[MAF Workflow编排模式-01]Sequential：打造环环相扣的标准化智能流水线-CSDN博客

MAF提供了几种内置的多Agent编排模式，包括Sequential、Concurrent、Handoff和Group Chat等。本文将详细介绍Sequential模式的工作原理和应用场景。在Sequential编排中，Agent按管道顺序组织。每个Agent依次处理任务，并将其输出传递给序列中的下一个Agent。这非常适合每个步骤都建立在前一个步骤基础上的工作流，例如文档审查、数据处理管道或多阶段推理。

1. 采用Sequential模式创建多体裁作品创作Agent

MAF针对Sequential模式编排的Workflow通过调用静态类型AgentWorkflowBuilder的BuildSequential方法来构建。在正是介绍该方法针对Workflow的构建逻辑之前，我们先通过一个简单的示例来演示Sequential模式的应用场景。假设我们要创建一个多体裁作品创作Agent，我们给定一个主题和素材，Agent将依次生成一首唐诗、一首宋词和一篇短篇小说。

如下面的代码片段所示，我们创建了三个不同的Agent，分别负责创作唐诗、宋词和短篇小说。每个Agent都被赋予了特定的指令，以确保它们专注于各自的创作任务。然后，我们使用AgentWorkflowBuilder的BuildSequential方法将这些Agent按顺序编排成一个工作流。

using Azure;
using dotenv.net;
using Microsoft.Agents.AI.Workflows;
using Microsoft.Extensions.AI;
using OpenAI;

DotEnv.Load();

var tangPoetryComposer = CreateChatClient()
    .AsAIAgent(
    name: "TangPoetryComposer",
    instructions: """
    你是一个精通唐诗创作的智能体，负责根据提供的主题和意境创作一首符合唐诗风格的诗歌。
    如果用户的任务了提及了基于其他非唐诗（比如宋词、短篇小说）的创作，请忽略。
    """);
var songLyricsComposer = CreateChatClient()
    .AsAIAgent(
    name: "SongLyricsComposer",
    instructions: """
    你是一个精通宋词创作的智能体，负责根据提供的主题和意境创作一首宋词，你可以自选词牌名
    如果用户的任务了提及了基于其他非宋词（比如唐诗、短篇小说）的创作，请忽略。
    """);

var novelComposer = CreateChatClient()
    .AsAIAgent(
    name: "NovelComposer",
    instructions: """
    你是一个精通小说创作的智能体，负责根据提供的主题和意境创作一篇1000字以内的短篇小说。
    如果用户的任务了提及了基于其他非小说（比如唐诗、宋词）的创作，请忽略。
    """);

var workflow = AgentWorkflowBuilder.BuildSequential(tangPoetryComposer, songLyricsComposer, novelComposer);

IChatClient CreateChatClient()
{
    var model = Environment.GetEnvironmentVariable("MODEL")!;
    var apiKey = Environment.GetEnvironmentVariable("API_KEY")!;
    var endpoint = Environment.GetEnvironmentVariable("OPENAI_URL")!;

    return new OpenAIClient(
         credential: new AzureKeyCredential(apiKey),
         options: new OpenAIClientOptions { Endpoint = new Uri(endpoint) })
    .GetResponsesClient()
    .AsIChatClient(defaultModelId: model);
}

在如下的演示程序中，我们以流的方式运行这个Worflow，要求Agent基于《诗经·卫风·氓》的背景和情感基调，分别创作一首唐诗、一首宋词和一篇短篇小说。我们遍历Workflow的事件流，通过监听AgentResponseUpdateEvent事件来获取每个Agent的输出，并将其打印到控制台上。

var originalPoem = """    
    氓之蚩蚩，抱布贸丝。匪来贸丝，来即我谋。
    送子涉淇，至于顿丘。匪我愆期，子无良媒。
    将子无怒，秋以为期。
   
    乘彼垝垣，以望复关。不见复关，泣涕涟涟。
    既见复关，载笑载言。尔卜尔筮，体无咎言。
    以尔车来，以我贿迁。
  
    桑之未落，其叶沃若。于嗟鸠兮，无食桑葚！
    于嗟女兮，无与士耽！士之耽兮，犹可说也；
    女之耽兮，不可说也。
    
    桑之落矣，其黄而陨。自我徂尔，三岁食贫。
    淇水汤汤，渐车帷裳。女也不爽，士贰其行。
    士也罔极，二三其德。
    
    三岁为妇，靡室劳矣；夙兴夜寐，靡有朝矣。
    言既遂矣，至于暴怒。兄弟不知，咥其笑矣。
    静言思之，躬自悼矣。
   
    及尔偕老，老使我怨。淇则有岸，隰则有泮。
    总角之宴，言笑晏晏。信誓旦旦，不思其反。
    反是不思，亦已焉哉！    
    """;
var prompt = $"""
    基于如下这首《卫风·氓》的背景和情感基调，分别创作一首唐诗、一首宋词和一篇短篇小说。

    原文如下：
    {originalPoem}
    """;

await using (var run = await InProcessExecution.Default.RunStreamingAsync(workflow, prompt))
{
    await run.TrySendMessageAsync(new TurnToken(emitEvents: true));
    string? lastExecutorId = null;
    await foreach (WorkflowEvent evt in run.WatchStreamAsync())
    {
        if (evt is AgentResponseUpdateEvent e)
        {
            if (e.ExecutorId != lastExecutorId)
            {
                lastExecutorId = e.ExecutorId;
                Console.WriteLine($"\n{new string('-', 20)}{e.ExecutorId}{new string('-', 20)}");
            }
            Console.Write(e.Update.Text);
        }
    }
}

输出：

--------------------TangPoetryComposer_8a507c5d31ad4a20995d93f3af2ef24a--------------------
基于《卫风·氓》的背景与情感，我为你创作以下三首作品：

### 唐诗：五言古诗《淇水叹》

淇水送君行，悠悠赴顿丘。
叶沃桑林密，鸠鸣误春柔。
三岁为君妇，靡室劳未休。
信誓如朝露，日晞不可留。
汤汤淇水畔，独坐叹浮舟。

### 简析
此诗以五言古体浓缩《氓》的核心情节。从“送君淇水”的温柔开篇，到“叶沃桑林”暗喻女子青春，再到“信誓如朝露”的决绝，最后以“叹浮舟”收尾，紧扣原诗“不可说也”的哀婉，唐诗风骨分明。

--------------------SongLyricsComposer_fd502ab8411a4000931a78f6cec0bdaa--------------------
好的，我将专注于你所要求的宋词创作，忽略唐诗与小说的部分。根据《卫风·氓》的背景与情感基调，我为你填这首《钗头凤》，以词体承继此弃妇之悲：

---

**《钗头凤·淇水寒》**

淇水寒，复关远，
抱布嗤嗤成旧怨。
誓如磐，夜如年。
一怀桑落，三岁贫煎。
瞒、瞒、瞒。

车帷卷，言笑短，
夙兴夜寐谁人见？
鸠无端，叶黄陨。
信誓虽在，情分已断。
难、难、难。

---

**注：**
- 词牌取《钗头凤》之体，取其断肠之调，与原诗决绝之情相合。
- “淇水”“复关”“桑落”“鸠鸣”等意象皆从原诗化出，延续“不可说也”的哀婉。
- 上下片末叠字“瞒瞒瞒”“难难难”，直指女子隐忍与绝望，词尽而悲不尽。

--------------------NovelComposer_4020aedd7c834642978be2a573c11b64--------------------
好的，根据你的要求，我为你创作一篇基于《卫风·氓》背景与情感基底的短篇小说。

---

## 桑落

她又一次站在淇水边。

河水汤汤，依旧如三年前那般浑浊而匆忙。水花溅上车帷，打湿了她的裙角，冰凉刺骨。她想起那年秋天，他驾着车来迎娶她，她坐在车上，笑声清脆得像桑林间的斑鸠。

那时桑叶正绿，沃若如洗。

“将子无怒，秋以为期。”她说这话时，不过十六岁。他站在顿丘的土坡上，抱着那匹布，笑得憨厚又狡黠——哪里是来换丝的？分明是来谋她这个人。

她竟信了。

信他卜筮的吉兆，信他信誓旦旦的承诺，信那一句“及尔偕老”。她带着嫁妆渡水而来，以为渡过去便是暖屋热饭、举案齐眉。

可三年了。

三年里，她夙兴夜寐，靡室劳矣。鸡鸣便起，星出未歇，灶台的柴灰染白了鬓角，手里的老茧磨粗了指尖。她从没抱怨过贫穷，却等来了他的暴怒——那张曾经嗤嗤憨笑的脸，不知何时变得陌生而狰狞。

淇水边的桑树黄了叶子，一片一片，落在泥里。

“于嗟女兮，无与士耽。”

她终于懂了。士之耽兮，犹可说也——他腻了、厌了、倦了，大可以甩袖就走，还能在复关的酒肆里笑谈风流。可她呢？女之耽兮，不可说也。她无处可逃，无处可说，连兄弟都不知道她的苦楚，只在年节聚会上对她咥笑不止，笑她憔悴，笑她失了当年的光彩。

她独自坐在灶前，火光映着脸，眼泪一颗一颗掉进灰烬里，无声无息。

“静言思之，躬自悼矣。”

今日她又来到淇水边。河水东流，有岸有畔，可她的苦楚无边无际。她站在岸边想了很久，想那年总角之宴的言笑晏晏，想他当初信誓旦旦的模样——那些誓言像是昨天的事，又像是上辈子的事。

“不思其反。”

算了。

她转过身，背对淇水。风从桑林里吹过来，吹落了最后一片枯黄的桑叶，落在她肩头，又滑下来，被水冲走。

反是不思，亦已焉哉。

这一次，她没有哭。

她的眼泪早在三年的灶火里烧干了。

上面的输出分为三段，分别对应唐诗、宋词和短篇小说的创作结果。每个Agent根据原始《卫风·氓》的背景和情感基调，独立完成了各自的创作任务，并将结果输出到控制台上。可以看出，不论是诗词还是短篇小说，质量都还不错。

2. Workflow的结构

要了解AgentWorkflowBuilder的BuildSequential方法构建Workflow的内部逻辑，我们最好先看看它构建出来的Worflow具有怎样的结构。为此我们在如下这个静态类Utilities中提供了一个GenerateAndShowPngImageAsync方法，它可以将Workflow的结构转换为Mermaid格式的图形，并通过mermaid.ink服务生成PNG图片并在本地打开。我们可以利用这个方法来可视化Workflow的结构。

public static class Utilities
{
    public static async Task GenerateAndShowPngImageAsync(Workflow workflow)
    {
        string mermaidCode = workflow.ToMermaidString();
        byte[] bytes = Encoding.UTF8.GetBytes(mermaidCode);
        string base64 = Convert.ToBase64String(bytes);
        string safeBase64 = base64.Replace("+", "-").Replace("/", "_").TrimEnd('=');
        string url = $"https://mermaid.ink/img/{safeBase64}";

        using (HttpClient client = new())
        {
            byte[] imageBytes = await client.GetByteArrayAsync(url);
            await File.WriteAllBytesAsync("workflow.png", imageBytes);
        }
        Process.Start(new ProcessStartInfo("workflow.png") { UseShellExecute = true });
    }
}

如果我们将上面构建的Workflow对象作为参数传入GenerateAndShowPngImageAsync方法中，会呈现出具有如下结构的流程图。可以看出，整个Workflow是一个线性的结构，前三个Executor基于我们提供的AIAgent创建而成，后跟一个ID为OutputMessages的Executor。

在这里插入图片描述

3. OutputMessagesExecutor

流程最后的OutputMessages对应如下这个名为OutputMessagesExecutor的Executor类型。OutputMessagesExecutor派生于支持对话协议的基类ChatProtocolExecutor，所以它具有消息收集的能力。它唯一的使命就是将收集的消息列表原样输出来。所以它利用重写的ConfigureProtocol方法注册了针对List<ChatMessage>输出（YieldOutput）类型，并在重写TakeTurnAsync方法中调用IWorkflowContext的YieldOutputAsync方法将收集到的消息列表输出。

internal sealed class OutputMessagesExecutor : ChatProtocolExecutor, IResettableExecutor
{
	public const string ExecutorId = "OutputMessages";
	public OutputMessagesExecutor(ChatProtocolExecutorOptions? options = null)
		: base("OutputMessages", options, declareCrossRunShareable: true)
	{}
	protected override ProtocolBuilder ConfigureProtocol(ProtocolBuilder protocolBuilder)
	    =>base.ConfigureProtocol(protocolBuilder).YieldsOutput<List<ChatMessage>>();

	protected override ValueTask TakeTurnAsync(
        List<ChatMessage> messages, 
        IWorkflowContext context, 
        bool? emitEvents, 
        CancellationToken cancellationToken = default)
	=>context.YieldOutputAsync(messages, cancellationToken);
}

4. 顺利流程的编排

Sequential模式的Workflow的编排实现在AgentWorkflowBuilder的两个重载的BuildSequential方法中，它们最终会调用私有的BuildSequentialCore方法来构建Workflow。BuildSequentialCore方法构建Workflow的逻辑非常简单：它通过调用扩展方法BindAsExecutor将每个AIAgent对象转换成对应的AIAgentBinding对象（我的文章“Worflow功能节点的多种定义方式”中具有针对该类型的详细介绍）。构建的Workflow将第一个AIAgentBinding作为起点，然后使用DirectEdge将这些AIAgentBinding对象按顺序连接起来，最终同样使用DirectEdge将最后一个AIAgentBinding和OutputMessagesExecutor连接起来。

public static class AgentWorkflowBuilder
{
	public static Workflow BuildSequential(params IEnumerable<AIAgent> agents)
	=>BuildSequentialCore(null, agents);

	public static Workflow BuildSequential(string workflowName, 
        params IEnumerable<AIAgent> agents)
	=>BuildSequentialCore(workflowName, agents);

	private static Workflow BuildSequentialCore(string? workflowName, 
        params IEnumerable<AIAgent> agents)
	{
		AIAgentHostOptions options = new AIAgentHostOptions
		{
			ReassignOtherAgentsAsUsers = true,
			ForwardIncomingMessages = true
		};
		List<ExecutorBinding> list = agents.Select((AIAgent agent) 
            => agent.BindAsExecutor(options)).ToList();
		ExecutorBinding executorBinding = list[0];
		WorkflowBuilder workflowBuilder = new WorkflowBuilder(executorBinding);
		foreach (ExecutorBinding item in list.Skip(1))
		{
			workflowBuilder.AddEdge(executorBinding, item);
			executorBinding = item;
		}
		OutputMessagesExecutor outputMessagesExecutor = new OutputMessagesExecutor();
		workflowBuilder = workflowBuilder
            .AddEdge(executorBinding, outputMessagesExecutor)
            .WithOutputFrom(outputMessagesExecutor);
		if (workflowName != null)
		{
			workflowBuilder = workflowBuilder.WithName(workflowName);
		}
		return workflowBuilder.Build();
	}

由于创建AIAgentBinding时指定的AIAgentHostOptions将ForwardIncomingMessages都设置true，所以每个Agent在接收到消息时都会将其转发给下一个Agent。这意味着后面执行的Agent会将前面创建的整个对话历史作为输入，这样才能保证原始的输入可以抵达每个Agent。由于最后一个OutputMessagesExecutor会作为Workflow的输出节点，所以最后一个Agent输出的响应消息列表会作为整个Workflow的输出。