当前位置：首页 > news >正文

美团搜索推荐统一Agent之交互协议与多Agent协同

news 2025/8/14 8:43:52

🌈 我是“没事学AI”！要是这篇文章让你学 AI 的路上有了点收获：
👁️ 【关注】跟我一起挖 AI 的各种门道，看看它还有多少新奇玩法等着咱们发现
👍 【点赞】为这些有用的 AI 知识鼓鼓掌，让更多人知道学 AI 也能这么轻松
🔖 【收藏】把这些 AI 小技巧存起来，啥时候想练手了，翻出来就能用
💬 【评论】说说你学 AI 时的想法和疑问，让大家的思路碰出更多火花
学 AI 的路还长，咱们结伴同行，在 AI 的世界里找到属于自己的乐趣和成就！

- 一、详细设计
- - 1. 多Agent交互协议设计
  - - 1.1 协议核心模块
    - 1.2 消息格式规范
  - 2. 多Agent协同机制设计
  - - 2.1 协同场景核心逻辑
- 二、具体实现
- - 任务1：交互协议实现
  - - 实现步骤：
  - 任务2：多Agent协同逻辑开发
  - - 实现步骤：
  - 验证结果

一、详细设计

1. 多Agent交互协议设计

1.1 协议核心模块

模块	功能描述	技术实现
消息格式定义	统一Agent间通信的数据结构（同步/异步）	JSON序列化 + 自定义字段校验
通信模式适配	同步通信（RPC）与异步通信（Kafka）切换	动态代理 + 注解驱动（@Sync/@Async）
消息可靠性保障	异步消息重试、幂等性处理	Kafka事务消息 + 消息ID去重
序列化工具	高效数据序列化/反序列化（支持复杂对象）	Protostuff（二进制） + Jackson（JSON）

1.2 消息格式规范

同步通信消息（RPC）：轻量结构，侧重实时性

{"msgId": "sync_123456",  // 消息ID（用于追踪）"sender": "intent_agent", // 发送方Agent名称"receiver": "recall_agent", // 接收方Agent名称"timestamp": 1718900000000, // 发送时间戳"data": {  // 业务数据（与Agent接口输入匹配）"intent": "购买水果","entities": ["苹果", "香蕉"],"confidence": 0.92},"traceId": "trace_789"  // 分布式追踪ID
}

异步通信消息（Kafka）：包含状态字段，支持重试

{"msgId": "async_789012","sender": "rank_agent","receiver": "reason_agent","timestamp": 1718900001000,"data": {"sortedGoodsIds": ["g1001", "g1002"],"rankScores": [0.95, 0.88]},"status": "PENDING",  // 状态：PENDING/SUCCESS/FAILED"retryCount": 0,      // 重试次数"traceId": "trace_789"
}

2. 多Agent协同机制设计

2.1 协同场景核心逻辑

意图-召回协同：意图Agent将实体信息结构化传递给召回Agent，确保召回商品与意图匹配（如“苹果”既可能是水果也可能是手机，需通过实体类型区分）。
动态负载均衡：当某类Agent（如排序Agent）压力过高时，自动将任务分流至备用实例（基于Dubbo负载均衡扩展）。
结果对齐机制：推荐理由生成Agent需关联排序Agent的评分结果，确保理由与商品优先级匹配（如“推荐理由1对应评分最高的商品”）。

二、具体实现

任务1：交互协议实现

实现步骤：

消息格式与序列化工具开发

定义消息基础类（支持同步/异步通用字段）：

@Data
public class AgentMessage<T> {private String msgId;private String sender;private String receiver;private long timestamp;private T data;private String traceId;// 异步消息特有字段（通过继承扩展）public static class Async<T> extends AgentMessage<T> {private String status;private int retryCount;}
}

开发序列化工具（支持JSON与二进制切换）：

@Service
public class MessageSerializer {// JSON序列化（用于调试和简单对象）private final ObjectMapper jsonMapper = new ObjectMapper();// 二进制序列化（用于高性能场景）private final ProtostuffSerializer protoSerializer = new ProtostuffSerializer();public byte[] serialize(Object data, boolean useBinary) {if (useBinary) {return protoSerializer.serialize(data);} else {return jsonMapper.writeValueAsBytes(data);}}public <T> T deserialize(byte[] bytes, Class<T> clazz, boolean useBinary) {if (useBinary) {return protoSerializer.deserialize(bytes, clazz);} else {return jsonMapper.readValue(bytes, clazz);}}
}

通信模式适配（同步/异步切换）

基于注解驱动实现通信模式选择：

// 同步通信注解（默认）
@Retention(RetentionPolicy.RUNTIME)
@Target(ElementType.METHOD)
public @interface Sync {int timeout() default 300; // 超时时间（ms）
}// 异步通信注解
@Retention(RetentionPolicy.RUNTIME)
@Target(ElementType.METHOD)
public @interface Async {String topic() default "agent-communication"; // Kafka主题int maxRetry() default 3; // 最大重试次数
}// Agent服务接口示例（自动适配通信模式）
public interface RecallAgent {@Sync(timeout = 500)  // 同步调用RecallResult recall(IntentData data);@Async(topic = "recall-async")  // 异步调用void asyncRecall(IntentData data, Callback callback);
}

消息可靠性保障

异步消息重试与幂等处理：

@Component
public class KafkaMessageListener {@Autowiredprivate AgentMessageHandler handler;@Autowiredprivate RedisTemplate<String, String> redisTemplate;@KafkaListener(topics = "agent-communication")public void onMessage(ConsumerRecord<String, String> record, Acknowledgment ack) {String msgId = record.headers().lastHeader("msgId").value().toString();// 1. 幂等性校验（防止重复消费）if (Boolean.TRUE.equals(redisTemplate.hasKey("msg:processed:" + msgId))) {ack.acknowledge();return;}// 2. 解析消息并处理AgentMessage.Async<?> message = parseMessage(record.value());try {handler.process(message);// 3. 标记为已处理redisTemplate.opsForValue().set("msg:processed:" + msgId, "1", 24, TimeUnit.HOURS);ack.acknowledge();} catch (Exception e) {// 4. 重试判断（未达最大重试次数则转发至重试队列）if (message.getRetryCount() < message.getMaxRetry()) {message.setRetryCount(message.getRetryCount() + 1);sendToRetryQueue(message);}ack.acknowledge(); // 避免重复拉取}}
}

任务2：多Agent协同逻辑开发

实现步骤：

意图-召回协同逻辑

意图Agent输出结构化实体信息，召回Agent基于实体类型精准召回：

// 意图Agent输出增强（包含实体类型）
public class IntentData {private String intent;private List<Entity> entities; // 实体包含类型信息@Datapublic static class Entity {private String name; // 如"苹果"private String type; // 如"fruit"或"electronic"private float score; // 实体置信度}
}// 召回Agent处理逻辑
@Service
public class RecallAgentImpl implements RecallAgent {@Overridepublic RecallResult recall(IntentData data) {// 根据实体类型过滤召回池（如type=fruit则从生鲜库召回）List<String> goodsIds = goodsRepository.recallByEntityTypes(data.getEntities().stream().map(Entity::getType).collect(Collectors.toList()));return new RecallResult(goodsIds);}
}

动态负载均衡扩展

基于Dubbo自定义负载均衡策略（优先选择负载低的Agent实例）：

public class AgentLoadBalance extends AbstractLoadBalance {@Overrideprotected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) {// 1. 获取各实例的当前负载（通过监控指标）List<Invoker<T>> availableInvokers = new ArrayList<>();for (Invoker<T> invoker : invokers) {// 从监控中心获取该实例的CPU使用率double cpuUsage = monitorService.getCpuUsage(invoker.getUrl().getHost());if (cpuUsage < 70) { // CPU使用率<70%视为可用availableInvokers.add(invoker);}}// 2. 从可用实例中随机选择（简单策略，可优化为加权）if (availableInvokers.isEmpty()) {return invokers.get(ThreadLocalRandom.current().nextInt(invokers.size()));} else {return availableInvokers.get(ThreadLocalRandom.current().nextInt(availableInvokers.size()));}}
}

验证结果

交互协议功能验证
- 同步通信：意图Agent调用召回Agent，传递“购买水果（实体类型=fruit）”数据，召回Agent返回10个生鲜类商品ID，响应时间45ms（≤500ms超时阈值）。
- 异步通信：排序Agent发送商品排序结果至推荐理由生成Agent，Kafka消息延迟≤100ms，模拟消息丢失场景时，重试机制触发并成功重新投递。
- 幂等性验证：重复发送3条相同msgId的消息，仅首次被处理，后续均被过滤（Redis去重生效）。
多Agent协同验证
- 意图-召回协同：当用户查询“苹果”且实体类型识别为“fruit”时，召回结果中90%为水果类商品（对比无类型区分时的60%，精准度提升30%）。
- 负载均衡：模拟排序Agent集群中1台实例CPU达80%，新请求自动分流至其他CPU<50%的实例，分流后各实例负载差≤15%。

🌟 大家好，我是“没事学AI”！
🤖 在AI的星辰大海里，我是那个执着的航海者，带着对智能的好奇不断探索。
📚 每一篇技术解析都是我打磨的罗盘，每一次模型实操都是我扬起的风帆。
💻 每一行代码演示都是我的航线记录，每一个案例拆解都是我的藏宝图绘制。
🚀 在人工智能的浪潮中，我既是领航员也是同行者。让我们一起，在AI学习的航程里，解锁更多AI的奥秘与可能——别忘了点赞、关注、收藏，跟上我的脚步，让“没事学AI”陪你从入门到精通！

查看全文

http://www.lryc.cn/news/619673.html