AgentScope 元规划器智能体：把三天的大活儿拆成四步，让 AI 自己盯进度

AgentScope 元规划器智能体：把三天的大活儿拆成四步，让 AI 自己盯进度

【免费下载链接】agentscopeBuild and run agents you can see, understand and trust.项目地址: https://gitcode.com/GitHub_Trending/ag/agentscope

接到一个大需求——比如三天内交出一份股票分析报告——多数人的第一反应是"这得拆成好几个任务分别做"。AgentScope 元规划器智能体（Meta Planner Agent）干的就是这件事：自动把大任务拆成可执行的小步骤，派给不同的工作智能体分工执行，跑挂了还能从断点续跑。这篇文章按一个任务从提交到完成的走向，讲讲它每一步实际在干什么。

没有它之前，一个任务是怎么"跑丢"的

先交代个背景：ReAct 是一种"思考→行动→观察"的循环，智能体每轮想一步、调一次工具、看一眼结果，再决定下一步。单看很好用，但把"调研股价、拉财报、对比同行、写报告"这种多阶段活儿整包丢给它，翻车姿势通常有三种：

• 想一口气十几轮全干完，上下文越挤越窄，后几步开始忘前面的事；
• 中途某个工具吐了超长输出，把关键信息冲没了；
• 跑到一半进程挂了，只能从头再来。

元规划器的思路，是把"项目经理"这个角色单独抽出来：它不亲自搬砖，负责拆活、排期、盯进度；真正动手的，是它按需雇出来的工作智能体。

任务提交后，它先做什么

三种规划模式，按活儿大小选

初始化时有一个planner_mode参数，决定任务走哪条路：

• dynamic：默认值。智能体自己判断复杂度，简单任务直接走 ReAct，复杂任务才启动规划流程；
• enforced：无论多简单都强制走规划，适合希望全程有路线图兜底的场景；
• disable：关掉规划能力，退化成普通 ReAct 智能体。

我的经验：小活儿用disable更省事，能省下一轮规划开销；enforced留给那些"必须留下路线图记录"的任务，别默认开着——规划本身也花 token。

拆活：先画路线图，再动手

进入规划模式后，核心动作是把用户输入拆成一组带依赖关系的子任务，落成一张可追踪进度的路线图（RoadmapManager 负责这件事），而不是一句口头清单。执行中如果某个子任务的结果和预期不符，路线图会被修订——相当于项目经理中途改排期，而不是硬着头皮按原计划走。

旁边还有一个会话笔记本（PlannerNoteBook），持续记录用户的原始输入和会话状态，保证拆出来的子任务不跑偏。

分活与工具：工作智能体和 MCP 怎么接

干活的是工作智能体池，由 WorkerManager 管，动作就两个：create_worker按需创建、execute_worker派发子任务。关键点在"按需"——不是提前雇一堆智能体待命，而是路线图推进到哪一步，才创建对应角色的 worker，干完即收。

每个工作智能体拿到的是完整工具集（worker_full_toolkit），除了 shell 执行、文件读写这类基础工具，还可以挂 MCP 客户端。MCP（Model Context Protocol）是给智能体接外部工具的一种标准协议，接一个搜索服务、一个文件系统服务器，写几行配置就能用，不用为每种工具单独写胶水代码。框架里的 MCP 客户端在 src/agentscope/mcp/，基础工具在 src/agentscope/tool/。

初始化参数不多，长这样：

agent = MetaPlanner( name="Task-Meta-Planner", model=claude_model, worker_full_toolkit=worker_toolkit, # 工作智能体的完整工具集 toolkit=planner_toolkit, # 元规划器自己的规划工具 agent_working_dir=working_dir, planner_mode="dynamic", )

注意两个 toolkit 是分开传的：元规划器自己只拿规划相关的工具，真正干活的工具全给 worker。这是它"不亲自搬砖"在代码上的体现。

任务中断后如何续跑

长任务最怕跑一半断掉。元规划器在每轮推理之后、每次行动之后，都会把当前状态落成 JSON 文件，写到state_saving_dir指定的目录里。中断之后，拿最近的有效状态文件就能接着跑：

python main.py --load_state ./agent-states/run-20250101120000/state-post_reasoning-20250101120001.json

状态模型和加载逻辑在 src/agentscope/state/ 里，想自定义保存策略可以从这里入手。

两个容易踩的坑 ⚠️

1. 工具输出太长，把上下文冲掉。搜索、读文件这类工具动辄返回几万字符。官方示例的做法是给工具响应加截断：单条响应超过约 40KB 就裁掉尾部。你如果接了会吐大数据的工具，记得加同样的保护。
2. 会话历史越积越大。规划模式本身就会多出不少轮次，长任务的内存占用很可观。除了用max_iters控制最大迭代次数防死循环，也建议定期清掉过期状态文件，别让它们无限堆。

更多模块细节可以看 docs/，完整可运行的示例集中在 examples/ 目录。

下一步建议：先跑通dynamic模式，拿一个三到四步的小任务验证拆活质量；确认路线图靠谱之后，再按需给 worker 工具集接 MCP 客户端，把搜索、文件这类能力补进来。

【免费下载链接】agentscopeBuild and run agents you can see, understand and trust.项目地址: https://gitcode.com/GitHub_Trending/ag/agentscope