多智能体之间的上下文传递方式

在一个多智能体项目中，多个智能体之间的参数传递肯定不是单一手段，如果是单一手段，那这个项目也没啥必要学习了。在我们的项目中，主要用到了以下这些手段在多智能体之间传递上下文。 1. Agent as Tool（主要的编排层交接方式）…

原文整理约 3 分钟第 355 / 437 篇

TL;DR

在一个多智能体项目中，多个智能体之间的参数传递肯定不是单一手段，如果是单一手段，那这个项目也没啥必要学习了。在我们的项目中，主要用到了以下这些手段在多智能体之间传递上下文。 1. Agent-as-Tool（主要的编排层交接方式） MasterAgent 把每个子 Agent 用 SubAgentProvider + SubAgentConfig 注册成 Toolkit 里的工具，跨边界的数据就是一次工具调用的 JSON {message, session_id}。注意这里不传 POJO，父 Agent 的 LLM 把意图序列化成自然语言 message 字符串传下去。

// MasterAgent.java:87
toolkit.registration()
    .subAgent((SubAgentProvider<ReActAgent>) () -> context.getBean("itineraryManageAgent", ReActAgent.class),
        SubAgentConfig.builder()
            .toolName("itinerary_manage_agent")
            .description("...参数：message（任务描述），可选 session_id（继续会话）。")
            .forwardEvents(false).build())
    .apply();

ItineraryPlanAgent 又用同样方式把 ItineraryReviewAgent 注册为工具（ItineraryPlanAgent.java:92），形成嵌套的 agent-as-tool。 2. 共享可变的会话对象 AgentSessionContext 一个请求内所有 Agent/Tool 共享同一个 AgentSessionContext（含 travelPolicy/travelPreference/travelOrderId 等可变字段），通过 TransmittableThreadLocal 自动向 Reactor 的 boundedElastic 线程传播，并经 ToolExecutionContext 注入到工具。

✅使用TTL实现多智能体之间的上下文传递

在我们的项目中，有一些参数，需要全局传递，比如userId，从用户一进来就确定了，我们需要在多个智能体之间传递、并且在tools、hook中也可能需要用到，那么如何实现这个参数的传递呢。 gogo-agent 用 Transmittable LLMentor

// BaseSubAgent.java:128 / MasterAgent.java:78
ToolExecutionContext.builder().register(sessionCtx).build()

比我们项目中：TravelOrderWriteTools 写入 travelOrderId，之后 BookingAgent 的 BookingPersistenceHook.java:169 再读出来关联预订记录。工具方法里声明一个无注解的 AgentSessionContext 参数，框架就自动注入，对 LLM 透明。 3. Redis 共享存储 ItineraryPlanStore（大 payload 的 producer→consumer 交接）为避免庞大方案 JSON 挤爆上下文，Planner 把结果写到 Redis（key planner:result:{userId}，24h TTL），Review Agent 再读回来。两个 Agent 靠同一个 userId（来自机制 2）在同一个 key 上会合。

itineraryPlanStore.save(userId, resultJson);   // ItineraryPlannerTool.java:180
content = itineraryPlanStore.load(userId);      // ItineraryReviewTools.java:87

Msg 列表 + SYSTEM 消息注入（Pipeline → Agent） AgentPipelineService 把上游结果（改写后的问题 + 意图 JSON）作为额外的 SYSTEM Msg 拼在用户消息前面，再 agent.call(List)。.call(List) 本身就是最底层的 Agent 间传递动词。

// AgentPipelineService.buildMasterInput 366-385
messages.add(rewriteContext);   // "问题改写结果：..."
messages.add(intentContext);    // "意图识别结果：..."
messages.addAll(originalMessages);

Hook 在 Agent 边界注入/裁剪参数。比如我们的DynamicTimeInjectionHook 在每轮推理前往消息里插入 SYSTEM 时间 Msg；再比如BookingPersistenceHook(PostActing) 读取刚执行的工具调用入参和结果，结合 AgentSessionContext 落库；还有 FlightApiKeyHook/TuniuApiKeyHook/RghUserIsolationHook 注入 per-user 密钥与隔离。 6.通过中间文件/存储传输。

上下文工程——利用中间文件减少token消耗

... LLMentor