AI Agent 编排：把多智能体协作变成可恢复的工作流

多 Agent Demo 常见的问题是角色很多、边界不清，任何一个 Agent 都可以调用任何工具。生产编排应该先定义工作流状态，再让模型在有限的节点和动作中做选择。

用图而不是聊天串联

把任务拆成路由、检索、执行、审核和汇总节点，每个节点声明输入 Schema、输出 Schema、可调用工具、超时和重试策略。节点之间传递结构化状态，不把上一轮的整段自然语言当成唯一事实来源。

请求 -> 意图路由 -> 资料检索 -> 方案生成
                         |          |
                         v          v
                      需审批 <- 风险评估 -> 执行工具
                                           |
                                           v
                                      结果校验 -> 交付

并行和汇聚

独立的资料检索、价格核验和权限检查可以并行执行，但每个分支必须有超时和取消信号。汇聚节点校验分支是否完整，缺少关键结果时回到补偿节点，而不是让模型猜一个默认值。

故障和人工接管

每个节点写入 execution_id、输入摘要、模型版本、工具调用和状态。失败按错误类型分类，网络错误可重试，业务拒绝直接转人工。人工接管后锁定任务状态，防止原 Agent 继续并行写入。

验收指标

关注端到端完成率、节点重试率、人工接管率、平均步骤数、单任务成本和 P95 时延。编排器的目标是让失败可解释、可恢复，而不是让模型看起来更聪明。

参考资料：OpenAI Agents SDK。