第 11 章：多 Agent 模式：Graph 工作流

在 YouTube 观看

关于本课

本课程的视频是某个时间点的快照。Strands 一直在活跃开发中，所以本页展示的代码反映的是最新的模式，但视频里讲的概念依然适用。拿不准的时候，以代码为准。

本课代码：samples/11-graphs

对执行过程的确定性控制

Graph 和 workflow 让你能确定性地控制多 Agent 的执行过程。agents-as-tools 是由编排器动态决定流程，而这些模式不一样：执行顺序、依赖关系、并行分支都在事前定好。只要你能在白板上把工作流画出来，就该用它们。

Graph

每个节点都是一个完整的 Agent，边表示依赖关系。当一个节点的所有入边都满足时它才执行，哪些并行、哪些等待由 Graph 自己解析。

from strands import Agent
from strands.multiagent import GraphBuilder
from strands.vended_tools.web_fetch import web_fetch

researcher = Agent(
    name="researcher",
    system_prompt="Gather comprehensive information from the web.",
    tools=[web_fetch],
)

analyst = Agent(
    name="analyst",
    system_prompt="Identify patterns, trends, and key insights from research.",
)

summarizer = Agent(
    name="summarizer",
    system_prompt="Condense raw research into concise key points.",
)

report_writer = Agent(
    name="report_writer",
    system_prompt="Synthesize analysis and summaries into a final report.",
)

builder = GraphBuilder()
builder.add_node(researcher, "research")
builder.add_node(analyst, "analysis")
builder.add_node(summarizer, "summarize")
builder.add_node(report_writer, "report")

builder.add_edge("research", "analysis")
builder.add_edge("research", "summarize")   # analyst + summarizer run in parallel
builder.add_edge("analysis", "report")
builder.add_edge("summarize", "report")      # report waits for both

builder.set_execution_timeout(600)
graph = builder.build()

result = graph("Research the impact of AI on healthcare")

📂 basic_graph.py

数据流转：入口节点收到原始任务。下游节点收到原始任务，再加上来自各自依赖的带标签输出。用 invocation_state 传元数据（用户 ID、feature flag），这些信息不该暴露给模型。

常见形态：顺序流水线、并行扇出（如上例）、条件分支、循环反馈。如果你构造了环，要设置 set_max_node_executions，否则它会一直转下去。

核心概念

• 节点（Nodes） 是 Agent（也可以是任意可调用对象）。所有入边满足时它们才执行。
• 边（Edges） 定义依赖。从 A 到 B 的边意味着 B 要等 A。
• 并行扇出（Parallel fan-out）：彼此没有依赖的节点并发执行。
• 上下文传递：每一步都会收到前驱节点的输出。
• 适用场景：结构已知的流水线、fan-out/fan-in、需要保证执行顺序的工作流，以及需要审计轨迹的流程。

对比

模式	流程控制	最适合
Agents as Tools	编排器决定	可分离的领域、综合汇总
Graphs	由边定义	已知流水线、并行
Swarms	Agent 决定	未知序列、探索

参考资源

• 📖 Graph
• 📖 Workflow
• 📖 Multi-Agent Patterns 总览