Skip to content

README.md

Latest commit

 

History

History
139 lines (104 loc) · 5.21 KB

README.md

File metadata and controls

139 lines (104 loc) · 5.21 KB
Raw

LLM Agent 自定义编排示例

本示例演示如何基于 BaseAgent 实现自定义编排器（Custom Agent），并验证“文档分类 → 分支处理 → 质量校验”的动态工作流是否按预期执行。

关键特性

  • 自定义编排能力：通过继承 BaseAgent 实现条件分支与多阶段流程控制
  • 动态处理策略：根据文档类型（simple / complex / technical）选择不同子流程
  • ChainAgent 组合能力：复杂文档场景使用 ChainAgent 串联“分析 → 处理”步骤
  • 状态驱动流程：通过 session state 传递 doc_type、complex_analysis、quality_feedback
  • 阶段化日志可观测：输出 Stage 1/2/3 进度，便于验证分支是否正确触发

Agent 层级结构说明

本例是“1 个自定义总控 Agent + 多个子 Agent”的层级协作：

smart_document_processor (Custom BaseAgent)
├── document_analyzer (LlmAgent)
├── simple_processor (LlmAgent)
├── complex_processor_chain (ChainAgent)
│   ├── complex_analyzer (LlmAgent)
│   └── complex_processor (LlmAgent)
├── technical_processor (LlmAgent)
└── quality_validator (LlmAgent)

关键文件：

关键代码解释

这一节用于快速定位“分类、分支、校验”三条主链路。

1) 文档分类与路由（agent/agent.py）

  • 先由 document_analyzer 输出 doc_type
  • 根据 doc_type 路由到不同处理流：
    • simple → simple_processor
    • complex → complex_processor_chain
    • technical → technical_processor

2) 复杂文档链式处理（complex_processor_chain）

  • 复杂文档走 ChainAgent：
    • 第一步：complex_analyzer 产出结构化分析
    • 第二步：complex_processor 基于分析结果产出加工内容

3) 质量校验决策（Stage 3）

  • complex / technical 文档会进入 quality_validator
  • simple 文档跳过质量校验（性能优先）
  • 校验反馈写入 quality_feedback，并输出是否通过的阶段日志

环境与运行

环境要求

  • Python 3.12

安装步骤

git clone https://github.com/trpc-group/trpc-agent-python.git
cd trpc-agent-python
python3 -m venv .venv
source .venv/bin/activate
pip3 install -e .

环境变量要求

在 examples/llmagent_with_custom_agent/.env 中配置（或通过 export）：

  • TRPC_AGENT_API_KEY
  • TRPC_AGENT_BASE_URL
  • TRPC_AGENT_MODEL_NAME

运行命令

cd examples/llmagent_with_custom_agent
python3 run_agent.py

运行结果（实测）

==================== Test case 1: Simple document example ====================
Expected type: simple
...
simple  [smart_document_processor] Document type recognition: simple
  [smart_document_processor] Stage 2: Use simple processing flow...
...
  [smart_document_processor] Simple document skipped quality validation stage
  [smart_document_processor] Smart document processing workflow completed!

==================== Test case 2: Complex document example ====================
Expected type: complex
...
complex  [smart_document_processor] Document type recognition: complex
  [smart_document_processor] Stage 2: Use complex document processing flow...
  [smart_document_processor] Use ChainAgent: Analyze → Process
...
  [smart_document_processor] Stage 3: Execute quality validation...
...
  [smart_document_processor] Quality validation found improvement points, provided suggestions
  [smart_document_processor] Smart document processing workflow completed!

==================== Test case 3: Technical document example ====================
Expected type: technical
...
technical  [smart_document_processor] Document type recognition: technical
  [smart_document_processor] Stage 2: Use technical document processing flow...
...
  [smart_document_processor] Stage 3: Execute quality validation...
quality verification passed
  [smart_document_processor] Quality validation found improvement points, provided suggestions
  [smart_document_processor] Smart document processing workflow completed!

结果分析（是否符合要求）

结论：符合本示例测试要求。

  • 分类路由正确：3 个测试样本均识别到预期类型（simple/complex/technical）
  • 流程分支正确：simple 跳过校验；complex 使用 ChainAgent；technical 进入技术处理 + 质量校验
  • 状态驱动有效：复杂与技术场景都触发 Stage 3，并输出质量反馈
  • 编排能力验证通过：自定义 Agent 成功实现“动态决策 + 多子 Agent 协作”

适用场景建议

  • 需要按输入类型动态切换处理策略：适合使用本示例
  • 需要将多步处理封装成可复用链路（如 Analyze→Process）：适合使用本示例
  • 需要验证单 Agent 工具调用基础能力：建议使用 examples/llmagent