Eino ADK MultiAgent: DeepAgents

DeepAgents 概述

Eino ADK 中的 DeepAgents 是一个高级的多智能体（Multi-Agent）协调器，其设计哲学与 LangChain 的 Deep Agents 概念高度一致。您可以将其理解为 Eino ADK 对 LangChain Deep Agents 思想的具体工程实现，旨在通过一个“指挥官”智能体（主 Agent）来规划、拆解、委派并监督一系列复杂的任务，这些任务最终由专门的子智能体（Sub-Agents）或工具（Tools）执行。

DeepAgent 的核心价值在于自动化处理需要多步骤、多角色协作的复杂工作流。它不仅仅是单一功能的执行者，更是一个具备深度思考、规划和动态调整能力的“项目经理”。

ImportPath

Eino 版本需大于等于 v0.5.14

import github.com/cloudwego/eino/adk/prebuilt/deep

agent, err := deep.New(ctx, &deep.Config{})

DeepAgents 结构

DeepAgents 是一种多智能体（Multi-Agent）架构，其核心思想在于通过一个主代理（MainAgent）来协调、规划和委派任务。主代理本身不直接执行所有操作，而是利用其内置的大模型和一系列工具来与外部世界交互或将复杂任务分解给专门的子代理（SubAgents）。

上图展示了 DeepAgents 的核心组件与它们之间的调用关系：

• MainAgent: 系统的入口和总指挥，接收初始任务，以 ReAct 方式调用工具完成任务并负责最终结果的呈现。
• ChatModel (ToolCallingChatModel): 通常是一个具备工具调用能力的大语言模型，负责理解任务、推理、选择并调用工具。
• Tools: MainAgent 可用的一系列能力的集合，包括：
  • WriteTodos: 内置的规划工具，用于将复杂任务拆解为结构化的待办事项列表。
  • TaskTool: 一个特殊的工具，作为调用子 Agent 的统一入口。
  • CustomTools: 用户根据业务需求自定义的各类工具。
• SubAgents: 负责执行具体、独立的子任务，与 MainAgent 上下文独立。
  • GeneralPurpose: 通用子 Agent，具有与 MainAgent 相同的 Tools（除了 TaskTool），用于在“干净”的上下文中执行子任务。
  • CustomSubAgents: 用户根据业务需求自定义的各种子 Agent。

任务拆解与规划

WriteTodos 的 Description 描述了任务拆解、规划的原则，主 Agent 通过调用 WriteTodos 工具，在上下文中添加子任务列表来启发后续推理、执行过程：

1. 模型接收用户输入。
2. 模型调用 WriteTodos 工具，参数为依照 WriteTodos Description 产生的任务列表。这次工具调用被添加到上下文中，供后续参考。
3. 模型依照上下文中的 todos，调用 TaskTool 完成第一个 todo。
4. 再次调用 WriteTodos ，更新 Todos 执行进度。

💡 对简单任务来说，每次都调用 WriteTodos 可能会起到反效果。WriteTodos Description 中添加了一些比较通用的正反例子来避免不调用或过度调用 WriteTodos。使用 DeepAgents 时，可以根据实际业务场景添加更多 prompt 来让 WriteTodos 在合适的时候被调用。

💡 WriteTodos 会被默认添加到 Agent 中，配置 WithoutWriteTodos=true 可以关闭 WriteTodos。

任务委派与 SubAgents 调用

TaskTool

所有子 Agent 会被绑定到 TaskTool 上，当主 Agent 分配子任务给子 Agent 处理时，它会调用 TaskTool，并指明需要哪个子代理及执行的任务。TaskTool 随后将任务路由到指定的子代理，并在其执行完毕后，将结果返回给主 Agent。TaskTool 的默认 Description 会说明调用子 Agent 的通用规则并拼接每个子 Agent 的 Description，开发者可以通过配置 TaskToolDescriptionGenerator 来自定义 TaskTool 的 Description。

上下文隔离

Agent 之间的上下文隔离：

• 信息传递: 主 Agent 与子 Agent 之间不共享上下文。子 Agent 仅接收主 Agent 分配的子任务目标，不会接收整个任务的处理过程；主 Agent 仅接收子 Agent 的处理结果，不会接受子 Agent 的处理过程。
• 避免污染: 这种隔离确保了子 Agent 的执行过程（如大量的工具调用和中间步骤）不会“污染”主代理的上下文，主代理只接收简洁、明确的最终答案。

general-purpose

DeepAgents 会默认增加一个子 Agent：general-purpose。general-purpose 具有和主 Agent 相同的 system prompt 和工具（除了 TaskTool），当任务没有专门的子 Agent 来解决时，主 Agent 可以调用 general-purpose 来隔离上下文。开发者可以通过配置 WithoutGeneralSubAgent=true 去掉此 Agent。

与其他 MultiAgent 对比

• 对比 Supervisor（ReAct）

  • 优势：DeepAgents 通过内置 WriteTodos 强化任务拆解与规划；同时隔离多 Agents 上下文，在大规模、多步骤任务中通常效果更优。
  • 劣势：制定计划与调用子 Agent 会带来额外的模型请求，增加耗时与 token 成本；若任务拆分不合理，可能对效果产生反作用。

• 对比 Plan-and-Execute

  • 优势：DeepAgents 将 Plan/RePlan 作为工具供主 Agent 自由调用，可以在任务中跳过不必要的规划，整体上减少模型调用次数、降低耗时与成本。
  • 劣势：任务规划与委派由一次模型调用完成，对模型能力要求更高，提示词调优也相对更困难。

DeepAgent 使用示例

场景说明

Excel Agent 是一个“看得懂 Excel 的智能助手”，它先把问题拆解成步骤，再一步步执行并校验结果。它能理解用户问题与上传的文件内容，提出可行的解决方案，并选择合适的工具（系统命令、生成并运行 Python 代码、网络查询等等）完成任务。

在真实业务里，你可以把 Excel Agent 当成一位“Excel 专家 + 自动化工程师”。当你交付一个原始表格和目标描述，它会给出方案并完成执行：

• 数据清理与格式化：从一个包含大量数据的 Excel 文件中完成去重、空值处理、日期格式标准化操作。
• 数据分析与报告生成：从销售数据中提取每月的销售总额，聚合统计、透视，最终生成并导出图表报告。
• 自动化预算计算：根据不同部门的预算申请，自动计算总预算并生成部门预算分配表。
• 数据匹配与合并：将多个不同来源的客户信息表进行匹配合并，生成完整的客户信息数据库。

用 DeepAgents 搭建的 Excel Agent 结构如下：

1. 在主 Agent 添加 ReadFile 工具，允许主 Agent 查看文件内容，辅助子任务制定
2. 添加 Code 和 WebSearch 两个子 Agent：Code 可以编写 python 代码来操作 excel 表格；WebSearch 可以搜索信息并总结。

代码实现

https://github.com/cloudwego/eino-examples/tree/main/adk/multiagent/deep

运行结果

name: ExcelAgent
path: [{ExcelAgent}]
tool name: task
arguments: {"subagent_type":"CodeAgent","description":"请帮我处理一个CSV文件操作任务。具体要求如下：1. 读取当前目录下的questions.csv文件；2. 提取该CSV文件中的第一列数据；3. 将提取出的第一列数据保存到一个新的CSV文件中，新文件命名为first_column.csv。请使用pandas库来完成这些操作，确保代码能够正确执行并处理可能出现的文件路径问题。"}

name: ExcelAgent
path: [{ExcelAgent}]
tool name: python_runner
arguments: {"code":"```python\nimport pandas as pd\nimport os\n\n# 获取当前工作目录并构建文件路径\nbase_dir = os.getcwd()\ninput_path = os.path.join(base_dir, 'questions.csv')\noutput_path = os.path.join(base_dir, 'first_column.csv')\n\ntry:\n    # 读取CSV文件\n    df = pd.read_csv(input_path)\n    # 提取第一列数据\n    first_column = df.iloc[:, 0]\n    # 保存为新CSV文件（不包含索引）\n    first_column.to_csv(output_path, index=False)\n    print(f\"成功将第一列数据保存至: {output_path}\")\nexcept FileNotFoundError:\n    print(f\"错误: 未找到文件 {input_path}\")\nexcept Exception as e:\n    print(f\"处理过程中发生错误: {str(e)}\")\n```"}

name: ExcelAgent
path: [{ExcelAgent}]
tool response: 成功将第一列数据保存至: /Users/bytedance/go/src/github.com/cloudwego/eino-examples/adk/multiagent/deep/playground/262be931-532c-4d83-8cff-96c44b131973/first_column.csv


name: ExcelAgent
path: [{ExcelAgent}]
answer: 任务已完成。已成功读取当前目录下的 `questions.csv` 文件，提取第一列数据，并将结果保存至 `first_column.csv`。具体输出路径如下：

`/Users/bytedance/go/src/github.com/cloudwego/eino-examples/adk/multiagent/deep/playground/262be931-532c-4d83-8cff-96c44b131973/first_column.csv`

代码已处理路径拼接和异常捕获（如文件不存在或格式错误），确保执行稳定性。

name: ExcelAgent
path: [{ExcelAgent}]
tool response: 任务已完成。已成功读取当前目录下的 `questions.csv` 文件，提取第一列数据，并将结果保存至 `first_column.csv`。具体输出路径如下：

`/Users/bytedance/go/src/github.com/cloudwego/eino-examples/adk/multiagent/deep/playground/262be931-532c-4d83-8cff-96c44b131973/first_column.csv`

代码已处理路径拼接和异常捕获（如文件不存在或格式错误），确保执行稳定性。

name: ExcelAgent
path: [{ExcelAgent}]
answer: 已成功将 `questions.csv` 表格中的第一列数据提取至新文件 `first_column.csv`，文件保存路径为
：

`/Users/bytedance/go/src/github.com/cloudwego/eino-examples/adk/multiagent/deep/playground/262be931-532c-4d83-8cff-96c4
4b131973/first_column.csv`

操作过程中已处理路径拼接和异常捕获（如文件不存在、格式错误等问题），确保数据
提取完整性和文件生成稳定性。若需要调整文件路径或对数据格式有进一步要求，请随时告知。