上一篇介紹了用 Azure AI Agent Service 來快速的建立 AI Agent,在發文後沒幾天,微軟在 Build 2025 大會上又公布了新的功能,也就是支援 Agent2Agent (A2A),此功能讓我們可以快速的建立出一個 Multi-Agent,讓我們可以做出效果更好的 Agent,也可以重複利用 Agent,後面就來介紹如何實做。

說明
根據前一篇的範例,我們建立了一個 Agent 包含了一個薩爾達傳說的 RAG 資料和寵物店的 OpenApi,這次範例分別把這兩個項目各做成一個 Agent,建立好之後我們可以得到以下兩個 Agent,設定細節就不多說明,請參考上一篇的介紹,做好之後會如下圖。

準備好要串接的 Agent 之後,再來新增主 Agent 來串接做好的兩個 Agent。點選新增代理程式並且命名成 Multi-Agent,在右邊的設定會看到新增的連結的代理程式,點選新增來連結我們前面做好的兩個 Agent。

選擇前面建立的兩個 Agent,並且輸入描述,這邊描述的越清楚,Agent 在選擇要連結的 Agent 上就會更明確。

把兩個都設定好之後就可以來測試看看效果了。

一樣詢問薩爾達傳說的問題,也跟前面一樣有正確的回應我們要的答案,那要怎麼確認真的有呼叫我們設定的 Agent ?一樣可以點選檢視執行資訊,就可以看到呼叫的過程。

這邊我們就可以看到其中有一個步驟就是執行連接 Agent 的 Tool,以及回應的結果。

另一個 Agent 相關的問題也有正確的取得回應。

如此我們就可以很快速的完成了一個 Multi-Agent 了。
結論
過去我們要做 Agent 或是 Multi-Agent 都得撰寫不少程式碼,現在我們可以透過 Azure AI Agent 來快速建立 AI Agent,我們就可以專注在 Agent 的商業邏輯上面,可以快速的建立和驗證我們製作好的 Agent。
在範例裡面我把原本一個 Agent 的功能拆成兩個獨立的 Agent 再透過一個 Multi-Agent 來串接起來,可能情境上會比較無感,事實上是可以做成一個就好,所以下面也稍微整理一下,單一 Agent + Tool 和 Multi-Agent 的不同和適合的情境。
定義
項目 | Multi-Agent | 單一 Agent 支援多 Tool |
---|---|---|
定義 | 多個相對獨立的 Agent,各自有明確角色與職責,彼此協作完成任務。 | 一個 Agent 可以呼叫多個 Tool (Function),根據任務需要選擇適當工具使用。 |
架構 | 多 Agent 組成一個協作網路,通常需要溝通協定與協調機制。 | 單一 Agent 擁有 Tool 選擇邏輯與執行能力,所有邏輯集中處理。 |
優缺點比較
分類 | Multi-Agent | 單一 Agent + 多 Tool |
---|---|---|
模組化與擴充性 | 高,可各自開發與調整 Agent 功能。 | 中等,Tool 多但由單一 Agent 管理,擴充會增加複雜度。 |
任務分工 | 明確分工,各 Agent 負責不同子任務。 | 單一 Agent 需理解整體流程,並選擇工具來完成各部分。 |
維護與除錯 | 較好,問題易於隔離在某一 Agent。 | 較難,錯誤常集中在主 Agent 的流程邏輯或工具選擇上。 |
執行效率 | 若並行處理,效率高;否則溝通成本可能拉高延遲。 | 流程簡單時效率高,但複雜任務下可能成為瓶頸。 |
設計與管理成本 | 初期設計複雜,需要管理 Agent 間溝通與協作。 | 架構單一,設計成本低,但長期可能會越來越複雜而難以維護。 |
適用情境
情境類型 | 適用架構 |
---|---|
多步驟、需多角色參與任務 (如:專案管理、虛擬公司模擬) | Multi-Agent |
單一任務但需多工具支援 (如:資料查詢 + 生成 + 繪圖) | 單一 Agent 多 Tool |
需要強調責任分離與獨立測試 | Multi-Agent |
任務明確、流程固定、效能優先 | 單一 Agent 多 Tool |