agentic-flow：用YAML定义多代理工作流，让AI代理像流水线一样协作

agentic-flow是一个多代理工作流管理工具，通过简单的YAML文件定义任务、匹配代理能力并调度执行，让复杂的依赖关系和多步骤流程变得清晰可控。

随着AI代理能力的增强，我们越来越多地需要让多个代理协同工作。但协调多个代理并非易事：任务之间有依赖关系，某些步骤必须等待其他步骤完成，不同代理有不同的能力边界，执行顺序的错误可能导致整个流程失败。

agentic-flow应运而生，它是一个帮助运行任务的系统，使用简单的AI代理来管理工作流程。它的核心思想是：你不需要编写复杂的代码来运行任务，只需定义任务和代理，系统会自动处理依赖调度和执行顺序。

agentic-flow围绕三个核心概念构建：

任务（Tasks）：需要完成的工作单元，每个任务有描述和可选的依赖列表。依赖定义了执行顺序——只有依赖的任务完成后，当前任务才能开始。

代理（Agents）：执行任务的虚拟助手，每个代理声明自己能够执行哪些任务。系统根据任务需求和代理能力自动匹配合适的执行者。

工作流（Workflow）：任务和代理的集合，以YAML文件形式描述，系统读取后按正确顺序调度执行。

创建一个名为my_workflow.yaml的文件：

tasks:
  task1:
    description: "下载数据"
  task2:
    description: "处理数据"
    depends_on: ["task1"]
  task3:
    description: "发送报告"
    depends_on: ["task2"]

agents:
  agentA:
    can_execute: ["task1", "task2"]
  agentB:
    can_execute: ["task3"]

这个文件告诉agentic-flow：首先下载数据，然后处理数据，最后发送报告。agentA可以处理前两个任务，agentB处理最后一个。

运行工作流：

agentic-flow run my_workflow.yaml

系统会按顺序启动任务，使用合适的代理，并显示执行进度。

agentic-flow的依赖系统确保任务按正确顺序执行：

1. 解析阶段：系统读取YAML文件，构建任务依赖图
2. 调度阶段：识别没有未满足依赖的任务，立即调度执行
3. 执行阶段：代理完成任务后，系统检查哪些依赖任务现在可以启动
4. 循环：重复直到所有任务完成或遇到错误

这种设计允许复杂的依赖网络。例如：

tasks:
  fetch_data:
    description: "从API获取原始数据"
  clean_data:
    description: "清洗和标准化数据"
    depends_on: ["fetch_data"]
  analyze_trends:
    description: "分析趋势"
    depends_on: ["clean_data"]
  generate_report:
    description: "生成报告"
    depends_on: ["clean_data"]
  send_email:
    description: "发送邮件通知"
    depends_on: ["analyze_trends", "generate_report"]

在这个例子中，analyze_trends和generate_report可以并行执行（都依赖clean_data但彼此独立），send_email必须等待两者都完成。

代理通过can_execute字段声明能力，系统根据任务名称进行匹配。这种设计允许：

• 专业化代理：不同代理负责不同类型任务
• 负载均衡：多个代理可以执行同一任务，系统可选择负载较轻的
• 故障转移：如果代理失败，系统可尝试其他能执行该任务的代理

数据工程团队可以用agentic-flow编排ETL流程：提取数据→清洗→转换→加载→验证。每个阶段可以有多个并行任务，依赖确保顺序正确。

内容团队可以定义：研究主题→撰写大纲→起草内容→编辑审核→发布。不同代理（研究代理、写作代理、编辑代理）各司其职。