Building an Efficient Agent Ecosystem: Exploring the Four Key Patterns of agentic mesh

解锁塑造自主智能体生态系统的组织、沟通、角色和功能智能体模式。

来源：Eric Broda

从初创公司到科技巨头，涌现出大量争相创建智能体的组织。头条新闻无处不在，而且鼓点持续不断，越来越响亮：智能体时代即将来临！而且，毫不奇怪，企业已经注意到这一点：德勤表示，“预计到 2025 年，25% 的使用 GenAI 的企业将部署 AI 智能体，到 2027 年将增长到 50%”。

因此，我清楚地看到，自主智能体（在本文的剩余部分中称为“智能体”）不仅仅是一种短暂的趋势。所以真正的问题是：我们如何确保这些智能体易于构建、可扩展，并满足企业的期望？

首先，我们可以引入新功能来构建企业级智能体。我们还可以了解如何让智能体安全地使用工具并与其他智能体协作。当然，我们还可以确保我们拥有坚如磐石的原则，指导我们智能体的创建。而且，我们可以构建一套生态系统功能——一个智能体网格——使我们的智能体可被发现、可观察、可操作且值得信赖。

但至少还有一件事需要考虑……

我们必须建立可重用、可组合的智能体模式！就像专业的房屋建筑商不仅有蓝图，还依赖于建立良好且常见的方式——模式——来建造房屋。智能体也是如此。在没有既定模式的情况下开发智能体，会导致生态系统碎片化、行为不一致、缺乏信任，所有这些都可能很容易成为阻碍您组织智能体之旅的障碍。挑战很明确：我们如何创建一套连贯的模式，以支持智能体的快速开发和无缝集成？

进入 Agentic Mesh。Agentic Mesh 提供 组织、沟通、功能和角色模式，让您构建企业级智能体。这些模式充当创建强大智能体生态系统的构建块。在本文中，我将描述 Agentic Mesh 如何启用每个模式组，并提供有关每个组中 5-8 个模式如何工作的详细信息。

关于模式

模式（有时称为架构模式）是对软件架构设计中给定上下文中常见问题的可重用解决方案。它提供了一个高级框架或模板，指导系统的结构和组织（在我们的例子中是智能体），确保一致地应用最佳实践和设计原则。与具体的实现不同，模式更抽象，可以根据特定需求进行定制。

如果做得好，模式有几个好处：它们通过为重复出现的设计挑战提供标准、可重复的解决方案来鼓励可重用性；它们提供更高级别的抽象，让开发人员（在我们的例子中是智能体开发人员）专注于整体系统结构，而不是具体的实现细节；并且在许多情况下，模式重用经过验证的实践，从而产生更可扩展和可互操作的设计，并充当构建强大、可维护的智能体生态系统的蓝图。

功能模式

功能模式提供了一种结构化的方式，可以根据智能体的工作方式来设计智能体。它们侧重于智能体的操作目标，塑造它们在智能体生态系统中的行为和执行任务的方式。通过为常见用例（如响应用户查询、执行任务或模拟场景）建立指导方针，功能模式可以节省开发人员从头开始构建每个智能体的时间。

讨论了以下功能模式：

• Chatbot：简单的人与智能体交互。
• Task Oriented：智能体创建任务计划并执行任务（使用工具或通过与其他智能体协作）以满足请求。
• Goal Oriented：智能体协作以达到目标或结果。
• Monitor：智能体监控传感器或其他输入，处理这些输入，做出决策，并传递状态变化。
• Simulation：智能体交互，目的是识别涌现行为。

图 1，功能模式

Chatbot

Chatbot 模式可能是智能体交互最简单的方法，单个智能体处理与用户的无状态、单次请求-响应交换（或其他智能体）。这些智能体直接响应查询或请求，而不会保留来自先前交互的任何记忆或上下文。它们的主要作用是简单的查询处理，例如检索信息、执行基本查找或引导用户完成预定义的流程。

示例：客户服务聊天机器人，用于解答有关产品或服务的常见问题。

Task-Oriented Agents

Task-Oriented Agents 旨在根据提供给它们的明确目标（由用户或其他智能体提供）执行特定的、定义明确的任务。它们接收一个目标（通常以提示的形式），创建一个结构化的计划来实现它，并自主地执行该计划。这些智能体可以单独行动或与其他智能体协作，并且它们也可以在必要时使用外部工具来完成分配的任务。

在大多数情况下，数据共享仅限于任务导向型智能体可能交换的信息，以协调其活动，从而实现可能需要许多离散任务的目标，而交互的持续时间可能会有所不同；有些可能是几秒钟的简短交流，而另一些可能持续几分钟、几小时甚至更长的时间。为了处理这种可变性，智能体维护与其交互相关的状态信息。这种状态管理允许它们跟踪进度、管理依赖关系、在中断时重新启动，并确保一个智能体完成的任务可以与其他智能体的工作正确集成。

示例：智能体启用的工作流程处理重复性任务，如发票处理或数据输入。

面向目标的 Agent

面向目标的 Agent 旨在进行协作问题解决和长期战略规划。在这种模式中，Agent 协同工作以实现共享目标，通常进行长时间的对话，以便在有新信息可用或 Agent 本身开发出新见解时调整其策略。这些 Agent 不仅限于执行预定义的任务，而是根据对其对话的持续评估动态地调整其计划。它们使用各种工具（分析工具、互联网访问、低级机器学习算法等）增强了灵活性，这可能允许它们执行专门的功能或将实时数据整合到其决策过程中。

面向目标的 Agent 模式的一个关键特征是使用共享的便笺本，Agent 可以在其中交换数据和整个对话。这种共享的便笺本使 Agent 能够保持对集体 Agent 对话状态的详细和长期的理解，并在更长时间内更有效地进行协作。

示例：Agent 驱动的供应链优化，其中 Agent 协商并分配多个仓库的库存以最大限度地提高效率。

监控/观察者 Agent

监控/观察者 Agent 会定期（在某些情况下是实时地）持续观察 Agent 生态系统的状态，侧重于跟踪条件和检测事件，而不是直接执行任务。这些 Agent 旨在以事件驱动或基于阈值的方式响应变化。当满足特定条件时，监控/观察者 Agent 可能会记录更改、触发响应、做出决策或通知其他 Agent、系统或人员。

这些 Agent 使用输入来做出明智的决策或生成关于 Agent 环境状态的新见解。当多个监控/观察者 Agent 需要协同工作时，它们可以使用共享的便笺本进行协作，尽管通常不需要广泛的数据共享，除非与其他模式（如面向目标的 Agent）结合使用。

示例：基于 Agent 的健康跟踪患者生命体征并标记风险，例如心率或氧气水平异常，并主动安排预约。

模拟 Agent

模拟 Agent 模式允许 Agent 创建动态环境的虚拟模型，从而允许用户试验不同的参数并观察潜在结果。这些 Agent 大规模协同工作，通常与其他许多模拟 Agent 进行广泛的交互。它们使用共享的便笺本服务来交换数据，这使 Agent 能够捕获复杂系统中对话和交互的完整范围。通过使用各种工具，如互联网资源、公司系统或实时信息源，这些 Agent 可以将最新信息整合到模拟中，从而增强结果的真实性和相关性。

模拟 Agent 明确设计用于探索性目的。它们可以长时间运行，从而能够研究系统内的动态和非线性行为。这些 Agent 之间广泛的交互和持续的数据共享使得观察复杂现象并提供对系统行为的宝贵见解成为可能。

示例：金融市场中的 Agent 模拟和测试交易策略，以评估各种条件下的风险。当这些 Agent 长期交互时，可能会观察到新兴行为，例如泡沫、崩溃或市场蔓延效应（并随后进行分析）。

沟通模式

沟通模式定义了 Agent 生态系统内的交互和信息交换。与侧重于 Agent 如何实现其目标的函数模式不同，沟通模式强调 Agent 之间或与用户之间交换的结构。从实践的角度来看，沟通模式定义了 Agent 之间的关系及其共享知识和采取协调行动的能力。

本节详细阐述了以下沟通模式：

• 交互：简单请求-响应，其中一个人或 Agent 向另一个 Agent 发送单个请求或任务。
• 委派：一个 Agent 将责任传递给另一个 Agent 以完成任务。
• 对话：多个 Agent 在完成任务时进行多次交互。
• 关注：一个 Agent 请求来自一个人或另一个 Agent 的额外帮助；这通常被认为是优先于其他请求的带外通信。
• 广播：一个 Agent 向多个 Agent 发送消息或请求。
• 监听器：一个 Agent 正在等待来自其他 Agent 的反馈或响应。

图 2，沟通模式

交互

交互模式是一种基本的沟通模型，其中发送者（例如人类用户或其他 Agent）发出请求，接收 Agent 处理输入并立即返回响应。此模式通常是同步和一对一的，这意味着每个请求都直接对应一个响应。因为它不维护交互之间的长期状态或记忆，所以它非常适合简单的、确定性的交换，其中结果直接基于提供的输入。

这种直接的沟通模式通常被聊天机器人和虚拟助手使用，用户期望快速和可预测的响应。交互模式的简单性使其易于实现和扩展，因为它在管理对话历史方面所需的开销最少。

示例：聊天机器人和虚拟助手（如 ChatGPT）允许用户提问并接收直接答复。

委派

委派模式显示了一个 Agent 如何将任务转移给另一个 Agent，以及特定的上下文或约束。当任务被委派时，原始 Agent 将责任传递给接收 Agent，然后接收 Agent 独立管理任务。虽然委派 Agent 可能会监控进度或执行定期检查，但它通常不会干预任务执行，除非出现问题。

此模式在任务变得过于复杂或需要专门的专业知识的环境中特别有用。委派模式中职责的明确划分有助于简化操作，并确保任务由最合适或最专业的 Agent 处理（希望提高效率和服务质量）。

示例：一个通用的客户服务 Agent 收到一个开立银行账户的请求，并将任务移交给一个更专业的银行账户开立 Agent。

对话

对话模式支持有状态的、多步骤的通信，其中智能体在多次交互中保持上下文。与简单的请求-响应交互不同，此模式允许智能体进行可以持续几秒、几分钟、几小时甚至几天的扩展对话。在这些交互中保持状态至关重要，因为它使智能体能够基于先前的交互进行构建，根据先前的输入调整其响应，并确保对话的上下文在整个过程中得到保留。

此模式特别适用于需要迭代协作或长期决策的场景。参与长期对话的智能体可以通过多阶段对话来协商、完善和调整其目标。在许多情况下，这些对话涉及几个智能体协同工作以解决特定任务、模拟或目标。交互的有状态性质确保每个参与者都可以访问累积的上下文，这有助于协调行动并有助于防止沟通不畅或重复工作。

除了智能体间的通信之外，对话模式还可以支持与人的交互。当智能体需要额外的信息或澄清以完成任务时，他们可以与人进行对话，将输入整合到正在进行的对话中。

示例：在法律和商业环境中，合同和谈判中，智能体与其他智能体和人进行多阶段讨论以完善条款并达成协议。

注意力

此注意力模式旨在促进带外交互，让智能体发出信号，表明需要来自另一个智能体或人的干预，而与常规的通信流程无关。它使智能体能够从标准的目标导向或会话交流中脱离出来，当出现特殊情况或需要额外信息时。这允许快速、有针对性的警报，可以将人类的注意力吸引到系统操作中的关键时刻。

通过提供一个专门用于紧急交互的通道，注意力模式为智能体提供了一种一致的方式来发出异常信号或请求额外的人工输入，而不会中断常规通信的流程。这种处理关键事件的方法提高了系统的可靠性，同时允许及时处理紧急事项，最终有助于改善智能体和用户体验。

示例：在金融市场中，交易智能体使用此模式发出关于价格快速波动的实时警报。

广播

广播模式允许单个智能体一次向多个接收者（其他智能体或人）发送信息。这种单向方法意味着发送者推送数据而无需期望反馈，这简化了通信过程并减少了开销。

示例：在金融市场中，智能体传播市场信息，以使投资者（和其他系统或其他智能体）了解重要的市场动向。

角色模式

角色模式定义了智能体生态系统中智能体的特定职责和行为——它们扮演的角色。角色模式可能很容易理解，因为它们反映了我们非常熟悉的东西——人们在日常生活中扮演的角色。它们提供了现实世界的类似物，更重要的是，在某些情况下，已经存在了数百年的实践，可以为我们的智能体在更广泛的智能体生态系统中扮演什么角色提供有用的提示。

本节讨论了几个智能体角色模式：

• 规划者：智能体检查高级目标并将其分解为更小、可执行的步骤。
• 编排者：智能体根据任务计划与其他智能体协调交互。
• 执行者：智能体执行计划并使用工具并与其他智能体协作。
• 观察者：智能体观察事件、处理它们并通知订阅者。
• 判断者：智能体检查并验证计划或执行结果。
• 执行者：如果智能体偏离计划，则停止/启动智能体（通常与“判断者”一起工作）。

图 3，角色模式

规划者

规划者角色模式允许智能体负责将高级目标分解为更小、可执行的步骤。这些智能体创建策略以实现总体目标，并确保将复杂的任务划分为可管理单元。他们专注于任务分解，使较大目标中的每个部分都能以系统和有效的方式解决。

规划者智能体使用来自其环境或来自智能体或工具清单的数据，不仅确定任务计划，还确定哪些智能体可以执行一个任务或子任务，并填写任务所需的参数（从提供的请求）。一旦计划完成，规划者智能体通常与“编排者”智能体一起工作以协调任务执行。

示例：仓库物流，其中智能体规划者制定计划以优化库存移动和履行时间表。

编排者

编排者模式允许智能体充当中央协调器，通过在规划者智能体和执行者智能体之间进行交互来管理计划的执行。它采用规划者智能体开发的策略和任务分解，并组织详细的执行过程。编排者分配任务、安排操作，并确保为计划中的每个步骤分配正确的资源。它在各个智能体之间建立通信渠道，从而实现连贯的信息流并保持与总体目标的一致性。除了任务协调之外，编排者智能体还可以监控任务进度并识别可能阻碍成功执行的问题。

示例：银行账户开户编排智能体可以协调其他智能体（身份验证、了解您的客户等）的执行以开设新的投资账户。

执行者

执行者是负责执行和完成计划中各个步骤的实践角色。虽然规划者设计策略，编排者协调其执行，但执行者专注于直接执行任务中的步骤。这些智能体与工具、外部系统和其他智能体交互以完成其分配的职责。执行者通常在更广泛的团队框架内工作，必要时进行协作以实现共同目标。

示例：在银行账户开户流程中，执行者智能体可以调用工具与验证个人身份的第三方服务或遵循“了解您的客户”法规的服务进行通信。

观察者

观察者代理模式允许代理监控特定的系统、代理或环境，而无需主动干预其操作。它通过各种传感器收集数据，并处理这些输入以识别趋势、模式或异常。观察者代理分析收集到的信息，并确定何时通知其他代理或人类操作员有关重大变化或潜在问题。

此外，观察者代理根据分析的数据做出决策，以决定是否触发警报或进一步分析。它在检测异常和确保及时处理偏离预期行为方面起着关键作用。观察者代理持续监控和分析数据的能力使其能够通过提供及时和相关的见解来支持更广泛的代理生态系统，这有助于更好地进行代理决策。

示例：欺诈检测代理扫描支付交易以及与多个欺诈服务的交互，以捕捉可疑活动，从而保护银行系统免受威胁。

裁判

裁判角色模式负责根据既定的规则、标准或道德准则做出决策。它评估来自观察者代理的通知和输入，以识别问题、异常行为或策略违规行为。通过分析这些输入，裁判代理确定情况是否需要进一步的解决或干预。此角色的重点是执行标准并确保决策以清晰、公正的方式做出，以维持系统内的秩序。

此外，裁判角色在决策过程中提供可解释性和透明度。通过这样做，裁判角色可能有助于解决对偏见的担忧，并确保系统在一致的规则和道德考虑框架下运行。这种清晰度支持了整体系统的可信赖性和可靠性，尤其是在公平和透明的解决方案至关重要的环境中。

示例：在合规性审查中，人工智能会根据多个司法管辖区的法律要求审查金融交易，然后标记欺诈活动或违反法律要求的行为，并提供支持性细节，以便更好地识别和诊断欺诈行为。

执行者

执行者角色负责根据其他代理（例如裁判角色中的代理）做出的决策采取行动。当检测到违反规则或策略的行为时，执行者代理会进行干预，以确保在代理生态系统中保持合规性。它们可能会执行自动响应以纠正差异，并且还可以与人类操作员交互以解决需要额外监督或手动干预的问题。

示例：合规性审计中的代理确保企业遵守法律标准，方法是标记和纠正差异。

组织模式

组织模式定义了代理在代理生态系统中的结构和组织方式。通过遵循这些模式，开发人员可以设计考虑到更广泛的控制和治理机制的系统，并平衡自主性、决策和协调，以便代理可以无缝地协同工作以实现共同目标。

我们讨论了几种组织模式：

• 单例代理：可能是大多数人理解和使用的模式，即一个人与单个代理交互。
• 代理团队：多个代理协作以完成任务、实现目标或结果，或模拟活动以识别涌现行为。
• 组织：多个团队（团队的团队）在既定的分层控制和治理结构下进行协作。
• 集群：在某些方面，与组织相反，集群的代理在没有任何中央控制或治理结构的情况下运行。
• 生态系统：随着代理的使用不断发展，生态系统出现，允许多个代理组织进行协作；生态系统提供了支持大规模使用代理的能力。
• 法律实体：多个组织或生态系统，但在法律边界内运作，并受合同约束的决策。
• 联邦：许多具有集中治理和控制的法律实体，但在一定程度上明确定义了责任分工和地方自主权。
• 供应链：许多具有去中心化控制的法律实体，但具有管理协作的合同条款。

图 4，组织模式

单例

单例代表人对代理（聊天机器人）或代理对代理的关系（显然，这种关系表明了协作），这是最简单的协作形式。单例代理独立行动，通常处理非常简单的请求，这些请求不涉及长期决策或与其他代理的内部协调。这些交互在很大程度上是独立的，提供即时响应（主要通过请求-响应模型），同时根据用户输入执行命令。

示例：由人工智能驱动的助手（如 ChatGPT）实时响应请求（虽然不要太挑剔，但今天的聊天机器人并不一定实现为代理，但该模式仍然有效）。

团队/小组

团队/小组模式代表多个代理之间的协作，这些代理共同努力实现共同目标。这些团队可以以分层方式运作，其中领导代理分配任务，或者以去中心化方式运作，其中所有代理都作为平等的同伴，自我组织以实现其目标（有关这些模式的更多详细信息，请参阅下一节）。

示例：一个代理团队可以协作管理客户交互和决策流程，以支持银行账户的开户流程。

组织

组织模式定义了代理团队在更大的生态系统中的结构。在这种模式下，中央治理代理或领导者指导下级代理的行为，同时确保各个任务与总体目标保持一致。该结构支持代理之间的有效协调，建立一个促进简化通信和一致策略执行的层次结构。

此模式通常依赖于预定义的策略和治理机制来规范代理交互。代理被组织成组和层次结构，以便更好地监督和控制，从而使代理生态系统能够随着代理数量的增长而扩展。然而，此模式的关键挑战在于平衡地方自主权和集中治理。虽然清晰的结构确保代理可以在预定义的规则内很好地工作，但在某种程度上，集中决策可能无法抵消地方自主权的好处（例如敏捷性）。

示例：未来，我们可能会看到组织内的组仅由运行端到端流程的代理组成，而无需人工干预。

Swarm

Swarm 模式具有去中心化的协调模型，其中没有单个代理充当中央权威。 在这种模式中，代理基于本地交互和环境线索进行自我组织，做出自主决策，同时共同努力实现共同目标。 这种方法消除了分层命令结构，使每个代理能够快速响应当地情况并有效地为系统的整体目标做出贡献。

这种去中心化的结构增强了代理生态系统的可扩展性和鲁棒性。 该模式利用分布式算法、点对点通信和共识构建技术来维持众多代理之间的协调。 因此，即使单个代理出现故障，系统也能高效运行，因为集体决策过程确保了整体性能的维护，而无需依赖中央控制器。

然而，Swarm 模式带来的速度和敏捷性的提高，在治理和集中控制方面带来了权衡。 虽然代理受益于快速响应和灵活性，但缺乏中央权威可能会导致在执行统一策略和确保整个系统一致的战略方向方面面临挑战。 尽管存在这些挑战，但 Swarm 模式在去中心化控制的优势超过严格治理需求的环​​境中是有效的，这使其成为需要动态适应性和弹性的应用程序的可行选择。

示例：在去中心化金融市场中，交易机器人根据市场信号独立调整策略，共同影响市场趋势，而无需依赖中央决策者。

生态系统

生态系统模式是一种去中心化的、组织间的方​​法，其中来自不同组织或机构的代理共同努力实现共同目标。 在这种模式中，每个代理组织都保留其自主权，在与共同利益和目标保持一致的同时做出独立决策。 这种结构使系统能够受益于不同的观点和专业知识，确保协调集体行动，而不会损害个人决策能力。

该模式强调代理及其组织之间动态且适应性强的关系。 关系甚至可能根据市场条件、监管要求和环境变化等因素而演变。 这种适应性使生态系统能够有效应对新兴挑战和机遇，确保协作努力即使在外部条件发生变化时也能保持相关性和效率。

通过促进跨组织边界的协作，生态系统模式提供了一个框架，其中多个独立的代理可以协调其活动、共享信息并调整其行动，而无需集中控制。 这种去中心化但协作的结构增强了整体系统的弹性和支持实现共同目标，同时保持在不同和不断发展的环境中运行所需的灵活性。

示例：未来学家预见到这种模式在智慧城市中，代表交通运输、公用事业和紧急服务的代理合作优化城市系统。

法人实体

快速提示 — 正如您所看到的，我们开始进入推测性的未来，因此请将其作为一种思考方式，而不是对未来将如何演变的明确声明。 法人实体模式在代理组织周围建立正式的法律边界，确保数字代理在公认的法律框架内运作。 这种模式将代理的运营活动与传统商业实体通常相关的法律和监管要求相结合。 它提供了一种结构，其中代理采取的行动具有法律约束力，允许组织作为独立的法人实体运作。

在这种模式中，代理执行整个组织结构，从战略决策到日常运营。 代理负责优化绩效、协商合同、管理财务和确保合规性等任务。 法人实体模式支持这些功能的自动化，同时满足法律标准，从而确保组织可以根据法律进行交易并承担责任。

遵循法人实体模式的组织中的人为参与可能会减少到监督或道德监督角色。 生态系统的设计使得数字代理自主执行例行管理和运营任务，而操作员仅在必要时提供指导和干预。 这种角色分离可以提高效率和速度，同时确保组织遵守法律要求。

示例：自动交易公司、虚拟制造以及使用代理进行合同起草、合规性和谈判的完全自动化的法律或财务咨询公司。

联邦制

联邦模式描述了一种协作框架，其中来自独立组织的代理共同工作，同时保持适当水平的个人自主权。 这种模式试图以类似于政府结构的方式平衡集中控制和治理与地方自主权。 在最高级别，联邦机构解决全球问题并制定适用于所有参与代理的总体规则和标准。 在州或省一级，代理通过将这些规则调整到区域或地方背景中来行使更大的自主权，并根据直接情况快速做出决策。 这种分层方法允许在顶部进行统一的监督和治理，同时赋予最接近执行的代理灵活性，以有效响应当地挑战。

通过将集中治理与去中心化决策相结合，联邦模式提供了一种平衡的模型，可以提高整体系统效率和协调性。 集中式框架确保所有代理都遵守共同的标准和协议，而地方自主权允许快速、特定于上下文的响应。 这种结构支持可扩展性，并使复杂的多方利益相关者系统能够协同运行，确保同时满足全球和地方要求。

示例：在去中心化医疗保健网络中，各个诊所或诊断部门使用人工智能代理做出现场决策，而中央机构监督治疗方案、数据共享和合规性，以保持高标准的护理。

下一步

在这个快速发展的 Agent 世界中，我们可以看到，建立稳固、可复用的模式——涵盖功能、通信、角色和组织策略——如何为您的 Agent 生态系统带来一致性。从聊天机器人和面向任务的 Agent，到去中心化的集群和具有集中治理的联邦，Agentic Mesh 模式为构建可扩展、高效且可互操作的 Agent 生态系统提供了蓝图，这些生态系统可以处理各种任务和挑战。

无论您是开发自己的 Agent，还是查看 Agent 如何优化或改进您企业的运营，我都希望我提供了基本的构建模块——模式——可以帮助您加速组织的 Agent 之旅。

本文档中的所有图像（另有说明者除外）均由 Eric Broda（本文作者）创建。图像中使用的所有图标均为 PowerPoint 股票图标和/或不受版权保护。

本文中表达的观点仅代表我个人，不一定反映我客户的观点。