以下拓扑的消息计数与决策归属均为教学假设,不构成对任何真实系统、供应商或生产环境的承诺。“层级有明确决策者、市场靠出价、黑板共享区域、群体扁平"这四条拓扑本质不变,具体消息数与智能体数量按任务实测。
8.3 讲了记忆怎么被删对,这一节切换到通信层:多智能体之间怎么连接。连接方式——拓扑——决定了谁和谁说话、由谁拍板。拓扑不是实现细节,是第一个要拍的架构决策:它直接决定消息量、决策质量与故障半径。
四种拓扑,四种决策模型
| 拓扑 | 连接方式 | 谁决策 | 典型适用 |
|---|---|---|---|
| 层级 | 上下级固定链路 | 上级汇总拍板 | 任务有明确分工 |
| 市场 | 发布+竞价 | 最高出价者 | 任务可外包、有成本意识 |
| 黑板 | 共享公共区域 | 谁响应谁参与 | 多专家贡献拼盘 |
| 群体 | 完全扁平互连 | 无中心决策 | 探索/讨论、结论松散 |
拓扑决定"决策者的数量”。 层级拓扑只有一个决策者(上级),群体拓扑没有决策者(各自行动)。这两个极端之间的市场、黑板,决策是分布式的但有序。“谁拍板"比"谁说话"更本质——拓扑的差别最终会体现为决策责任落在谁头上。
消息量的第一性原理
拓扑首先决定消息量。层级中下级向上级上报、上级向下级派活;市场里所有参与者广播 announce、彼此 bid;黑板里所有写者往同一块区域写、读者去读;群体里每个人向其他人直接说。拓扑结构直接决定消息复杂度,这是 9.2 的伏笔——但在这里先记住结论:连接方式不同,消息量级不同。
最小实验:四种拓扑跑同一批任务
实验提供 hierarchy/market/blackboard/swarm 四个函数,各自返回 TopologyResult:消息列表、决策归属与三个指标(消息数、通信对、决策者数)。
# file: agp_lab/topologies.py | write
# tier: 3
# verify: python3 -m unittest tests.test_topologies
"""多 Agent 拓扑:层级、市场、黑板与群体。
四种经典拓扑各自回答"消息从哪里流向哪里、谁来决策"。
本模块用最小模型比较四种拓扑的消息路径、决策点与容错特征,
用同样的任务规模量化各自的通信代价与失败半径。
"""
from __future__ import annotations
from dataclasses import dataclass
from typing import Any
@dataclass
class TopologyResult:
messages: list[tuple[str, str, str]] # (from, to, kind)
decision_owners: set[str]
def hierarchy(workers: list[str]) -> TopologyResult:
"""层级:worker 只与直属上级通信,决策集中在顶层。"""
manager = workers[0]
messages = [(w, manager, "report") for w in workers[1:]]
messages += [(manager, w, "command") for w in workers[1:]]
return TopologyResult(messages, {manager})
def market(agents: list[str], bids: dict[str, str]) -> TopologyResult:
"""市场:任务方广播需求,投标方出价,由拍卖者分配。"""
auctioneer = agents[0]
messages = [(auctioneer, a, "announce") for a in agents[1:]]
messages += [(a, auctioneer, "bid") for a, price in bids.items() if price]
winner = max(bids, key=lambda a: bids[a])
messages += [(auctioneer, winner, "award")]
return TopologyResult(messages, {auctioneer})
def blackboard(agents: list[str], first: str) -> TopologyResult:
"""黑板:各 Agent 读写共享黑板,顺序接力,无直接对话。"""
messages = []
for i in range(len(agents) - 1):
messages.append((agents[i], "blackboard", "write"))
messages.append(("blackboard", agents[i + 1], "read"))
return TopologyResult(messages, {first})
def swarm(agents: list[str], edges: list[tuple[str, str]]) -> TopologyResult:
"""群体:相邻 Agent 局部通信,无中心,全局行为涌现。"""
messages = [(a, b, "state") for a, b in edges]
return TopologyResult(messages, set())
def metrics(result: TopologyResult) -> dict[str, Any]:
unique_pairs = {tuple(sorted(pair)) for pair, _, _ in result.messages}
return {
"message_count": len(result.messages),
"unique_pairs": len(unique_pairs),
"decision_owners": len(result.decision_owners),
}
def demo() -> dict[str, Any]:
workers = ["mgr", "w1", "w2", "w3"]
agents = ["auctioneer", "a1", "a2", "a3"]
bids = {"a1": 10, "a2": 25, "a3": 40}
edges = [("s1", "s2"), ("s2", "s3"), ("s3", "s1")]
h = hierarchy(workers)
m = market(agents, bids)
b = blackboard(["b1", "b2", "b3", "b4"], "b1")
s = swarm(["s1", "s2", "s3"], edges)
return {
"hierarchy_metrics": metrics(h),
"market_messages": [msg[2] for msg in m.messages],
"blackboard_message_count": len(b.messages),
"swarm_message_count": len(s.messages),
"hierarchy_decision_owners": sorted(h.decision_owners),
"swarm_decision_owners": sorted(s.decision_owners),
}
if __name__ == "__main__":
for key, value in demo().items():
print(f"{key}: {value}")
运行:
cd private/labs/agp-lab
python3 -m agp_lab.topologies
输出:
hierarchy_metrics: {'message_count': 6, 'unique_pairs': 4, 'decision_owners': 1}
market_messages: ['announce', 'announce', 'announce', 'bid', 'bid', 'bid', 'award']
blackboard_message_count: 6
swarm_message_count: 3
hierarchy_decision_owners: ['mgr']
swarm_decision_owners: []
五条输出对应五件事:
- hierarchy_metrics:层级拓扑 6 条消息、4 个通信对、决策者 1 个(mgr)。层级把决策收敛到一个点——消息不少,但拍板的人只有一个。
- market_messages:市场拓扑的序列是 announce×3 → bid×3 → award。市场的消息是公开竞价过程:广播任务、各家出价、最终授予。
- blackboard_message_count:黑板 6 条消息。黑板的消息是"写进公共区”,不指定收件人——谁读谁受益,广播面最广。
- swarm_message_count:群体只有 3 条消息。群体消息最少但不是没有——完全扁平时通信对最少,但也没有中心。
- hierarchy_decision_owners / swarm_decision_owners:层级决策者是 mgr,群体决策者是空列表。决策归属是拓扑最鲜明的指纹:有中心就有归属,无中心就没有。
一个值得点破的细节:群体拓扑消息最少(3 条),但决策者列表为空——消息少不等于决策强。群体省掉了汇报和派活,却失去了收敛点;层级花了 6 条消息换来一个明确拍板的人。拓扑选型不是比谁省消息,是比谁的消息服务于决策质量。
拓扑与任务的匹配
拓扑要跟任务特征匹配,四个判断维度:
| 任务特征 | 匹配拓扑 | 理由 |
|---|---|---|
| 分工明确、责任固定 | 层级 | 汇报路径清晰 |
| 可外包、能竞价 | 市场 | 成本由出价体现 |
| 多方贡献、拼盘答案 | 黑板 | 公共区汇聚 |
| 探索讨论、结论松散 | 群体 | 扁平无中心 |
任务特征决定拓扑,而不是反过来。 一个需要最终负责人兜底的任务,用群体拓扑就是灾难——没人拍板;一个适合竞价的采购任务,用层级就是浪费——上级拍板不如市场出价。拓扑是任务结构的显式化。
拓扑与故障半径
拓扑还决定故障半径。层级中上级挂了,整条链停摆;市场里某个出价者挂了,市场照常;黑板里写者挂了,已写入的内容还在;群体里一个节点挂了,其余照常。决策集中的拓扑故障半径大,去中心的拓扑故障半径小。
| 拓扑 | 关键节点 | 故障影响 |
|---|---|---|
| 层级 | 上级 | 整链停摆 |
| 市场 | 无(市场规则) | 局部损失 |
| 黑板 | 无(区域还在) | 局部损失 |
| 群体 | 无 | 局部损失 |
这与 11 章容错是同一主题的两个入口:拓扑决定"哪个节点挂了影响大",容错决定"挂了之后怎么办"。选拓扑时就要想清楚单点在哪里——层级拓扑的上级必须冗余,群体拓扑的每个节点都可有可无。
拓扑与仲裁、委托的接口
拓扑是通信的骨架,委托(10.1)与仲裁(10.2)是骨架上的动作。层级拓扑天然支持委托——上级把任务派给下级,责任从上级转移到执行者;市场拓扑天然需要仲裁——多家出价,怎么裁决归谁,这是 10.2 的多数/优先级仲裁。拓扑决定"消息流向谁",仲裁决定"谁的意见算数",两者要一起设计。
动态拓扑
拓扑不是一次定死。任务在不同阶段可能用不同拓扑——一个任务前期探索(群体),中期分工(层级),后期汇总(黑板)。动态拓扑让"谁和谁说话"随任务阶段调整,但代价是切换成本:拓扑变更时,消息路由、决策归属都要跟着变。
| 阶段 | 拓扑 | 理由 |
|---|---|---|
| 探索 | 群体 | 无中心发散 |
| 分工 | 层级 | 收敛到负责人 |
| 汇总 | 黑板 | 公共区汇聚 |
动态拓扑最怕切换混乱。 阶段切换瞬间,前一个拓扑的决策者还没交出责任(10.1),后一个拓扑的决策者已经开始接手——中间有重叠窗口。切换要显式:先交接责任,再切换拓扑,否则过渡期没有人拍板。
拓扑的容错属性
不同拓扑的容错属性不同,要跟 11 章配套。层级拓扑的单点(上级)要有冗余或降级——上级挂了,由谁顶上?可以是副手,也可以是降级到群体拓扑让子节点各自决策。去中心拓扑没有单点,但也没有收敛点——节点挂了还好,可决策质量没人兜底。
| 拓扑 | 单点 | 容错配套 |
|---|---|---|
| 层级 | 上级 | 副手 / 降级 |
| 市场 | 无 | 出价者可替代 |
| 群体 | 无 | 结论松散可接受 |
容错不是拓扑选完再补,是选拓扑时就设计的。 选了层级,就要同步设计"上级挂了怎么办";选了群体,就要接受"没有最终拍板人"。拓扑的容错属性写进 11 章的实施计划,而不是事后补救。
拓扑的观察指标
拓扑要可观察。三个指标最有用:消息数、决策归属、响应延迟——消息数暴露通信成本(9.2),决策归属暴露"谁在拍板",延迟暴露拓扑瓶颈。动态拓扑下,指标要按阶段聚合:探索阶段和分工阶段的消息数没有可比性,分阶段看才有意义。
架构判据
拓扑是否合格,用五条判据检查:
| 判据 | 合格的样子 | 不合格的样子 |
|---|---|---|
| 决策者明确 | 知道谁拍板 | 有中心没归属 |
| 消息量可预期 | 知道消息复杂度量级 | 消息数无法估计 |
| 与任务匹配 | 拓扑跟着任务走 | 拓扑先定、任务硬套 |
| 故障半径清楚 | 知道单点在哪 | 以为无中心就无风险 |
| 与委托仲裁配套 | 拓扑支持上层动作 | 拓扑与仲裁打架 |
判据第一条是"谁拍板必须能指出来",判据第四条才是关键:去中心拓扑的故障半径小,但层级拓扑的单点必须显式承认并冗余。 判据第五条是 9.1 与 10 章的接缝——拓扑选定后,委托怎么走、仲裁怎么裁,是同一个设计决策的两半。
小结
- 四种拓扑对应四种决策模型:层级收敛、市场竞价、黑板汇聚、群体扁平。
- 拓扑直接决定消息量级与通信对数量。
- 决策归属是拓扑最鲜明的指纹,有中心就有归属。
- 拓扑跟着任务特征走,任务特征决定连接方式。
- 决策集中的拓扑故障半径大,选拓扑时要认清单点。
阅读导航:上一节:8.3 审计、软删与清除 · 下一节:9.2 通信成本与扇出 。
常见错误与边界
- 把拓扑当实现细节。 连接方式决定消息量、决策归属与故障半径,是第一个架构决策。
- 以为去中心就无风险。 群体没有单点,但也没有收敛点,决策质量没人兜底。
- 拓扑与任务硬套。 需要负责人兜底的任务用群体,没人拍板。
- 只看消息数不看决策质量。 群体消息最少但不代表决策强。
- 拓扑与仲裁脱节。 消息流向和意见裁决是同一个设计的两半,不能分开拍脑袋。
继续阅读
探索更多技术文章
浏览归档,发现更多关于系统设计、工具链和工程实践的内容。