Skip to content

Google ADK Agent 设计模式 5 种

Google Agent Development Kit(ADK)总结了构建 Agentic AI 系统的 5 种核心设计模式,适用于单 Agent 到多 Agent 系统的架构选型。

来源:Choose a design pattern for your agentic AI system | Developer's guide to multi-agent patterns in ADK


1. Sequential Pipeline(顺序流水线)

别名:Assembly Line(装配线)

按预定义线性顺序执行一系列专门 Agent,上一个 Agent 的输出直接作为下一个 Agent 的输入。编排器基于预定义逻辑运行,无需 AI 模型参与编排决策。

A → B → C → D

适用场景:确定性工作流、文档处理链路、内容多阶段加工。

特点:简单可预测,易调试;适合步骤明确、顺序固定的场景。


2. Parallel Fan-Out/Gather(并行发散-聚合)

别名:Octopus(章鱼)

同时触发多个专门 Agent 并行执行,然后将各 Agent 的结果汇总/合成。适用于需要从多个维度分析或同时处理多个独立子任务。

        → Agent A ─┐
Coordinator → Agent B → 结果合并
        → Agent C ─┘

适用场景:多角度研究、多源信息聚合、批量内容生成后合并。

特点:高并发吞吐,侧重并行探索后聚合结果。


3. Coordinator/Dispatcher(协调-调度模式)

别名:Concierge(礼宾台)

一个中央调度 Agent 动态决定将任务分发给哪个专门 Agent。调度逻辑由 LLM 驱动,根据上下文自主选择下一步调用哪个子 Agent。

User → Coordinator(LLM 驱动)→ 按需调用子 Agent

适用场景:复杂多领域任务、需要动态判断调用哪个工具/专家的场景。

特点:高度动态灵活,但调度 Agent 成为单点复杂度。


4. Hierarchical Decomposition(层级分解)

别名:Russian Doll(俄罗斯套娃)

将复杂任务层层分解为子任务,每层由专门的 Agent 或 Agent 组处理。类似组织架构,上级管理下级的工作分配和结果汇总。

主 Agent
  ├── 子 Agent 群 A
  │     ├── 子 Agent A1
  │     └── 子 Agent A2
  └── 子 Agent 群 B
        ├── 子 Agent B1
        └── 子 Agent B2

适用场景:大型复杂项目、需要严格层级责任分工的企业级应用。

特点:强结构、可治理,适合大型团队分工协作。


5. Generator & Critic(生成-评审模式)

别名:Editor's Desk(编辑台)

一个 Agent 负责生成内容,另一个 Agent 负责评审/批判。评审结果反馈给生成器,循环迭代直到质量达标。

生成器 → 评审器 → 反馈 → 生成器(循环)
         ↓
       通过?

适用场景:代码审查、文案精修、质量敏感的内容生成。

特点:强制质量门禁,通过迭代循环逼近目标质量。


模式对比

模式灵活性复杂度适用场景
Sequential Pipeline确定性链式任务
Parallel Fan-Out/Gather并行探索+汇总
Coordinator/Dispatcher中高动态多领域任务
Hierarchical Decomposition大型复杂项目
Generator & Critic质量门禁场景

与 SKILL.md 编写模式的区别

维度SKILL.md 五种模式(Tool Wrapper、Generator、Reviewer、Inversion、Pipeline)ADK 五种 Agent 编排模式
关注点Skill 内部内容的组织方式Agent 之间的协作架构
层次指令/提示词设计层面系统架构层面
应用写好一个 Skill 的内容设计多 Agent 系统结构

两者可以组合使用:例如一个 Pipeline 模式的 Skill 可以内部使用 Reviewer 模式来质量检查。


参考链接

Released under the MIT License.