Agent 的 actor 模型——异步消息与类型化运行时

问题

大多数 Agent 框架是同步的：一个 Agent 生产，另一个消费，都在同一个调用栈里。失败会炸掉整个栈。并发是后来硬加上去的。分布式需要重写。

AutoGen v0.4 的答案是 actor 模型。每个 Agent 是一个带私有收件箱的 actor。消息是唯一的交互方式。运行时把投递与处理解耦。失败被隔离在单个 actor 内。并发是原生的。分布式只是换一种传输方式。

概念

Actor

一个 actor 拥有：

• 私有状态（外部永远不能直接访问）。
• 一个收件箱（消息队列）。
• 一个处理器：receive(message) -> effects，effect 可以是「回复」「发送给其他 actor」「创建新 actor」「更新状态」「停止自身」。

两个 actor 不能共享内存。它们只能发送消息。

三层 API

AutoGen v0.4 把接口面分成三层：

1. Core。 底层 actor 框架。AgentRuntime、Agent、Message、Topic。异步消息交换，事件驱动。
2. AgentChat。 任务驱动的高层 API（取代 v0.2 的 ConversableAgent）。AssistantAgent、UserProxyAgent、RoundRobinGroupChat、SelectorGroupChat。
3. Extensions。 集成——OpenAI、Anthropic、Azure、工具、记忆。

为什么解耦很重要

在 v0.2 模型中，同步调用 agent_a.chat(agent_b) 会让 agent_a 阻塞，直到 agent_b 返回。在 v0.4 中，send(agent_b, msg) 把消息放进 agent_b 的收件箱，然后立即返回。运行时稍后投递。这带来三个后果：

• 故障隔离。 agent B 崩溃不会让 agent A 崩溃——运行时在 B 的处理器里捕获失败，并决定怎么处理（记录、重试、死信）。
• 天然并发。 同时有许多消息在途；actor 并发处理自己的收件箱。
• 天生适合分布式。 无论 actor 在进程内还是在另一台主机上，收件箱 + 传输都是同一个抽象。

拓扑

• RoundRobinGroupChat。 Agent 按固定顺序轮流执行。
• SelectorGroupChat。 选择器 Agent 根据对话上下文决定下一个是谁。
• Magentic-One。 面向网页浏览、代码执行、文件处理的参考多 Agent 团队，构建在 AgentChat 之上。

可观测性

内置 OpenTelemetry 支持。每条消息发出一个 span；Tool call 按 2026 年 OTel GenAI 语义约定（第 23 课）携带 gen_ai.* 属性。

状态：维护模式

2026 年初：AutoGen v0.7.x 对研究和原型开发来说是稳定的。微软已将活跃开发转移到 Microsoft Agent Framework，即生产级继任者（2025 年 10 月 1 日公开预览；1.0 GA 原定于 2026 年第一季度末）。AutoGen 的模式可以干净地向前移植——actor 模型才是持久的思想。

构建它

code/main.py 实现一个标准库 actor 运行时：

• Message —— 带类型的负载，包含 sender、recipient、topic、body。
• Actor —— 抽象类，含 receive(message, runtime)。
• Runtime —— 带共享队列、投递、故障隔离的事件循环。
• 双 actor 演示：ReviewerAgent 审查代码，ChecklistAgent 执行检查清单；两者交换消息直到达成共识。

运行它：

复制python3 code/main.py

trace 展示了消息投递、一个 actor 中的模拟故障（没有让另一个崩溃），以及收敛到共同结论。

使用它

• AutoGen v0.4/v0.7（维护模式）—— 对研究、原型和多 Agent 模式是稳定的。
• Microsoft Agent Framework —— 生产级继任者（2025 年 10 月公开预览）；在更新的 API 中保留了同样的 actor 模型思想。
• LangGraph swarm 拓扑（第 13 课）—— 通过共享工具交接的类似模式。
• 自建 actor 运行时 —— 当你需要特定的传输方式（NATS、RabbitMQ、gRPC）时。

交付它

outputs/skill-actor-runtime.md 为给定的多 Agent 任务生成一个最小 actor 运行时，外加团队模板（RoundRobin 或 Selector）。

练习

1. 增加死信队列：当处理器抛异常时，把失败的消息停放起来供人工检查。在你这个玩具里 DLQ 被命中的频率如何？
2. 实现 SelectorGroupChat：一个选择器 actor 根据对话状态决定谁来处理下一条消息。
3. 增加分布式传输：把进程内队列换成 JSON-over-HTTP 服务器，让 actor 可以运行在不同进程中。
4. 为每条消息接一个 OTel span（或空操作替身）。按第 23 课发出 gen_ai.agent.name、gen_ai.operation.name。
5. 阅读 AutoGen v0.4 的架构文章。把你的玩具移植到真正的 autogen_core API。你跳过了哪些在生产中很重要的东西？

关键术语

延伸阅读

• AutoGen v0.4，Microsoft Research —— 重新设计的文章
• LangGraph 概览 —— 图形态的替代方案
• OpenTelemetry GenAI 语义约定 —— AutoGen 默认发出的 span

示意图共 1 张