部署多代理系統

課程概述

任務一複雜，單一 Agent 常常就撐不住了。多代理系統（Multi-Agent System）的做法是讓好幾個各自專精的 Agent 分工合作，就像一個團隊裡有人負責研究、有人負責撰寫、有人負責審核。Agent Development Kit 原生就支援多代理編排，Agent Engine 則負責把整套系統部署到雲端，幫你管好底層基礎設施。

你將學到

• 理解多代理系統的三種核心編排模式
• 使用 ADK 定義 Agent 之間的委派與通訊關係
• 掌握 Agent Engine 的部署架構與託管機制
• 設計 Agent 間的任務分工策略
• 監控多代理系統的執行流程與除錯技巧

核心概念

為什麼需要多個 Agent？

單一 Agent 搭配大量 Tool 會遇到幾個瓶頸：System Instruction 過長導致決策品質下降、Tool 數量超過模型有效處理範圍、不同任務需要不同的推理策略。多代理架構將複雜任務拆解給專精的子 Agent，每個 Agent 只需處理自己擅長的部分。

三種編排模式

模式	運作方式	適用場景
Sequential（循序）	Agent A 完成後交給 Agent B，再交給 Agent C	流水線式任務：研究 → 撰寫 → 審核
Parallel（平行）	多個 Agent 同時執行，結果彙整	多來源資料蒐集、多面向分析
Hierarchical（階層）	主 Agent 負責分派任務給子 Agent，彙整最終結果	複雜專案管理、需要動態決策的場景

ADK 中的委派機制

在 ADK 中，多代理系統透過「sub-agents」定義層級關係。主 Agent（Root Agent）知道每個子 Agent 的能力描述，根據使用者的需求決定將任務委派給誰。子 Agent 完成後，結果回傳給主 Agent 進行彙整。

Agent Engine 託管部署

Agent Engine 是 Vertex AI 上的全代管服務，專門用來託管 ADK 建構的 Agent。它處理了部署中最麻煩的問題：

• 自動擴縮容——根據請求量調整 Agent 實例數
• Session 管理——維持跨輪次的對話狀態
• 版本管理——可部署與管理多個 Agent 版本（A/B 測試需自行在前端／流量層實作，非 Agent Engine 內建）
• 監控與日誌——追蹤每一步推理過程與 Tool 呼叫

Agent 間的狀態共享

多個 Agent 一起協作時，狀態怎麼管就變得很關鍵。ADK 提供 Session State 機制，讓同一次對話裡的所有 Agent 共享上下文。舉例來說，研究 Agent 蒐集到的資料，可以透過 state 直接傳給撰寫 Agent，不用再重蒐一次。

實作重點

• 定義子 Agent 時，description 欄位要精確描述其能力範圍，主 Agent 靠這個決定委派
• Agent Engine 部署需要指定 requirements.txt 列出所有依賴套件
• 使用 adk deploy 指令可一鍵部署到 Agent Engine，部署後取得 API endpoint
• 除錯多代理系統時，善用 Trace 功能追蹤任務在各 Agent 之間的流轉
• 常見陷阱：子 Agent 的能力描述過於相似，導致主 Agent 無法正確分派

Lab 導讀

Lab 連結：Deploy Multi-Agent Systems with ADK and Agent Engine — Google Cloud Skills Boost

這個 Lab 會帶你做出一個有三個子 Agent 的系統（資料查詢 Agent、分析 Agent、報告生成 Agent），用階層式編排，再透過 Agent Engine 部署到 Vertex AI。做的時候特別留意一件事：主 Agent 是怎麼看使用者的需求、動態決定把任務分派給誰。

延伸學習

• Agent Development Kit 智能代理開發 — 先掌握單一 Agent 的基礎
• Vertex AI MLOps 模型評估 — Agent 部署後的監控與評估
• Generative Playbooks 建構代理 — 另一種 Agent 建構方式