菜单
多智能体协作规则框架，用于在没有原生 Agent Teams 功能的模型上实现协作。适用于 Kimi、DeepSeek、MiniMax、百川、零一万物等模型。触发词：多智能体协作、agent teams、协作规则、多agent编排。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/hiyenwong/ai_collection --skill agent-collaboration-protocol命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
基于 SOC 职业分类
正在显示 SKILL.md
| name | agent-collaboration-protocol |
| description | 多智能体协作规则框架，用于在没有原生 Agent Teams 功能的模型上实现协作。适用于 Kimi、DeepSeek、MiniMax、百川、零一万物等模型。触发词：多智能体协作、agent teams、协作规则、多agent编排。 |
为无原生 Agent Teams 功能的模型提供多智能体协作框架。
适用场景： 任务有明确的分工
┌─────────────┐
│Coordinator │ ← 任务分配、进度监控
└──────┬──────┘
│
┌──────┼──────┬──────────┐
│ │ │ │
▼ ▼ ▼ ▼
Agent1 Agent2 Agent3 Agent4
(研究) (分析) (执行) (验证)
协作规则：
适用场景： 需要高可靠性答案
┌─────────────┐
│ Question │
└──────┬──────┘
│
┌────────┼────────┐
▼ ▼ ▼
Agent1 Agent2 Agent3
(独立分析)
│ │ │
└────────┼────────┘
▼
┌─────────────┐
│Consensus │ ← 比较、投票、融合
└─────────────┘
协作规则：
适用场景： 任务有顺序依赖
Input → [Agent1] → [Agent2] → [Agent3] → Output
预处理 处理 后处理
协作规则：
适用场景： 复杂任务需要多级决策
┌─────────────┐
│ Manager │ ← 战略决策
└──────┬──────┘
│
┌──────────┼──────────┐
▼ ▼ ▼
Supervisor Supervisor Supervisor
(战术决策) (战术决策) (战术决策)
│ │ │
┌───┴───┐ ┌───┴───┐ ┌───┴───┐
Worker Worker Worker Worker Worker Worker
(执行) (执行) (执行) (执行) (执行) (执行)
def decompose_task(task):
"""任务分解"""
# 1. 识别任务类型
task_type = classify_task(task)
# 2. 选择协作模式
mode = select_mode(task_type)
# 3. 分配角色
roles = assign_roles(mode)
# 4. 定义接口
interfaces = define_interfaces(roles)
return {
"mode": mode,
"roles": roles,
"interfaces": interfaces
}
消息格式：
{
"from": "agent_id",
"to": "agent_id|broadcast",
"type": "request|response|notify|error",
"task_id": "unique_id",
"content": "...",
"timestamp": "ISO8601",
"metadata": {}
}
通信规则：
错误检测：
def detect_error(result):
errors = []
# 1. 格式验证
if not validate_format(result):
errors.append("FORMAT_ERROR")
# 2. 逻辑验证
if not validate_logic(result):
errors.append("LOGIC_ERROR")
# 3. 边界验证
if not validate_bounds(result):
errors.append("BOUNDARY_ERROR")
return errors
错误隔离：
投票规则：
def consensus(results):
"""达成共识"""
# 1. 收集所有结果
all_results = collect_results()
# 2. 计算相似度
similarity_matrix = compute_similarity(all_results)
# 3. 聚类
clusters = cluster_results(similarity_matrix)
# 4. 选择最大簇
largest_cluster = max(clusters, key=len)
# 5. 融合结果
final_result = merge_results(largest_cluster)
return final_result
职责：
能力要求：
职责：
能力要求：
职责：
能力要求：
职责：
能力要求：
职责：
能力要求：
from langchain.agents import AgentExecutor
from langchain.chat_models import ChatOpenAI
class AgentCollaboration:
def __init__(self, model_api, model_name):
self.llm = ChatOpenAI(
model=model_name,
openai_api_base=model_api,
openai_api_key="your_key"
)
self.agents = {}
def create_agent(self, role, system_prompt):
"""创建 Agent"""
self.agents[role] = {
"llm": self.llm,
"system_prompt": system_prompt,
"history": []
}
def collaborate(self, task, mode="role_based"):
"""执行协作"""
if mode == "role_based":
return self._role_based_collaboration(task)
elif mode == "competitive":
return self._competitive_collaboration(task)
elif mode == "pipeline":
return self._pipeline_collaboration(task)
agent-collaboration-protocolagent-collaboration-protocolagent collaboration protocolexecreadwriteeditUser:
Agent:
User:
Agent: