无耳 Solon (OpenSolon) | team - TeamAgent 构建您的 AI 数字团队

TeamAgent 是 Solon AI 实现 多智能体协作（Multi-Agent Collaboration） 的核心载体。它不仅是一个容器，更是一个高效的“项目经理”，负责在成员之间进行任务分发、进度协调和结果汇总。

1、为什么需要 TeamAgent？

面对复杂的工程问题，单一 Prompt 往往会因为上下文过长、任务目标重叠而导致模型性能下降或产生逻辑幻觉。TeamAgent 通过 “专人专项” 的设计哲学解决了这一问题：

专长分工：您可以创建一个由“市场调研专家”、“文案创意专家”和“合规性审计专家”组成的团队，每个 Agent 只关注自己的领域。
复杂度解耦：将一个庞大的任务拆分为多个子任务，由团队成员根据协作协议自动流转。
更高的成功率：研究表明，多智能体协作在处理多步任务时的成功率和准确度显著优于单个复杂 Agent。

计算示意图：

2、核心组成部分

成员管理 (Members)

一个团队由多个 Agent 实例组成。每个成员通过 name、role 和 profile 描述身份与能力；协作协议还会结合工具、状态、历史和协议指令进行路由与协作。

协作协议 (Protocols)

这是团队的“灵魂”，决定了成员之间如何打交道。Solon AI 内置了 8 大标准协议（其中一个为无协议）。

3、快速构建示例：创建一个“技术研发团队”

通过 Builder 模式，您可以像组建真实的办公室团队一样构建 TeamAgent：

// 1. 定义成员
ReActAgent coder = ReActAgent.of(chatModel).name("coder").role("负责编写代码").build();
ReActAgent tester = ReActAgent.of(chatModel).name("tester").role("负责编写和运行单元测试").build();

// 2. 组建团队
TeamAgent techTeam = TeamAgent.of(chatModel)
        .name("dev_group")
        .agentAdd(coder)  // 加入程序员
        .agentAdd(tester) // 加入测试员
        .protocol(TeamProtocols.SEQUENTIAL) // 设置协作规则为顺序流转
        .build();

// 3. 发布任务
String result = techTeam.prompt("帮我实现一个高效的排序算法并附带测试用例。").call().getContent();

4、深度可观测性 (Observability)

TeamTrace 记录团队协作轨迹、成员产出和协议状态；流式执行过程通过 AgentEvent 观察。它们都不应被描述为完整、无条件的模型思维链回放。团队流的事件边界如下：

TeamStartEvent / TeamEndEvent：Team 顶层边界；
NodeStartEvent / NodeEndEvent：成员节点边界；
成员内部的 Reason、Action 和 Tool 事件使用成员自己的运行标识；
并行节点下事件可能交错，不能按严格嵌套树直接还原。
任务分发路径：谁接到了任务？
流转逻辑：为什么基于 CONTRACT_NET 协议选择了智能体 B 而不是 A？
最终汇总：Leader 是如何整合各个成员反馈的？

5、企业级应用场景

智能客服集群：一级客服识别意图，分流给财务、物流或技术子 Agent 处理。
自动化软件研发：需求分析 Agent -> 架构设计 Agent -> 代码生成 Agent -> 测试 Agent。
金融风控审计：数据提取 Agent -> 风险评估 Agent -> 合规性校验 Agent -> 报告生成 Agent。

Solon AI 的 TeamAgent 支持嵌套调用。这意味着一个团队可以作为另一个更高级别团队的成员，从而构建出无限扩展的智能体组织架构（就像社会活动关系）。

Solon v4.1.0