0x00 前言
Eino ADK 参考 Google-ADK 的设计，提供了 Go 语言 的 Agents 开发的灵活组合框架，即 Agent、特别是是Multi-Agent 开发框架，并为多 Agent 交互场景沉淀了通用的上下文传递、事件流分发和转换、任务控制权转让、中断与恢复、通用切面等能力
Eino ADK 中的 Agent
Eino ADK 抽象设计：
type Agent interface {
Name(ctx context.Context) string
Description(ctx context.Context) string
Run(ctx context.Context, input *AgentInput) *AsyncIterator[*AgentEvent]
}
基于 Agent 抽象，ADK 提供了三大类基础拓展：
- ChatModel Agent: 应用程序的思考部分，利用 LLM 作为核心，理解自然语言，进行推理、规划、生成响应，并动态决定如何执行或使用哪些工具
- Workflow Agents：应用程序的协调管理部分，基于预定义的逻辑，按照自身类型（顺序 / 并发 / 循环）控制子 Agent 执行流程。Workflow Agents 产生确定性的，可预测的执行模式，不同于 ChatModel Agent 生成的动态随机的决策
- 顺序（Sequential Agent）：按顺序依次执行子 Agents
- 循环（Loop Agent）：重复执行子 Agents，直至满足特定的终止条件
- 并行（Parallel Agent）：并行执行多个子 Agents
- Custom Agent：通过接口实现自己的 Agent，允许定义高度定制的复杂 Agent
Eino 内置了几种开箱即用的 Multi-Agent 最佳范式：
- Supervisor: 监督者模式，监督者 Agent 控制所有通信流程和任务委托，并根据当前上下文和任务需求决定调用哪个 Agent
- Plan-Execute：计划-执行模式，Plan Agent 生成含多个步骤的计划，Execute Agent 根据用户 query 和计划来完成任务。Execute 后会再次调用 Plan，决定完成任务 / 重新进行规划（前文已介绍）
0x0 excel agent实现解读
graph TB
subgraph TOP["SequentialAgent (顶层入口)"]
direction TB
START_TOP((START))
subgraph PER["① plan_execute_replan (SequentialAgent)"]
direction TB
subgraph PLANNER["Planner (Chain)"]
P_IN["Input"] --> P_L1["Lambda: GenInputFn"]
P_L1 --> P_CM["ChatModel<br/>JSON Schema 输出"]
P_CM --> P_L2["Lambda: CollectStream"]
P_L2 --> P_L3["Lambda: Parse → Plan<br/>→ Session"]
end
subgraph LOOP["execute_replan (LoopAgent, ≤20轮)"]
direction TB
subgraph EXECUTOR["Executor (ChatModelAgent)"]
E_GEN["Lambda: GenModelInput<br/>plan + step + executed_steps"]
subgraph E_REACT["ReAct Graph"]
E_CM["ChatModel"] --> E_BR{"hasToolCalls?"}
E_BR -->|否| E_END["→ Output"]
E_BR -->|是| E_TN["ToolNode"]
E_TN -->|继续| E_CM
subgraph E_TOOLS["Tools"]
AT_CA["AgentTool:<br/>CodeAgent"]
AT_WS["AgentTool:<br/>WebSearchAgent"]
end
E_TN --- E_TOOLS
end
E_GEN --> E_REACT
end
subgraph REPLANNER["Replanner (Chain)"]
R_L1["Lambda: GenInput<br/>executed_steps +<br/>remaining_steps"]
R_CM["ChatModel<br/>ToolChoiceForced"]
R_L2["Lambda: CollectStream"]
R_DECIDE{"Lambda: 判断 ToolCall"}
R_L1 --> R_CM --> R_L2 --> R_DECIDE
R_DECIDE -->|create_plan| R_PLAN["更新 Plan → Session"]
R_DECIDE -->|submit_result| R_BREAK["BreakLoopAction"]
end
EXECUTOR --> REPLANNER
R_PLAN -->|"继续循环"| EXECUTOR
end
PLANNER --> LOOP
end
subgraph REPORT["② ReportAgent (ChatModelAgent)"]
direction TB
RP_GEN["Lambda: GenModelInput<br/>file_path + work_dir<br/>+ plan + files"]
subgraph RP_REACT["ReAct Graph"]
RP_CM["ChatModel"] --> RP_BR{"hasToolCalls?"}
RP_BR -->|否| RP_END["→ Output"]
RP_BR -->|是| RP_TN["ToolNode"]
RP_TN -->|继续| RP_CM
RP_TN -->|submit_result<br/>ReturnDirectly| RP_CVT["→ 直接返回"]
RP_CVT --> RP_END
subgraph RP_TOOLS["Tools"]
RPT1["bash"]
RPT2["tree"]
RPT3["read_file"]
RPT4["edit_file"]
RPT5["submit_result"]
RPT6["image_reader?"]
end
RP_TN --- RP_TOOLS
end
RP_GEN --> RP_REACT
end
START_TOP --> PER --> REPORT --> END_TOP((END))
end
subgraph CA_DETAIL["CodeAgent内部(ChatModelAgent)"]
CA_GEN["Lambda: GenModelInput<br/>working_dir + user_query"]
subgraph CA_REACT["ReAct Graph"]
CA_CM["ChatModel"] --> CA_BR{"hasToolCalls?"}
CA_BR -->|否| CA_END["→ Output"]
CA_BR -->|是| CA_TN["ToolNode"]
CA_TN -->|继续| CA_CM
CA_TN --- CA_T1["python_runner"]
CA_TN --- CA_T2["bash"]
CA_TN --- CA_T3["read_file"]
CA_TN --- CA_T4["edit_file"]
CA_TN --- CA_T5["tree"]
end
CA_GEN --> CA_REACT
end
AT_CA -.->|"展开"| CA_DETAIL
style TOP fill:#fafafa,stroke:#424242
style PER fill:#e3f2fd,stroke:#1565c0
style PLANNER fill:#e8f5e9,stroke:#2e7d32
style LOOP fill:#fff3e0,stroke:#e65100
style EXECUTOR fill:#fce4ec,stroke:#c62828
style E_REACT fill:#ffebee,stroke:#d32f2f
style REPLANNER fill:#fff9c4,stroke:#f9a825
style REPORT fill:#e0f7fa,stroke:#00838f
style RP_REACT fill:#e0f2f1,stroke:#00695c
style CA_DETAIL fill:#f3e5f5,stroke:#6a1b9a
style CA_REACT fill:#ede7f6,stroke:#4527a0
