大家好，我是Edison。

上一篇我们学习了Semantic Kernel中的群聊编排模式，它非常适合集思广益、协作解决问题等类型任务场景。今天，我们学习新的模式：移交编排。

移交编排模式简介

在移交（也可以叫做交接）编排模式中，允许各个Agent根据上下文或用户请求相互转移控制权，每个Agent都可以通过适当的专业知识将对话“移交”给另一个Agent，确保每个Agent处理任务的某个指定部分。这种模式非常适合于客户支持（客服）、专家系统或需要动态委派类型的任务场景。

下图展示了一个客户支持的用例场景，当用户提交售后请求，先由某个前台代理（这里是General Support）进行请求分析，并将具体请求转移给某个后台专家（如Technical Expert）或计费人员（如Billing）。

多Agent协作入门：移交编排模式

实现移交编排模式

这里我们来实现一个客户支持的DEMO，假设我们是一个电商的后台客服中心，我们找了一群AI Agent来帮我们进行一些订单查询、退款、退货等通用类请求的客户服务支持。

多Agent协作入门：移交编排模式

我们定义4个Agent：

（1）

分流客服Agent

：负责初步分流客户问题；

（2）

订单状态查询Agent

：负责处理客户的订单状态查询问题；

（3）

订单退货处理Agent

：负责处理客户申请的退货请求；

（4）

订单退款处理Agent

：负责处理客户申请的退款请求；

为了简单地实现这个功能，我们还是创建一个.NET控制台项目，然后安装以下包：

Microsoft.SemanticKernel.Agents.Core Microsoft.SemanticKernel.Agents.OpenAI (Preview版本） Microsoft.SemanticKernel.Agents.Orchestration (Preview版本） Microsoft.SemanticKernel.Agents.Runtime.InProcess (Preview版本）

需要注意的是，由于Semantic Kernel的较多功能目前还处于实验预览阶段，所以建议在该项目的csproj文件中加入以下配置，统一取消警告：

<PropertyGroup> <NoWarn>$(NoWarn);CA2007;IDE1006;SKEXP0001;SKEXP0110;OPENAI001</NoWarn> </PropertyGroup>

创建一个appsettings.json配置文件，填入以下关于LLM API的配置，其中API_KEY请输入你自己的：

{ "LLM": { "BASE_URL": "https://api.siliconflow.cn", "API_KEY": "******************************", "MODEL_ID": "Qwen/Qwen2.5-32B-Instruct" } }

这里我们使用SiliconCloud提供的 Qwen2.5-32B-Instruct 模型，你可以通过这个URL注册账号：https://cloud.siliconflow.cn/i/DomqCefW 获取大量免费的Token来进行本次实验。

有了LLM API，我们可以创建一个Kernel供后续使用，这也是老面孔了：

Console.WriteLine("Now loading the configuration..."); var config = new ConfigurationBuilder() .AddJsonFile($"appsettings.json", optional: false, reloadOnChange: true) .Build(); Console.WriteLine("Now loading the chat client..."); var chattingApiConfiguration = new OpenAiConfiguration( config.GetSection("LLM:MODEL_ID").Value, config.GetSection("LLM:BASE_URL").Value, config.GetSection("LLM:API_KEY").Value); var openAiChattingClient = new HttpClient(new OpenAiHttpHandler(chattingApiConfiguration.EndPoint)); var kernel = Kernel.CreateBuilder() .AddOpenAIChatCompletion(chattingApiConfiguration.ModelId, chattingApiConfiguration.ApiKey, httpClient: openAiChattingClient) .Build();

接下来，我们就一步一步地来看看核心的代码。

定义4个Agent

这里我们来定义4个Agent：

（1）

分流客服Agent：

负责初步分流客户问题；

var triageAgent = new ChatCompletionAgent() { Name = "TriageAgent", Description = "处理客户请求", Instructions = "一个负责分流客户问题的客服智能体", Kernel = kernel.Clone() };

（2）

订单状态查询Agent：

负责处理客户的订单状态查询问题；

var statusAgent = new ChatCompletionAgent() { Name = "OrderStatusAgent", Description = "一个负责查询订单状态的客服智能体", Instructions = "处理订单状态请求", Kernel = kernel.Clone() }; statusAgent.Kernel.Plugins.Add(KernelPluginFactory.CreateFromObject(new OrderStatusPlugin()));

（3）

订单退货处理Agent

：负责处理客户申请的退货请求；

var returnAgent = new ChatCompletionAgent() { Name = "OrderReturnAgent", Description = "一个负责处理订单退货的客服智能体", Instructions = "处理订单退货并记录退货原因（用户需确认原因：不想要了 或 7天无理由退换 或 没有时间消费）", Kernel = kernel.Clone() }; returnAgent.Kernel.Plugins.Add(KernelPluginFactory.CreateFromObject(new OrderReturnPlugin()));

（4）

订单退款处理Agent：

负责处理客户申请的退款请求；

var refundAgent = new ChatCompletionAgent() { Name = "OrderRefundAgent", Description = "一个负责处理订单退款的客服智能体", Instructions = "处理订单退款请求并记录退款原因（用户需确认原因：不想要了 或 7天无理由退换 或 没有时间消费）", Kernel = kernel.Clone() }; refundAgent.Kernel.Plugins.Add(KernelPluginFactory.CreateFromObject(new OrderRefundPlugin()));

需要注意的是：这里多个Agent都有使用Function Calling调用外部方法实现一些功能，所以在Kernel的设置处通过Clone方法实现隔离。

下面是这几个订单帮助的Plugin的定义：

public sealed class OrderRefundPlugin { [KernelFunction] public string ProcessReturn(string orderId, string reason) => $"订单 {orderId} 的退款申请已通过！退款理由：{reason}"; } public sealed class OrderReturnPlugin { [KernelFunction] public string ProcessReturn(string orderId, string reason) => $"订单 {orderId} 的退货申请已通过！退货理由：{reason} "; } public sealed class OrderStatusPlugin { [KernelFunction] public string CheckOrderStatus(string orderId) => $"订单 {orderId} 已发货 并将于 2-3日内送达！"; }

选择编排模式

这里我们选择的是群聊编排模式：HandoffOrchestration，除了将需要编排的4个Agent作为参数传递给它之外，我们还需要定义一个移交流程，让Agent知道他们应该如何实现交接。

var handoffs = OrchestrationHandoffs .StartWith(triageAgent) .Add(source: triageAgent, targets: [statusAgent, returnAgent, refundAgent]) // 分流客服可交接给状态、退货、退款智能体 .Add(source: statusAgent, target: triageAgent, "如非订单状态相关问题则交回分流客服") .Add(source: returnAgent, target: triageAgent, "如非退货相关问题则交回分流客服") .Add(source: refundAgent, target: triageAgent, "如非退款相关问题则交回分流客服");

同时，为了实现聊天记录的存储和监控，自定义一个Monitor类：

public sealed class OrchestrationMonitor { public ChatHistory History { get; } = new ChatHistory(); public ValueTask ResponseCallback(ChatMessageContent response) { History.Add(response); return ValueTask.CompletedTask; } }

最后，初始化移交编排：

// -- Create the HandoffOrchestration var orchestration = new HandoffOrchestration( handoffs, members: [triageAgent, statusAgent, returnAgent, refundAgent]) { Name = "CustomerSupportOrchestration", Description = "处理客户请求并根据问题类型交接给对应的智能体", InteractiveCallback = () => { var lastMessage = monitor.History.LastOrDefault(); Console.WriteLine($"# Agent: \n{lastMessage?.Content}\n"); Console.WriteLine($"# User:"); var userInput = Console.ReadLine(); Console.WriteLine(); var message = new ChatMessageContent(AuthorRole.User, userInput); monitor.History.Add(message); return ValueTask.FromResult(message); }, ResponseCallback = monitor.ResponseCallback };

启动运行时

在Semantic Kernel中，需要运行时（Runtime）才能管理Agent的执行，因此这里我们需要在正式开始前使用InProcessRuntime并启动起来。

// Start the Runtime var runtime = new InProcessRuntime(); await runtime.StartAsync();

调用编排并收集结果

准备工作差不多了，现在我们可以开始调用编排了。这也是老面孔代码了，不过多解释。

唯一需要注意的是：这里设置TimeSpan.FromSeconds(100*3)是为了给足对话时间。

// Start the Chat Console.WriteLine($"Welcome to use CustomerSupport!\n"); var task = "你好，我需要订单上的帮助"; Console.WriteLine($"# User: \n{task}\n"); try { // Invoke the Orchestration var result = await orchestration.InvokeAsync(task, runtime); // Collect Results from multi Agents var output = await result.GetValueAsync(TimeSpan.FromSeconds(100 * 3)); // Print the Results Console.WriteLine($"# 处理结果总结: \n{output}\n"); } catch (HttpOperationException ex) { Console.WriteLine($"Exception: {ex.Message}"); } finally { await runtime.RunUntilIdleAsync(); Console.WriteLine($"\n----------See you next time!----------"); Console.ReadKey(); }

上面的代码示例中我们给出的第一句话是：“