Subagent 开发文档

概述

Subagent 模块是 Agents-Flex 框架中用于实现智能体嵌套调用和异步任务处理的核心组件。它允许主 Agent（Parent Agent）将复杂的、多步骤的任务委托给专门的子 Agent（Subagent）执行，支持同步阻塞调用和异步后台执行两种模式。

通过 Subagent 机制，可以实现：

任务分解：将复杂任务拆解为多个子任务，由不同特性的子 Agent 并行或串行处理。
并发优化：支持同时启动多个后台子 Agent，最大化利用 LLM 并发能力。
状态管理：提供完整的任务生命周期管理（运行中、完成、失败、取消）。
上下文隔离与继承：子 Agent 可以独立运行，也可以继承主对话上下文。

该模块主要包含两个核心工具函数：

execute_task：启动子 Agent 执行任务。
get_task_output：获取后台子 Agent 的执行结果。

适用场景

主 Agent 需要把代码审查、资料研究等长任务交给专门角色。
多个相互独立的子任务可以后台并行，主对话继续处理其他工作。
希望隔离子 Agent 的 Prompt、模型和工具权限，只把最终结果带回主对话。

简单的一两步 Tool 调用不需要 Subagent。子代理会增加模型调用、状态管理和错误处理成本，只有任务本身需要独立推理过程时才值得委派。

快速开始

java

SubagentDefinition reviewer = SubagentDefinition.builder()
    .name("code-reviewer")
    .description("审查 Java 代码中的缺陷和并发风险")
    .build();

SubagentExecutor executor = (args, definition) ->
    reviewChatModel.chat(args.getPrompt());

TaskRepository taskRepository = new TaskRepository();

List<Tool> tools = SubagentTools.builder()
    .addDefinition(reviewer)
    .subagentExecutor(executor)
    .taskRepository(taskRepository)
    .build();

prompt.addTools(tools);

主模型通过 execute_task 选择定义并提交 prompt；后台模式返回 task ID，后续通过 get_task_output 查询。应用结束时应关闭所使用的 TaskRepository，释放它拥有的线程池。

核心架构

2.1 架构图

2.2 核心组件说明

组件	说明
`SubagentTools`	工厂类，负责构建 `execute_task` 和 `get_task_output` 两个 Tool 对象。通过 Builder 模式配置子 Agent 定义、执行器和任务仓库。
`SubagentDefinition`	子 Agent 的定义元数据，包含名称、描述和前端元数据（Front Matter），用于生成 Prompt 中的可用 Agent 列表。
`SubagentExecutor`	执行器接口，开发者需实现此接口以定义子 Agent的具体执行逻辑（如调用哪个 LLM、使用什么 System Prompt 等）。
`TaskRepository`	任务仓库，基于 `ConcurrentHashMap` 和 `ExecutorService` 管理后台任务的 lifecycle。默认使用 Cached Thread Pool。
`BackgroundTask`	后台任务封装类，基于 `CompletableFuture` 实现非阻塞异步执行，提供状态查询、结果获取、超时等待和取消功能。
`SubagentArgs`	`execute_task` 工具的输入参数对象。
`OutputArgs`	`get_task_output` 工具的输入参数对象。

完整接入

3.1 添加依赖

确保项目中已引入 Agents-Flex 核心依赖。

3.2 定义子 Agent

首先，定义一个或多个子 Agent。每个子 Agent 需要指定名称、描述以及可选的元数据。

java

import com.agentsflex.subagent.SubagentDefinition;

// 定义一个代码审查子 Agent
SubagentDefinition codeReviewer = SubagentDefinition.builder()
    .name("code-reviewer")
    .description("Use this agent after you are done writing a significant piece of code to review it for bugs and best practices.")
    .frontMatter("role", "Senior Java Developer")
    .build();

// 定义一个文档生成子 Agent
SubagentDefinition docGenerator = SubagentDefinition.builder()
    .name("doc-generator")
    .description("Use this agent to generate API documentation from code snippets.")
    .build();

3.3 实现 SubagentExecutor

实现 SubagentExecutor 接口，定义子 Agent 的实际执行逻辑。通常在这里调用 LLM 并返回结果。

java

import com.agentsflex.subagent.SubagentExecutor;
import com.agentsflex.subagent.SubagentArgs;
import com.agentsflex.subagent.SubagentDefinition;
import com.agentsflex.core.model.chat.ChatModel;

public class MySubagentExecutor implements SubagentExecutor {

    private final ChatModel chatModel;

    public MySubagentExecutor(ChatModel chatModel) {
        this.chatModel = chatModel;
    }

    @Override
    public String execute(SubagentArgs args, SubagentDefinition definition) {
        String response = chatModel.chat(args.getPrompt());
        return response;
    }
}

3.4 构建 Subagent Tools

使用 SubagentTools.builder() 构建工具列表，并将其注册到主 Agent 的工具集中。

java

import com.agentsflex.subagent.SubagentTools;
import com.agentsflex.core.model.chat.tool.Tool;
import java.util.List;

// 创建执行器
MySubagentExecutor executor = new MySubagentExecutor(subagentChatModel);

// 构建工具
List<Tool> subagentTools = SubagentTools.builder()
    .addDefinition(codeReviewer)
    .addDefinition(docGenerator)
    .subagentExecutor(executor)
    .build();

MemoryPrompt prompt = new MemoryPrompt();
prompt.addTools(subagentTools);

3.5 在主 Agent 中使用

当主 Agent 接收到用户请求时，它可以自动决定是否需要调用子 Agent。

场景示例：

用户：“请帮我写一个判断素数的函数，然后审查一下代码。”

主 Agent 调用 Write 工具生成代码。
主 Agent 识别到代码已生成，根据 Prompt 指引，调用 execute_task 工具，选择 code-reviewer 子 Agent。
code-reviewer 子 Agent 在后台或同步执行代码审查。
主 Agent 获取审查结果，并总结回复给用户。

核心 API

4.1 SubagentDefinition 设计

SubagentDefinition 继承自 Metadata，允许携带任意键值对元数据。

name: 子 Agent 的唯一标识符，必须在所有定义的子 Agent 中唯一。
description: 详细描述子 Agent 的能力和适用场景。这段描述会被注入到 execute_task 的 Prompt 中，供主 Agent 决策使用。
frontMatter: 前端元数据，可用于传递额外的配置信息（如角色设定、温度参数、模型类型等）。在 toXml() 方法中，这些数据会被转换为 XML 格式嵌入到 Prompt 中。

XML 输出示例：

xml

<task_agent>
  <name>code-reviewer</name>
  <description>Use this agent to review code...</description>
  <role>Senior Java Developer</role>
</task_agent>

4.2 SubagentExecutor 接口

java

public interface SubagentExecutor {
     String execute(SubagentArgs args, SubagentDefinition definition);
}

args: 包含主 Agent 传递的参数，如 prompt（任务描述）、resume（恢复 ID）等。
definition: 当前被调用的子 Agent 的定义，可从中获取元数据。
返回值: 子 Agent 执行后的文本结果。如果执行出错，建议抛出异常或返回错误信息字符串。

注意：

如果 args.getRun_in_background() 为 true，SubagentExecutor 仍然同步执行，但 SubAgentFunction 会将其包装到 TaskRepository 中异步运行。因此，execute 方法本身无需关心异步逻辑，只需关注业务执行。

4.3 TaskRepository 与 BackgroundTask

TaskRepository

TaskRepository 负责管理所有后台任务。

线程安全：内部使用 ConcurrentHashMap 存储任务。
线程池管理：默认创建一个 Daemon 线程池 (Executors.newCachedThreadPool)，线程命名为 background-task-{id}。
资源清理：提供 shutdown() 方法，在应用关闭时应调用此方法以优雅地终止线程池。

关键方法：

putTask(String taskId, Supplier<String> taskExecution): 提交一个任务到线程池，返回 BackgroundTask 对象。
getTasks(String taskId): 根据 ID 获取任务对象。
removeTask(String taskId): 移除任务记录。
clearCompletedTasks(): 清理已完成的任务，防止内存泄漏。

BackgroundTask

BackgroundTask 是对 CompletableFuture<String> 的封装，提供友好的 API。

状态查询：
- isCompleted(): 是否完成（成功或失败）。
- getStatus(): 返回人类可读的状态字符串（"Running", "Completed", "Failed: ..."）。
- hasError(): 是否发生异常。
结果获取：
- getResult(): 获取结果，若未完成或出错则返回 null。
- getError(): 获取异常对象。
- waitForCompletion(long timeoutMs): 阻塞等待任务完成，支持超时。
取消任务：
- cancel(boolean mayInterruptIfRunning): 尝试取消任务。

4.4 工具函数详解

4.4.1 execute_task

功能：启动一个新的子 Agent 来处理复杂的多步骤任务。

输入参数 (SubagentArgs)：

参数	类型	必填	说明
`name`	String	是	要使用的子 Agent 名称，必须存在于已注册的 definitions 中。
`description`	String	是	简短描述（3-5 个词），概括该子任务的目的。
`prompt`	String	是	发送给子 Agent 的具体指令。应清晰、详细，明确期望的输出格式。
`resume`	String	否	可选的子 Agent ID，用于从之前的执行中恢复上下文。若不提供，则启动全新的子 Agent。
`run_in_background`	Boolean	否	是否后台运行。若为 `true`，立即返回 `task_id`；若为 `false` 或未设置，则阻塞直到子 Agent 完成并返回结果。

行为逻辑：

验证名称：检查 name 是否在已注册的 SubagentDefinition 列表中。若不存在，返回错误信息。
后台模式：
- 若 run_in_background == true：
  - 生成唯一的 task_id。
  - 将执行逻辑包装为 Supplier 提交到 TaskRepository。
  - 立即返回包含 task_id 的提示信息，告知主 Agent 使用 get_task_output 获取结果。
同步模式：
- 直接调用 subagentExecutor.execute()。
- 阻塞等待执行完成。
- 返回子 Agent 的执行结果。

Prompt 模板：

SubagentTools 内置了详细的 EXECUTE_TASK_PROMPT_TEMPLATE，指导主 Agent 如何正确使用该工具。模板中会动态插入所有可用子 Agent 的 XML 描述。

4.4.2 get_task_output

功能：检索正在运行或已完成的后台任务（子 Agent）的输出。

输入参数 (OutputArgs)：

参数	类型	必填	说明
`task_id`	String	是	要检索输出的任务 ID。
`block`	Boolean	否	是否阻塞等待任务完成。默认为 `true`。若设为 `false`，则立即返回当前状态。
`timeout`	Long	否	阻塞等待的最大超时时间（毫秒）。默认 30000ms，最大限制为 600000ms。

行为逻辑：

查找任务：从 TaskRepository 中根据 task_id 获取 BackgroundTask。若不存在，返回错误。
阻塞等待：
- 若 block == true 且任务未完成，调用 waitForCompletion(timeoutMs)。
- 若超时或被中断，返回相应错误信息。
构建结果：
- 返回包含 Task ID、Status 和 Result/Error 的结构化文本。
- 若任务仍在运行且 block == false，返回 "Task still running..."。

Prompt 模板：

内置 GET_TASK_OUTPUT_PROMPT_TEMPLATE，简要说明工具用途和参数含义。

生产建议

5.1 并行执行子 Agent

为了最大化性能，当需要启动多个独立的子 Agent 时，必须在单个消息中发出多个 execute_task 工具调用，而不是分多条消息发送。

错误示例：

text

Assistant: 我先启动 Agent A...
(调用 execute_task for A)
Assistant: 我再启动 Agent B...
(调用 execute_task for B)

正确示例：

text

Assistant: 我将同时启动代码审查和测试运行 Agent。
(单条消息中包含两个 tool_use 块：execute_task for A 和 execute_task for B)

5.2 清晰的 Prompt 设计

子 Agent 无法看到主 Agent 与用户的完整对话历史（除非特别设计上下文传递机制）。因此，在 prompt 参数中必须包含所有必要的上下文信息。

建议：

明确指定子 Agent 的角色和任务目标。
如果需要子 Agent 编写代码，明确说明语言、框架和风格要求。
如果只需要研究或搜索，明确告知“不要编写代码，只做调研”。

5.3 背景任务的管理

及时获取结果：启动后台任务后，主 Agent 应在适当时机调用 get_task_output 获取结果，避免任务长期占用资源。
清理已完成任务：定期调用 taskRepository.clearCompletedTasks() 清理内存中的已完成任务记录，防止内存泄漏。
优雅关闭：在应用 shutdown hook 中调用 taskRepository.shutdown()，确保线程池正确关闭。

5.4 错误处理

子 Agent 异常：SubagentExecutor 中抛出的异常会被 CompletableFuture 捕获，并通过 BackgroundTask.getError() 暴露。主 Agent 应检查返回结果中的 "Error:" 前缀，并进行相应处理。
任务超时：get_task_output 支持超时控制，避免因某个子 Agent 卡死而导致主 Agent 无限等待。

5.5 上下文恢复 (Resume)

若子 Agent 支持断点续传或长对话记忆，可通过 resume 参数传递之前的 agent ID（注意：当前实现中，resume 参数传递给 SubagentExecutor，具体如何实现上下文恢复取决于 SubagentExecutor 的实现者）。

扩展与定制

6.1 自定义 Prompt 模板

可以通过 Builder 自定义 execute_task 和 get_task_output 的 Prompt 模板，以适应不同的业务场景或语言需求。

java

SubagentTools.builder()
    .executeTaskPromptTemplate("我的自定义模板...")
    .getTaskOutputPromptTemplate("我的自定义输出模板...")
    // ... 其他配置
    .build();

6.2 自定义 TaskRepository

若需要使用自定义的线程池或持久化任务状态，可以注入自定义的 TaskRepository。

java

ExecutorService customExecutor = Executors.newFixedThreadPool(10);
TaskRepository customRepo = new TaskRepository(customExecutor);

SubagentTools.builder()
    .taskRepository(customRepo)
    // ...
    .build();

注意：若使用自定义 Executor，需自行管理其生命周期，TaskRepository 不会自动关闭非自身拥有的 Executor。

常见问题

Q1: 子 Agent 能看到主 Agent 的对话历史吗？ A: 默认情况下，子 Agent 只接收 prompt 参数中的内容。若需要传递上下文，需在 prompt 中手动拼接相关历史信息，或在 SubagentExecutor 实现中从外部存储加载上下文。

Q2: 如何限制子 Agent 的执行时间？ A: 在调用 get_task_output 时设置 timeout 参数。此外，建议在 SubagentExecutor 内部实现超时控制（如使用 LLM 客户端的超时设置）。

Q3: 子 Agent 可以再次调用其他子 Agent 吗？ A: 可以。只要子 Agent 所使用的 LLM 客户端也配备了相同的 execute_task 工具，就可以实现嵌套调用。但需注意避免无限递归。

Q4: 如何调试子 Agent 的执行过程？ A: 可以在 SubagentExecutor 中添加日志记录，打印输入的 args 和 definition，以及 LLM 的原始响应。对于后台任务，可通过 TaskRepository 监控任务状态。

Subagent 开发文档 ​

概述 ​

适用场景 ​

快速开始 ​

核心架构 ​

2.1 架构图 ​

2.2 核心组件说明 ​

完整接入 ​

3.1 添加依赖 ​

3.2 定义子 Agent ​

3.3 实现 SubagentExecutor ​

3.4 构建 Subagent Tools ​

3.5 在主 Agent 中使用 ​

核心 API ​

4.1 SubagentDefinition 设计 ​

4.2 SubagentExecutor 接口 ​

4.3 TaskRepository 与 BackgroundTask ​

TaskRepository ​

BackgroundTask ​

4.4 工具函数详解 ​

4.4.1 execute_task ​

4.4.2 get_task_output ​

生产建议 ​

5.1 并行执行子 Agent ​

5.2 清晰的 Prompt 设计 ​

5.3 背景任务的管理 ​

5.4 错误处理 ​

5.5 上下文恢复 (Resume) ​

扩展与定制 ​

6.1 自定义 Prompt 模板 ​

6.2 自定义 TaskRepository ​

常见问题 ​

Subagent 开发文档

概述

适用场景

快速开始

核心架构

2.1 架构图

2.2 核心组件说明

完整接入

3.1 添加依赖

3.2 定义子 Agent

3.3 实现 SubagentExecutor

3.4 构建 Subagent Tools

3.5 在主 Agent 中使用

核心 API

4.1 SubagentDefinition 设计

4.2 SubagentExecutor 接口

4.3 TaskRepository 与 BackgroundTask

TaskRepository

BackgroundTask

4.4 工具函数详解

4.4.1 execute_task

4.4.2 get_task_output

生产建议

5.1 并行执行子 Agent

5.2 清晰的 Prompt 设计

5.3 背景任务的管理

5.4 错误处理

5.5 上下文恢复 (Resume)

扩展与定制

6.1 自定义 Prompt 模板

6.2 自定义 TaskRepository

常见问题