多 Agent 编排

单 Agent 有上下文和能力边界，多 Agent 把任务拆给多个专家。LangGraph 提供从简到繁的编排原语：子图、Send（动态并行）、supervisor（中心调度）、handoff（交接）。

子图：复用与隔离

research_graph = builder.compile()   # 子图

def research_node(state):
    result = research_graph.invoke({...})   # 父节点内调用子图
    return {"findings": result["output"]}

• 子图是独立编译的图，可复用、可单独测试
• 父子状态默认隔离：子图有自己的 checkpoint 命名空间，父图不直接看到子图内部状态（跨边界共享用 store，见持久化篇）
• 组合方式：节点内调用（函数式）或作为节点挂进父图（add_node("research", research_graph)）

Send：动态并行

from langgraph.types import Send

def fan_out(state):
    return [Send("analyze", {"doc": d}) for d in state["documents"]]

builder.add_node("analyze", analyze_node)
builder.add_conditional_edges("fan_out", fan_out, ["analyze"])

• Send：从一个节点动态生成多个“分析任务”，并行执行（map-reduce 模式）
• 每个 Send 携带独立输入，任务数由运行时数据决定
• 典型场景：多文档并行分析、多城市并行查询

Command：动态路由

from langgraph.types import Command

def route_node(state):
    if state["needs_research"]:
        return Command(goto="research")   # 动态指定下一个节点
    return Command(goto=END)

• Command 让节点动态决定去向（返回哪里、更新什么状态），比编译时固定的条件边更灵活
• 也用于 interrupt 恢复后的路由（见人机协同篇）

supervisor：中心调度

• Supervisor 是“调度模型”：看当前状态决定派给哪个 worker，worker 干完回报，循环直到完成
• worker 是带专属工具/提示词的子 agent
• 对比 Send：supervisor 是运行时决策（下一步做什么模型说了算），Send 是图结构固定、任务数运行时动态生成（并行任务已确定）

handoff：交接

from langgraph.prebuilt import create_handoff_tool

transfer_tool = create_handoff_tool(
    agent_name="billing_agent",
    description="用户询问账单问题时交给账单 agent",
)

• handoff：一个 agent 通过调用工具把对话“交接”给另一个 agent，交接后可带消息
• 适合：客服分流（售前→售后→账单）、权限边界（普通 agent 发现需要管理员权限时交接）
• 交接工具的描述同样决定路由质量（见工具集成篇的描述要点）

编排模式选型

面试追问

1. Send 和 supervisor 的区别？ Send 是动态生成并行任务（图结构固定、数量运行时定），supervisor 是运行时决策（模型选下一步）。一个管“多少个”，一个管“走哪条”
2. 子图和父图的状态关系？ 默认隔离：子图有自己的 checkpoint 空间。跨边界共享用 store
3. handoff 是什么？ agent 通过工具把对话交给另一个 agent。客服分流、权限边界
4. 多 Agent 什么时候值得？ 任务要多种专业能力、上下文隔离需求（见 DeepAgents 子代理篇）。简单任务单 Agent 更便宜
5. Command 的作用？ 节点动态指定下一步（goto）和状态更新。interrupt 恢复后路由也靠它