use rucora::agent::{SimpleAgent, ToolAgent};
use rucora::prelude::Agent;
use rucora::provider::OpenAiProvider;
use rucora::tools::{EchoTool, ShellTool};
use std::sync::Arc;
use tracing::{Level, info};
use tracing_subscriber::FmtSubscriber;
struct SupervisorAgent<P> {
#[allow(dead_code)]
provider: Arc<P>,
#[allow(dead_code)]
model: String,
experts: Vec<ExpertInfo>,
}
#[derive(Clone)]
struct ExpertInfo {
name: String,
specialty: String,
description: String,
}
impl<P> SupervisorAgent<P>
where
P: rucora_core::provider::LlmProvider + Send + Sync + 'static,
{
fn new(provider: Arc<P>, model: String) -> Self {
Self {
provider,
model,
experts: Vec::new(),
}
}
fn add_expert(mut self, name: String, specialty: String, description: String) -> Self {
self.experts.push(ExpertInfo {
name,
specialty,
description,
});
self
}
fn analyze_task(&self, task: &str) -> String {
format!(
"任务分析：{}\n\n可用专家:\n{}",
task,
self.experts
.iter()
.map(|e| format!(" - {} ({}): {}", e.name, e.specialty, e.description))
.collect::<Vec<_>>()
.join("\n")
)
}
}
#[tokio::main]
async fn main() -> anyhow::Result<()> {
dotenv::dotenv().ok();
let subscriber = FmtSubscriber::builder()
.with_max_level(Level::INFO)
.with_target(false)
.finish();
tracing::subscriber::set_global_default(subscriber)?;
info!("╔════════════════════════════════════════╗");
info!("║ rucora Supervisor Agent 示例 ║");
info!("╚════════════════════════════════════════╝\n");
if std::env::var("OPENAI_API_KEY").is_err() && std::env::var("OPENAI_BASE_URL").is_err() {
info!("⚠ 未设置 API 配置");
info!(" 使用 OpenAI: export OPENAI_API_KEY=sk-your-key");
info!(" 使用 Ollama: export OPENAI_BASE_URL=http://localhost:11434");
return Ok(());
}
let model_name = std::env::var("MODEL_NAME").unwrap_or_else(|_| "gpt-4o-mini".to_string());
info!("═══════════════════════════════════════");
info!("Supervisor 模式说明:");
info!("═══════════════════════════════════════");
info!("Supervisor（主管）负责:");
info!("1. 任务分析 - 理解任务需求");
info!("2. 任务分配 - 分配给合适的专家 Agent");
info!("3. 结果聚合 - 汇总各专家的结果");
info!("4. 质量把控 - 确保最终输出质量");
info!("═══════════════════════════════════════\n");
info!("═══════════════════════════════════════");
info!("创建主管 Agent");
info!("═══════════════════════════════════════\n");
info!("1. 创建 Provider...");
let provider = Arc::new(OpenAiProvider::from_env()?);
info!("✓ Provider 创建成功\n");
info!("2. 创建主管 Agent...");
let supervisor = SupervisorAgent::new(provider.clone(), model_name.clone())
.add_expert(
"对话专家".to_string(),
"自然语言处理".to_string(),
"擅长自然流畅的对话、心理咨询、客服问答".to_string(),
)
.add_expert(
"工具专家".to_string(),
"系统操作".to_string(),
"擅长使用 Shell、文件操作等工具完成任务".to_string(),
)
.add_expert(
"分析专家".to_string(),
"数据分析".to_string(),
"擅长数据分析、统计、报告生成".to_string(),
);
info!("✓ 主管 Agent 创建成功");
info!(" 注册了 {} 个专家\n", supervisor.experts.len());
info!("═══════════════════════════════════════");
info!("创建专家 Agent");
info!("═══════════════════════════════════════\n");
info!("1. 创建对话专家 (SimpleAgent)...");
let provider1 = OpenAiProvider::from_env()?;
let chat_expert = SimpleAgent::builder()
.provider(provider1)
.model(&model_name)
.system_prompt(
"你是对话专家，擅长：\n\
- 自然流畅的对话\n\
- 心理咨询和倾听\n\
- 客服问答\n\
请用友好、专业的语气回答。",
)
.build();
info!(" ✓ 对话专家创建成功\n");
info!("2. 创建工具专家 (ToolAgent)...");
let provider2 = OpenAiProvider::from_env()?;
let tool_expert = ToolAgent::builder()
.provider(provider2)
.model(&model_name)
.system_prompt(
"你是工具专家，擅长：\n\
- 使用 Shell 命令执行系统操作\n\
- 文件读写和管理\n\
- 执行具体任务\n\
请准确选择合适的工具完成任务。",
)
.tool(ShellTool::new())
.tool(EchoTool)
.max_steps(10)
.build();
info!(" ✓ 工具专家创建成功\n");
info!("3. 创建分析专家 (SimpleAgent)...");
let provider3 = OpenAiProvider::from_env()?;
let analysis_expert = SimpleAgent::builder()
.provider(provider3)
.model(&model_name)
.system_prompt(
"你是分析专家，擅长：\n\
- 数据分析和统计\n\
- 报告生成\n\
- 信息整理和总结\n\
请提供清晰、结构化的分析结果。",
)
.build();
info!(" ✓ 分析专家创建成功\n");
info!("═══════════════════════════════════════");
info!("Supervisor 模式架构:");
info!("═══════════════════════════════════════\n");
info!("```");
info!(" ┌─────────────┐");
info!(" │ Supervisor │");
info!(" │ (主管) │");
info!(" └──────┬──────┘");
info!(" │");
info!(" ┌────────────────┼────────────────┐");
info!(" │ │ │");
info!(" ▼ ▼ ▼");
info!(" ┌──────────┐ ┌──────────┐ ┌──────────┐");
info!(" │ Chat │ │ Tool │ │Analysis │");
info!(" │ Expert │ │ Expert │ │ Expert │");
info!(" │ (对话) │ │ (工具) │ │ (分析) │");
info!(" └──────────┘ └──────────┘ └──────────┘");
info!("```\n");
info!("═══════════════════════════════════════");
info!("演示任务 1: 主管分析任务");
info!("═══════════════════════════════════════\n");
let task1 = "帮我分析当前目录的文件结构";
info!("任务：\"{}\"\n", task1);
let analysis = supervisor.analyze_task(task1);
info!("主管分析:\n{}\n", analysis);
info!("═══════════════════════════════════════");
info!("演示任务 2: 工具专家执行任务");
info!("═══════════════════════════════════════\n");
info!("主管分配任务给工具专家...\n");
let tool_task = "列出当前目录的所有文件和子目录，使用 dir 命令";
info!("工具专家收到任务：\"{}\"\n", tool_task);
match tool_expert.run(tool_task.into()).await {
Ok(output) => {
let output: rucora_core::agent::AgentOutput = output;
if let Some(text) = output.text() {
info!("工具专家执行结果:\n{}\n", text);
}
}
Err(e) => {
info!("工具专家执行失败：{}\n", e);
}
}
info!("═══════════════════════════════════════");
info!("演示任务 3: 分析专家总结结果");
info!("═══════════════════════════════════════\n");
info!("主管分配任务给分析专家...\n");
let analysis_task = "根据以下文件列表，分析项目结构特点：\n\
- 这是一个 Rust 项目\n\
- 包含多个子 crate\n\
- 有完整的示例代码\n\
请总结项目特点。";
info!("分析专家收到任务：\"{}\"\n", analysis_task);
match analysis_expert.run(analysis_task.into()).await {
Ok(output) => {
let output: rucora_core::agent::AgentOutput = output;
if let Some(text) = output.text() {
info!("分析专家总结:\n{}\n", text);
}
}
Err(e) => {
info!("分析专家执行失败：{}\n", e);
}
}
info!("═══════════════════════════════════════");
info!("演示任务 4: 对话专家进行用户交互");
info!("═══════════════════════════════════════\n");
info!("主管分配任务给对话专家...\n");
let chat_task = "用户询问：'这个项目是做什么的？请用简单易懂的方式解释。'";
info!("对话专家收到任务：\"{}\"\n", chat_task);
match chat_expert.run(chat_task.into()).await {
Ok(output) => {
let output: rucora_core::agent::AgentOutput = output;
if let Some(text) = output.text() {
info!("对话专家回复:\n{}\n", text);
}
}
Err(e) => {
info!("对话专家执行失败：{}\n", e);
}
}
info!("═══════════════════════════════════════");
info!("Supervisor 工作流程总结:");
info!("═══════════════════════════════════════\n");
info!("1. 接收用户任务");
info!("2. 分析任务需求，识别需要的技能");
info!("3. 分配合适的专家 Agent 执行");
info!("4. 收集各专家结果");
info!("5. 聚合结果并返回给用户\n");
info!("═══════════════════════════════════════");
info!("使用场景:");
info!("═══════════════════════════════════════\n");
info!("1. 复杂项目:");
info!(" - 需要多角色协作");
info!(" - 任务需要分解");
info!(" - 各部分相互依赖\n");
info!("2. 多技能系统:");
info!(" - 不同 Agent 擅长不同领域");
info!(" - 例如：医疗 + 法律 + 财务");
info!(" - 根据问题类型路由\n");
info!("3. 任务分解:");
info!(" - 大任务分解为小任务");
info!(" - 并行执行子任务");
info!(" - 聚合最终结果\n");
info!("4. 质量保证:");
info!(" - 多层审核确保质量");
info!(" - 专家之间相互验证");
info!(" - 主管最终把关\n");
info!("═══════════════════════════════════════");
info!("示例完成！");
info!("═══════════════════════════════════════\n");
info!("📝 Supervisor Agent 总结：\n");
info!("1. Supervisor 优势:");
info!(" - 专业化分工 - 每个 Agent 做好擅长的事");
info!(" - 水平扩展 - 可以轻松添加新专家");
info!(" - 质量保证 - 多层审核确保质量");
info!(" - 灵活性强 - 动态调整专家组合\n");
info!("2. 实现挑战:");
info!(" - 任务分析准确性");
info!(" - 专家间通信开销");
info!(" - 结果冲突处理");
info!(" - 性能优化\n");
info!("3. 最佳实践:");
info!(" - 明确定义专家职责");
info!(" - 设计清晰的接口");
info!(" - 实现有效的冲突解决");
info!(" - 监控和优化性能\n");
info!("4. 本示例演示:");
info!(" - 创建主管 Agent 管理专家");
info!(" - 注册 3 个不同领域的专家");
info!(" - 主管分析任务并分配");
info!(" - 各专家执行专业任务");
info!(" - 展示完整的多 Agent 协作流程\n");
Ok(())
}