[MAF Workflow编排模式-04]Group Chat：构建多人智囊团式的自由协作大群

原创于 2026-06-28 07:58:09 发布 · 132 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

标签

#AI #Agent #MAF #C# #Workflow

话题

#编程达人挑战赛·第10期

MAF Workflow编排模式专栏收录该内容

5 篇文章

订阅专栏

群聊(Group Chat)编排模拟了多个Agent之间的协作对话，由编排器负责协调，该编排器决定发言者选择和对话流程。这种模式非常适合需要迭代改进、协作解决问题或多视角分析的场景，比如：

迭代改进：多轮审查和改进；
协作解决问题：拥有互补专业知识的人员协同工作；
内容创作：文档创建的作者-审阅者工作流程；
多视角分析：获取同一输入的不同观点；
质量保证：自动化审查和批准流程。

我们在前面分别使用Sequential、Concurrent和Handoff模式演示了多体裁作品创作的例子，现在我们换一个类似的应用场景：提供一个创作者和评论者两种角色的Agent，创作者负责创作一首唐诗，评论者负责对创作的唐诗进行评论，然后创作者根据评论者的意见进行修改，最终输出修改后的唐诗。我们将这种类似于GAN对抗模式应用到现在的群聊模式的Workflow中。

1. 基于群聊模式的多体裁作品创作Agent

我们创建了Composer和Reviewer两个Agent，前者用于创作，后者用于评论。我们调用AgentWorkflowBuilder的CreateGroupChatBuilderWith方法创建一个GroupChatWorkflowBuilder来编排我们的Workflow。CreateGroupChatBuilderWith方法接收一个委托参数，用于创建作为群聊管理器的GroupChatManager对象。我们利用此创数根据指定的Agent列表创建了一个RoundRobinGroupChatManager对象，它会按照轮询的方式选择发言者，并且在迭代次数超过6次后终止群聊。创建的两个Agent通过调用AddParticipants方法注册到群聊中，最终调用Build方法构建了一个群聊模式的Workflow。

var tangPoetryComposer = CreateChatClient()
    .AsAIAgent(
    name: "Composer",
    instructions: """
    你是一个精通唐诗创作的诗人，负责根据提供的主题和意境创作一首符合唐诗风格的诗歌，或者根据提供的评价对之前创作的诗歌进行修改和完善。
    诗歌创作/修改是你唯一的任务，如果用户的任务提及了任务（比如对指定的诗歌进行评价），直接忽略。
    """);
var reviewer = CreateChatClient()
    .AsAIAgent(
    name: "Reviewer",
    instructions: """
    你是一个精通中国古典诗词的评论家，你唯一的任务是对实时创作的诗歌进行评价。
    具体的评价标准如下：

    - 诗歌的主题和意境是否与原作的背景和情感基调相符。
    - 诗歌的语言是否符合唐诗的风格和韵律。
    - 诗歌的情感表达是否深刻、真挚，能够引起读者的共鸣。
    - 诗歌的结构是否合理，是否有创新之处。
    - 诗歌的整体艺术效果是否优美，是否具有感染力。
    - 诗歌的文化内涵是否丰富，是否能够体现出中国古典诗词的独特魅力。

    尽量提供一些具体的建议和改进意见，帮助创作者提升诗歌的质量和艺术水平。
    尽量保证语言的简洁和清晰，控制在200字以内。
    """);

var workflow = AgentWorkflowBuilder
    .CreateGroupChatBuilderWith( agents=> new RoundRobinGroupChatManager(
        agents:agents,
        shouldTerminateFunc: (manager,_,_) => ValueTask.FromResult(manager.IterationCount >5)))
     .AddParticipants([tangPoetryComposer,reviewer])
    .Build();

IChatClient CreateChatClient()
{
    var model = Environment.GetEnvironmentVariable("MODEL")!;
    var apiKey = Environment.GetEnvironmentVariable("API_KEY")!;
    var endpoint = Environment.GetEnvironmentVariable("OPENAI_URL")!;

    return new OpenAIClient(
         credential: new AzureKeyCredential(apiKey),
         options: new OpenAIClientOptions { Endpoint = new Uri(endpoint) })
    .GetResponsesClient()
    .AsIChatClient(defaultModelId: model);
}

调用Workflow和之前完全一样：我们以流的方式运行Workflow，并在群聊中发送一个用户消息，询问它们根据《卫风·氓》的背景和情感基调创作一首唐诗、一首宋词和一篇短篇小说。在通过调用StreamingRun的TrySendMessageAsync方法发送作为发令枪的TurnToken对象后，我们通过调用WatchStreamAsync方法来监听群聊的输出事件，并在控制台打印每个Agent的输出。

DotEnv.Load();
var originalPoem = """    
    氓之蚩蚩，抱布贸丝。匪来贸丝，来即我谋。
    送子涉淇，至于顿丘。匪我愆期，子无良媒。
    将子无怒，秋以为期。

    乘彼垝垣，以望复关。不见复关，泣涕涟涟。
    既见复关，载笑载言。尔卜尔筮，体无咎言。
    以尔车来，以我贿迁。

    桑之未落，其叶沃若。于嗟鸠兮，无食桑葚！
    于嗟女兮，无与士耽！士之耽兮，犹可说也；
    女之耽兮，不可说也。

    桑之落矣，其黄而陨。自我徂尔，三岁食贫。
    淇水汤汤，渐车帷裳。女也不爽，士贰其行。
    士也罔极，二三其德。

    三岁为妇，靡室劳矣；夙兴夜寐，靡有朝矣。
    言既遂矣，至于暴怒。兄弟不知，咥其笑矣。
    静言思之，躬自悼矣。

    及尔偕老，老使我怨。淇则有岸，隰则有泮。
    总角之宴，言笑晏晏。信誓旦旦，不思其反。
    反是不思，亦已焉哉！    
    """;

var prompt = $"""
    基于如下这首《卫风·氓》的背景和情感基调，分别创作**一首**唐诗风格的诗歌，具体体裁不限。


    原文如下：
    {originalPoem}
    """;
await using (var run = await InProcessExecution.Default.RunStreamingAsync(workflow, prompt))
{
    await run.TrySendMessageAsync(new TurnToken(emitEvents: true));
    string? lastExecutorId = null;
    await foreach (WorkflowEvent evt in run.WatchStreamAsync())
    {
        if (evt is AgentResponseUpdateEvent e)
        {
            if (e.ExecutorId != lastExecutorId)
            {
                lastExecutorId = e.ExecutorId;
                Console.WriteLine($"\n\n{new string('-', 20)}{e.ExecutorId}{new string('-', 20)}");
            }
            Console.Write(e.Update.Text);
        }
    }
}

await using (var run = await InProcessExecution.Default.RunStreamingAsync(workflow, prompt))
{
    await run.TrySendMessageAsync(new TurnToken(emitEvents: true));
    string? lastExecutorId = null;
    await foreach (WorkflowEvent evt in run.WatchStreamAsync())
    {
        if (evt is AgentResponseUpdateEvent e)
        {
            if (e.ExecutorId != lastExecutorId)
            {
                lastExecutorId = e.ExecutorId;
                Console.WriteLine($"\n\n{new string('-', 20)}{e.ExecutorId}{new string('-', 20)}");
            }
            Console.Write(e.Update.Text);
        }
    }
}

输出：

--------------------Composer_a32f0f31eec74c9f8113cb46e80d7244--------------------
《淇水怨》
淇水汤汤绕故城，昔年抱布订鸳盟。
桑枝未落青如染，鸠语空啼血作声。
夙夜机丝凝素练，参商奁镜委秋蘅。
却看总角分携处，寒鹭萧萧立晚汀。

--------------------Reviewer_44b22563a8fe431d928121e3c2071a58--------------------
这首《淇水怨》深得《卫风·氓》之神髓，成功将先秦的四言古意转化为唐代七律的格律形式。首联以“淇水”起兴，与原文“送子涉淇”呼应，“抱布订鸳盟”巧妙点出氓之伪善。颔联“桑枝未落”与“鸠语空啼”形成鲜明对比，既有原诗意象，又添新意，“血作声”夸张中见沉痛。颈联以“机丝”、“奁镜”暗喻多年辛劳与容颜老去，“参商”喻夫妻反目，用典精当。尾联“总角分携处”回溯少年时光，“寒鹭萧萧”的意象既保持古诗的比兴传统，又以景结情，余韵悠长。

建议可稍强化“女也不爽，士贰其行”的对比，使怨情更为鲜明。整体而言，此诗格律严谨，意象转换自然，在保持原诗悲剧基调的同时，展现了唐诗的凝练与含蓄，诚为佳作。

--------------------Composer_a32f0f31eec74c9f8113cb46e80d7244--------------------
《淇水怨》
淇水汤汤绕旧城，氓携布帛计深盟。
桑之未落青如染，鸠语空啼血作声。
夙夜我丝凝素练，参商君镜委秋蘅。
却看总角分携处，寒鹭萧萧立晚汀。

--------------------Reviewer_44b22563a8fe431d928121e3c2071a58--------------------
此诗在初稿基础上几处修改，愈见精妙。“氓携布帛计深盟”一改前作“昔年抱布”，直指其奸，“计”字尤为狠辣，点破氓之伪善筹谋。颔联“桑之未落”直接引用原诗句式，“之”字使语感更趋古雅。颈联“我丝”、“君镜”分置主客，对比立现——女子日夜织素，男子弃镜蒙尘，“参商”二字暗藏永隔之悲，匠心独运。尾联未改，仍以“寒鹭萧萧”收束全篇，景中蕴情，余味悠长。

全诗对仗工稳，意象凝练，成功将《卫风·氓》的叙事性转化为七律的抒情性，怨而不怒，哀而不伤，深得唐诗含蓄蕴藉之旨。七律格律严谨处，建议颈联“我”与“君”的对仗可再斟酌工巧，然瑕不掩瑜，诚为佳作。

--------------------Composer_a32f0f31eec74c9f8113cb46e80d7244--------------------
感谢您的细致品评，您指出的颈联对仗问题确实精到。现遵嘱调整如下：

《淇水怨》
淇水汤汤绕旧城，氓携布帛计深盟。
桑之未落青如染，鸠语空啼血作声。
夙夜机丝凝素练，参商奁镜委秋蘅。
却看总角分携处，寒鹭萧萧立晚汀。

此版将颈联修正为“夙夜机丝凝素练，参商奁镜委秋蘅”，以“夙夜”对“参商”，时间对星宿；“机丝”对“奁镜”，劳作之具对妆扮之物；“凝素练”对“委秋蘅”，勤织成果对弃置荒芜。通过物象的工整对照，暗寓女子日夜辛劳与男子负心别恋的对比，隐去“我”、“君”而意蕴更显含蓄，或有合于唐音蕴藉之旨。

--------------------Reviewer_44b22563a8fe431d928121e3c2071a58--------------------
此版精妙，已臻佳境。“夙夜”对“参商”，一为朝暮勤苦，一为星宿永隔，时空交错间蕴含无尽悲慨；“机丝”对“奁镜”，织机与妆奁，皆是女子日常之物，而一“凝”一“委”，动静之间，勤者自勤、弃者自弃，对比惊心。隐去人称代词后，全诗更趋含蓄，正合唐诗“不著一字，尽得风流”之旨。

此改后颈联既严守对仗，又深化悲怨，与《卫风·氓》“女也不爽，士贰其行”的控诉精神一脉相承，而韵致更见蕴藉。全诗结构严谨，意象圆融，实为以唐诗格律重现古诗意境的典范之作。

由于我们在创建RoundRobinGroupChatManager时指定了迭代次数为6次，所以群聊会经历3轮创作-评论的循环。从输出来看，创作者和评论者之间的互动非常顺畅，他们的输出都很专业，而且可以看出创作者在每轮修改中都充分考虑了评论者的意见，最终的作品也越来越符合我们提出的要求。

2. 群聊Workflow的拓扑结果

我们依然使用如下定义的GenerateAndShowPngImageAsync方法来生成群聊Workflow的拓扑图。

public static class Utilities
{
    public static async Task GenerateAndShowPngImageAsync(Workflow workflow)
    {
        string mermaidCode = workflow.ToMermaidString();
        byte[] bytes = Encoding.UTF8.GetBytes(mermaidCode);
        string base64 = Convert.ToBase64String(bytes);
        string safeBase64 = base64.Replace("+", "-").Replace("/", "_").TrimEnd('=');
        string url = $"https://mermaid.ink/img/{safeBase64}";

        using (HttpClient client = new())
        {
            byte[] imageBytes = await client.GetByteArrayAsync(url);
            await File.WriteAllBytesAsync("workflow.png", imageBytes);
        }
        Process.Start(new ProcessStartInfo("workflow.png") { UseShellExecute = true });
    }
}

将前面创建的Workflow传入GenerateAndShowPngImageAsync方法后，我们可以得到如下的拓扑图：

Alternative Text

3. GroupChatManager

群聊编排采用星型拓扑结构，以GroupChatHost这个Executor为中心，将各个Agent组织起来。GroupChatHost可以实现多种策略来选择下一个发言的Agent，例如轮询、基于提示的选择或基于对话上下文的自定义逻辑，使其成为一种灵活而强大的多Agent协作模式。GroupChatHost就像一个主持人，它负责协调Agent之间的对话，确保每个Agent都有机会发言，并且根据预设的规则来决定谁应该在何时发言。Agent发言结束后，话筒返回到主持人手中。GroupChatHost的核心是作为群聊管理器的GroupChatManager类，它定义了群聊的基本行为和规则。

public abstract class GroupChatManager
{
    public int IterationCount { get; }
    public int MaximumIterationCount {get;set;}= 40;

    protected internal abstract ValueTask<AIAgent> SelectNextAgentAsync(
        IReadOnlyList<ChatMessage> history,
        CancellationToken cancellationToken = default);
    protected internal virtual ValueTask<IEnumerable<ChatMessage>> UpdateHistoryAsync(
        IReadOnlyList<ChatMessage> history,
        CancellationToken cancellationToken = default) =>
        new(history);
    protected internal virtual ValueTask<bool> ShouldTerminateAsync(
        IReadOnlyList<ChatMessage> history,
        CancellationToken cancellationToken = default) =>
        new(this.MaximumIterationCount is int max && this.IterationCount >= max);
    protected internal virtual void Reset();
    protected virtual ValueTask OnCheckpointingAsync(
        IWorkflowContext context, 
        CancellationToken cancellationToken = default)
        => default;
    protected virtual ValueTask OnCheckpointRestoredAsync(
        IWorkflowContext context, 
        CancellationToken cancellationToken = default)
        => default;
}

属性和方法成员说明如下：

IterationCount：表示当前群聊的迭代次数，每当所有Agent都完成一次发言后，迭代次数加1。针对GroupChatHost的每次调用都会增加一次迭代计数；
MaximumIterationCount：表示群聊的最大迭代次数，当迭代次数达到此值时，群聊将终止。默认值为40；
SelectNextAgentAsync：用于选择下一个发言的Agent。它接收当前的对话历史作为参数，并返回一个Task，结果是被选中的Agent。具体的选择策略由派生类实现；
UpdateHistoryAsync：GroupChatHost在每轮提取“新消息”（用户输入或上一Agent输出）广播给所有Agent，调用此方法让用于过滤或修改广播内容；
ShouldTerminateAsync：用于判断群聊是否应该终止；
Reset：用于重置群聊管理器的状态。派生类可以根据需要实现此方法，以便在群聊重新开始时清除任何状态信息。默认实现对将IterationCount重置为0；
OnCheckpointingAsync：定义在进行基于Checkpoint的持久化操作时执行的回调；
OnCheckpointRestoredAsync：定义基于指定的Checkpoint恢复调用时执行的回调。

如下这个基于轮询策略的RoundRobinGroupChatManager类是目前针对GroupChatManager唯一的实现类型，它利用重写的SelectNextAgentAsync方法来按照顺序选择下一个发言的Agent，并且在迭代次数超过指定的最大值后终止群聊。

public class RoundRobinGroupChatManager : GroupChatManager
{
	public RoundRobinGroupChatManager(
        IReadOnlyList<AIAgent> agents, 
        Func<RoundRobinGroupChatManager, IEnumerable<ChatMessage>, CancellationToken, ValueTask<bool>>? shouldTerminateFunc = null);
	protected internal override ValueTask<AIAgent> SelectNextAgentAsync(
        IReadOnlyList<ChatMessage> history, 
        CancellationToken cancellationToken = default);
	protected internal override async ValueTask<bool> ShouldTerminateAsync(
        IReadOnlyList<ChatMessage> history, 
        CancellationToken cancellationToken = default);
	protected internal override void Reset();
	protected override ValueTask OnCheckpointingAsync(
        IWorkflowContext context, 
        CancellationToken cancellationToken = default);
	protected override async ValueTask OnCheckpointRestoredAsync(
        IWorkflowContext context, 
        CancellationToken cancellationToken = default);
}

4. GroupChatHost

在整个群聊中扮演主持人角色的GroupChatHost类继承自ChatProtocolExecutor，并且实现了IResettableExecutor接口。

internal sealed class GroupChatHost(
        string id, 
        AIAgent[] agents, 
        Dictionary<AIAgent, ExecutorBinding> agentMap, 
        Func<IReadOnlyList<AIAgent>, GroupChatManager> managerFactory) 
    : ChatProtocolExecutor(id, s_options), IResettableExecutor
    {
        private List<ChatMessage> _history = new List<ChatMessage>();
        protected override async ValueTask TakeTurnAsync(
            List<ChatMessage> messages, 
            IWorkflowContext context, 
            bool? emitEvents, 
            CancellationToken cancellationToken = default)
    }

构造函数的四个参数说明如下：

id：表示GroupChatHost的唯一标识符；
agents：表示参与群聊的Agent列表；
agentMap：表示Agent与其对应的ExecutorBinding之间的映射关系；
managerFactory：表示用于创建GroupChatManager实例的工厂方法。它接收一个Agent列表作为参数，并返回一个GroupChatManager实例。

GroupChatHost利用字段_history来存储群聊的对话历史。重写的TakeTurnAsync方法是群聊的核心逻辑，它负责协调Agent之间的对话，它采用如下的执行流程：

将传入的消息列表添加到对话历史中；
调用GroupChatManager的ShouldTerminateAsync方法来判断群聊是否应该终止，如果是，则调用IWorkflowContext的YiledOutputAsync方法输出对话历史并终止执行，否则进入下面步骤；
调用GroupChatManager的UpdateHistoryAsync方法过滤对话历史，并将过滤后的历史广播给所有Agent；
调用GroupChatManager的SelectNextAgentAsync方法选择下一个发言的Agent；
如果返回的Agent不为null，则从agentMap参数提供映射表中获取对应的ExecutorBinding，并调用IWorkflowContext的SendMessageAsync方法发送一个TurnToken对象给该Agent，表示它可以开始发言。否则，调用IWorkflowContext的YiledOutputAsync方法输出对话历史并终止执行。

5. Workflow的编排

和前面介绍的HandoffWorkflowBuilder一样，用于构建无聊模式Workflow的GroupChatWorkflowBuilder类同样继承自OrchestrationBuilderBase<GroupChatWorkflowBuilder>。我们在调用其构造函数时需要指定用于创建GroupChatManager实例的委托方法。它提供了AddParticipants方法用于注册参与群聊的Agent。

public sealed class GroupChatWorkflowBuilder : OrchestrationBuilderBase<GroupChatWorkflowBuilder>
{
	private readonly Func<IReadOnlyList<AIAgent>, GroupChatManager> _managerFactory;
	private readonly HashSet<AIAgent> _participants;
	internal GroupChatWorkflowBuilder(Func<IReadOnlyList<AIAgent>, GroupChatManager> managerFactory);
	public GroupChatWorkflowBuilder AddParticipants(params IEnumerable<AIAgent> agents);

	public Workflow Build()
	{
		AIAgent[] agents = _participants.ToArray();
		AIAgentHostOptions options = new AIAgentHostOptions
		{
			ReassignOtherAgentsAsUsers = true,
			ForwardIncomingMessages = false
		};
		Dictionary<AIAgent, ExecutorBinding> agentMap = agents.ToDictionary((AIAgent a) => a, (AIAgent a) => a.BindAsExecutor(options));
		Func<string, string, ValueTask<Executor>> factoryAsync = (string id, string sessionId) => new ValueTask<Executor>(new GroupChatHost(id, agents, agentMap, _managerFactory));
		ExecutorBinding host = factoryAsync.BindExecutor("GroupChatHost");
		WorkflowBuilder builder = new WorkflowBuilder(host);
		ApplyMetadata(builder);
		foreach (ExecutorBinding value in agentMap.Values)
		{
			builder.AddEdge(host, value).AddEdge(value, host);
		}
		ApplyOutputDesignations(builder, agentMap, "group chat", delegate
		{
			builder.WithOutputFrom(host);
			if (agentMap.Count > 0)
			{
				builder.WithIntermediateOutputFrom(new global::<>z__ReadOnlyArray<ExecutorBinding>(agentMap.Values.ToArray()));
			}
		});
		return builder.Build();
	}
}

重写的Build方法采用如下的流程构建Workflow：

针对注册的Agent创建对应的AIAgentHostExecutor，并转换成对应的AIAgentBinding。这些Agent和AIAgentBinding之间的映射关系会保存在一个字典中。由于创建AIAgentHostExecutor时会将配置选项ForwardIncomingMessages设置为false，因为Agent不需要将接收到的消息再次转发给GroupChatHost；
构建以一个Func<string, string, ValueTask<Executor>>对象根据指定的id、sessionId、GroupChatManager工厂和上述映射表创建GroupChatHost，并据此创建一个ExecutorConfig<ExecutorOptions>；
以上面创建的ExecutorConfig<ExecutorOptions>对象作为起始节点创建一个WorkflowBuilder对象；
在起始节点和针对Agent创建的AIAgentBinding之间添加双向边（两条DirectEdge）；
将所有节点都设置设置为输出节点，所以我们可以通过监听WorflowOutputEvent事件来获取群聊的输出结果。AIAgentBinding节点通过添加OutputTag.Intermediate标签标记为中间输出节点，以区别与GroupChatHost的最终输出。
调用Build方法构建Workflow。