態(tài)加載 module importlib.import_module(module_path) tool_class getattr(module, class_name) tool_instance tool_class() self.register(tool_instance) # 示例工具實現(xiàn) class QueryOrderTool(BaseTool): 查詢訂單工具 def get_name(self) - str: return query_order def get_description(self) - str: return 根據(jù)用戶 ID 或訂單 ID 查詢訂單信息 def get_parameters(self) - Dict: return { type: object, properties: { user_id: {type: string, description: 用戶 ID}, order_id: {type: string, description: 訂單 ID} }, required: [] } def execute(self, **params) - Dict: user_id params.get(user_id) order_id params.get(order_id) # 查詢數(shù)據(jù)庫簡化 if order_id: return {order_id: order_id, status: shipped, amount: 99.9} elif user_id: return {user_id: user_id, orders: [{id: 123, status: shipped}]} else: raise ValueError(user_id or order_id required) # 使用 registry ToolRegistry() registry.register(QueryOrderTool())模塊化的局限雖然模塊化解決了代碼復用問題但還有部署問題每個 Agent 還是獨立部署擴縮容問題無法根據(jù)負載動態(tài)調度監(jiān)控問題每個 Agent 獨立監(jiān)控缺乏全局視圖四、階段三平臺化目標平臺化架構核心設計Agent 配置 工具列表關鍵洞察Agent 的本質是系統(tǒng) prompt 工具列表 記憶管理策略。from pydantic import BaseModel from typing import List, Optional class AgentConfig(BaseModel): Agent 配置可序列化 agent_id: str name: str description: str # 系統(tǒng) Prompt system_prompt: str # 工具列表引用工具池中的工具 tools: List[str] # tool names # 記憶策略 memory_config: Dict # 模型配置 model_config: Dict # 其他配置 max_iterations: int 10 timeout: int 60 class AgentPlatform: Agent 平臺 def __init__(self): self.tool_registry ToolRegistry() self.agent_configs: Dict[str, AgentConfig] {} self.agent_instances: Dict[str, Agent] {} def register_agent(self, config: AgentConfig): 注冊 Agent只需配置 self.agent_configs[config.agent_id] config def get_agent(self, agent_id: str) - Agent: 獲取 Agent 實例懶加載 if agent_id not in self.agent_instances: config self.agent_configs[agent_id] # 根據(jù)配置創(chuàng)建 Agent agent self._create_agent_from_config(config) self.agent_instances[agent_id] agent return self.agent_instances[agent_id] def _create_agent_from_config(self, config: AgentConfig) - Agent: 根據(jù)配置創(chuàng)建 Agent # 1. 加載工具 tools [] for tool_name in config.tools: tool self.tool_registry.get_tool(tool_name) if tool: tools.append(tool) # 2. 創(chuàng)建 Agent agent Agent( system_promptconfig.system_prompt, toolstools, memory_configconfig.memory_config, model_configconfig.model_config ) return agent async def run_agent(self, agent_id: str, user_input: str, context: Dict) - str: 運行 Agent agent self.get_agent(agent_id) return await agent.run(user_input, context) # 使用示例只需配置無需寫代碼 def create_customer_service_agent_via_config(): 通過配置創(chuàng)建客服 Agent config AgentConfig( agent_idcustomer_service, name智能客服, description處理用戶咨詢、訂單查詢、退款, system_prompt你是客服助手友好、專業(yè)..., tools[ query_order, cancel_order, search_kb ], memory_config{ type: buffer, max_turns: 10 }, model_config{ model: gpt-4, temperature: 0.7 } ) # 注冊到平臺 platform AgentPlatform() platform.register_agent(config) return platform # 現(xiàn)在新 Agent 只需寫配置文件 # sales_agent_config.json: { agent_id: sales, name: 銷售助手, tools: [query_order, search_products, create_order], system_prompt: ... } 平臺化核心功能class AgentPlatformAdvanced: 高級 Agent 平臺生產級 def __init__(self): self.tool_registry ToolRegistry() self.agent_configs {} self.executor_pool AgentExecutorPool(max_workers100) self.monitor PlatformMonitor() # 功能 1: Agent 模板市場 def list_agent_templates(self) - List[Dict]: 列出 Agent 模板 templates [ { id: customer_service, name: 智能客服, description: 適用于電商客服場景, tools: [query_order, cancel_order, search_kb], preview: https://... }, # ... ] return templates def create_agent_from_template(self, template_id: str, customizations: Dict) - str: 從模板創(chuàng)建 Agent # 復制模板配置 template self._get_template(template_id) config AgentConfig(**template) # 應用自定義 for key, value in customizations.items(): setattr(config, key, value) # 生成唯一 ID config.agent_id f{template_id}_{uuid.uuid4().hex[:8]} # 注冊 self.register_agent(config) return config.agent_id # 功能 2: 工具市場 def list_tool_market(self) - List[Dict]: 列出可用工具 return [ { name: query_order, description: 查詢訂單, usage_count: 1000, rating: 4.5 }, # ... ] # 功能 3: 多 Agent 協(xié)作 async def run_multi_agent(self, workflow: Dict, user_input: str) - str: 運行多 Agent 工作流 # workflow 示例 # { # steps: [ # {agent: customer_service, input: {{user_input}}}, # {agent: sales, input: {{previous_output}}}, # ] # } context {user_input: user_input} for step in workflow[steps]: agent_id step[agent] step_input self._render_template(step[input], context) agent self.get_agent(agent_id) output await agent.run(step_input, context) context[f{agent_id}_output] output return context[workflow[steps][-1][agent] _output] # 功能 4: 監(jiān)控和分析 def get_platform_metrics(self) - Dict: 獲取平臺指標 return { total_agents: len(self.agent_configs), active_agents: len(self.agent_instances), total_calls_24h: self.monitor.get_total_calls(hours24), avg_latency: self.monitor.get_avg_latency(), error_rate: self.monitor.get_error_rate(), cost_24h: self.monitor.get_cost(hours24) }結論Agent 平臺化架構演進階段一定制化避免問題代碼重復、維護困難適用快速驗證 1 個月階段二模塊化推薦改進代碼復用適用2-5 個 Agent階段三平臺化目標優(yōu)點快速構建、統(tǒng)一運維、工具共享適用 5 個 Agent平臺化核心設計Agent 配置 工具列表工具池共享工具Agent 模板市場多 Agent 協(xié)作編排實施路線第 1-2 月模塊化抽取公共庫第 3-4 月設計平臺架構第 5-6 月實現(xiàn) MVP 平臺第 7-12 月迭代優(yōu)化關鍵建議不要過早平臺化YAGNI 原則先有 3 個 Agent 再考慮平臺化平臺化的關鍵是配置化而不是代碼化