到了实现层面,建议大家不要一上来就写得太复杂。先把最小结构搭出来,你对 SubAgent 这一套的理解会快很多。下面这张图就对应这一节代码里的几个核心对象。
![图片[1]-小节三:实现一个最小 SubAgentRunner——SubAgent 不是函数名,而是局部 Agent Runtime-大赛人网](https://www.dsrw.com/wp-content/uploads/2026/11/image-1719.png)
它把 SubAgentTask、SubAgentRegistry、SubAgentRunner 和 SubAgentResult 之间的关系串起来了。任务先被包装成结构化输入,Runner 再根据 agent_name 去注册表里加载对应的 SubAgent,执行完成后返回结构化结果。把这层关系看顺了,后面的代码就不容易写乱。
现在我们实现一个最小结构。
现在我们实现一个最小结构。
先定义:
SubAgentTask
SubAgentResult
SubAgent
SubAgentRunner
数据结构
from dataclasses import dataclass, field
@dataclass
class SubAgentTask:
task_id: str
goal: str
constraints: list[str] = field(
default_factory=list
)
@dataclass
class SubAgentResult:
task_id: str
agent_name: str
status: str
summary: str
findings: list[str] = field(
default_factory=list
)
SubAgent 接口
class SubAgent:
name = "base"
def run(
self,
task: SubAgentTask,
) -> SubAgentResult:
raise NotImplementedError
然后实现三个最小 Agent。
这段代码还没有真正 LLM Loop。
但接口已经建立。
真实版本里:
CodeAgent
TestAgent
ResearchAgent
内部都可以使用:
自己的 ContextBuilder
自己的 Tool Registry
自己的 RunGuard
自己的 Main Loop
这就是:
SubAgent 是局部 Harness。
为什么 SubAgent Result 要结构化?
如果只返回一大段自然语言:
Main Agent 很难判断
更好的结果至少有:
status
summary
findings
以后可以增加:
artifacts
errors
confidence
next_suggestion
这样 Main Agent 更容易汇总。
© 版权声明
文章版权归作者所有,未经允许请勿转载。
THE END

















请登录后查看评论内容