1. 方案定位传统软件开发依赖人类团队成本高、周期长现有“单体Agent”试图独立完成所有工作但在复杂项目中面临上下文溢出、角色混淆、质量失控等问题。本方案旨在构建一个模拟正规软件公司运作的多Agent协作系统通过角色专业化、计划驱动、流水线协作、标准化工具接口及成本控制实现软件项目的半自主开发与高质量交付。人类从执行者转为监督者仅在关键节点介入。核心原则角色各司其职产品、架构、开发、测试、运维、项目管理多层计划树Plan Tree驱动层级越深计划越精准事件溯源保证状态可回溯、可审计MCP统一外部工具接口模型能力评分与任务路由动态角色转换精细化成本控制2. 总体架构2.1 架构分层层次组件说明交互层Web控制台、API、人类监督界面项目启动、里程碑审批、异常处理、监控协调层Orchestrator、事件总线任务调度、消息路由、状态同步Agent角色层7类专业Agent见3.1承担软件公司各岗位职责能力层Skill库、MCP Servers可复用能力单元、标准化外部接口模型治理层模型能力库、任务路由器模型评分、动态路由、成本预算持久化层事件存储、状态库、对象存储不可变日志、快照、产物归档2.2 架构图Mermaid图表3. 角色定义与职责多Agent分工协作才是更接近“软件公司正规军”的模式。在这种模式下项目具备自治性、可扩展性也更容易得到高质量产出。具体来说角色定义与职责分离可以为不同Agent分配精确角色如产品经理写PRD、架构师设计技术方案、开发写代码、测试写并执行测试用例、运维部署、项目经理拆解任务、协调进度。每个Agent专注自己的“岗位”有自己的提示词、工具和知识库。流程驱动而非意志驱动项目经理Agent根据PRD和技术方案自动创建任务板如ToDo、InProgress、Done。开发Agent只认领“待开发”状态的具体任务测试Agent只验证“待测试”的成果。流程明确、状态流转自动就像Jira在后台运行。明确的协作与沟通机制Agent之间通过标准化的消息总线通信如“需求变更通知”、“代码完成事件”、“测试报告”。开发Agent写完代码后不直接交版本而是通过“提交”事件触发测试Agent。需要人工决策时才上升到“项目经理”或“用户确认”。可落地的技术框架AutoGen微软原生支持多Agent对话与协作可定义GroupChat或Manager模式LangGraph适合构建状态机驱动的流程CrewAI则更接近于定义角色和任务流水线。当前完全可以基于这些框架搭建一个“虚拟软件公司”。与现有开发流程深度融合Agent的“代码提交”可以是一个真实的Git PR“测试报告”可以驱动CI/CD流水线。它们调用的是现有的工单系统、代码仓库、容器平台——Agent在工作流程在运转人只需要监督例外情况。角色核心职责计划树层级典型Skill默认模型一级产品经理产品路线图、里程碑、跨模块边界L1史诗/模块需求分析、路线图生成GPT-4-Turbo二级产品经理用户故事拆解、验收标准L2特性/故事故事拆分、标准模板Claude-3-Haiku架构师技术选型、接口设计、非功能保障跨层级约束技术方案生成、数据库建模GPT-4-Turbo项目经理计划树维护、原子任务拆解、依赖管理、分发L3原子任务关键路径计算、任务分发GPT-3.5-Turbo开发Agent代码实现、单元测试、自检L3开发任务代码生成、Git操作Llama-3-70B测试Agent功能/集成测试、缺陷上报L3测试任务测试用例生成、缺陷报告Claude-3-Haiku运维Agent环境配置、CI/CD、部署验证L3部署任务环境配置、健康检查GPT-3.5-Turbo模型分配最终由任务路由器根据实际任务难度和成本策略动态选择上表为默认推荐。4. 计划树Plan Tree设计4.1 层级定义L0项目根目标用户输入L1里程碑/史诗一级PM产出L2用户故事/特性二级PM产出L3原子任务项目经理拆解时长≤4小时有明确验收标准L4可选用于更细粒度子任务项目主线角色架构树多Agent虚拟软件公司│├── 管理层计划制定与拆解│ ├── 一级产品经理 Agent│ │ ├── 产出L1计划树史诗/模块│ │ ├── 职责产品路线图、里程碑、跨模块边界│ │ └── 向下将L1分解传递给二级PM 将非功能约束给架构师│ ││ ├── 二级产品经理 Agent│ │ ├── 产出L2计划树用户故事/特性│ │ ├── 职责细化验收标准、子系统内依赖│ │ └── 向下将L2计划树传递给项目经理│ ││ └── 架构师 Agent│ ├── 产出技术方案文档接口/数据库/非功能设计│ ├── 职责保障可扩展性、性能、安全性│ └── 向下将技术约束传递给项目经理│├── 执行层流水线工位│ ├── 项目经理 Agent│ │ ├── 输入L2计划树 技术方案│ │ ├── 产出L3原子任务开发/测试/部署│ │ ├── 职责维护计划树状态机、任务分发、依赖检测、阻塞上报│ │ └── 向下分发任务给开发/测试/运维Agent│ ││ ├── 开发 Agent│ │ ├── 输入L3开发任务含验收标准│ │ ├── 产出代码 单元测试│ │ ├── 职责实现功能、自检、提交代码事件│ │ └── 触发完成 → 通知测试Agent│ ││ ├── 测试 Agent│ │ ├── 输入L3测试任务 / 代码提交事件│ │ ├── 产出测试报告通过/缺陷│ │ ├── 职责功能测试、集成测试、回归测试│ │ └── 触发测试通过 → 通知项目经理发现缺陷 → 返回开发│ ││ └── 运维 Agent│ ├── 输入L3部署任务│ ├── 产出部署环境 健康检查报告│ ├── 职责配置CI/CD、部署到环境、冒烟测试│ └── 触发部署完成 → 通知项目经理│└── 监督与决策层└── 人类管理者├── 输入里程碑计划来自一级PM、用户故事来自二级PM、阻塞告警来自项目经理├── 决策审批计划树、处理无法自动解决的异常、最终发布审批└── 例外介入仅当Agent上报或定期评审时4.2 节点数据结构JSONjson{ id: T-123, parent_id: T-12, level: 3, title: 实现订单校验逻辑, type: development, status: todo, assignee_role: developer, assignee_instance: dev-agent-01, acceptance_criteria: [库存0可创建, 金额计算正确], dependencies: [T-122], difficulty: 6, estimate_hours: 2, cost_budget_cents: 50, created_at: 2026-05-25T10:00:00Z, updated_at: ..., artifacts: [commit_hash, test_report_id] }4.3 状态机与事件流转todo → in_progress → review → done → closed ↓ ↓ blocked rework每次状态变更生成不可变事件写入事件存储。5. Skill系统设计在虚拟化软件公司的多Agent架构中Skill技能扮演着“可复用的能力单元”角色。它类似于生产线上的专用工具或机器臂——Agent是工位上的操作工而Skill是工位配备的扳手、焊枪或视觉检测仪。每个Agent可以拥有多个Skill用于完成其职责范围内的具体操作。Skill的核心作用职责内聚避免重复造轮子将通用的能力如生成单元测试、解析JSON计划树、调用Git API封装为Skill供同类型Agent共享。例如所有开发Agent共用同一个“代码生成Skill”所有测试Agent共用“测试用例生成Skill”。降低Agent的认知负担Agent的提示词只需描述“用什么Skill完成什么任务”而不必详细书写实现步骤。Skill内部可以包含更复杂的逻辑、工具调用或子模型。便于升级与替换某个Skill如“代码审查”可以独立迭代升级后所有调用它的Agent自动获得增强能力无需修改Agent角色定义。精细控制成本与性能不同Skill可调用不同模型如快速小模型用于语法检查强大慢模型用于复杂代码生成也可缓存结果减少API调用。5.1 Skill定义Skill是Agent可调用的原子能力单元封装具体执行逻辑调用LLM、执行命令、访问MCP工具等。每个Agent拥有一个或多个Skill。5.2 核心Skill清单归属AgentSkill名称功能描述一级PM需求分析Skill将原始需求转为结构化L1节点二级PM故事拆分Skill将L1拆分为多个用户故事架构师接口设计Skill生成OpenAPI规范项目经理计划树解析Skill识别依赖和关键路径项目经理任务分发Skill将L3任务分配给合适的开发Agent开发Agent代码生成Skill根据验收标准生成代码开发Agent单元测试生成Skill生成并执行单元测试测试Agent测试用例生成Skill根据需求生成功能测试用例测试Agent缺陷报告Skill格式化缺陷单运维Agent环境配置Skill生成Dockerfile/k8s yaml5.3 Skill调用流程Agent接收任务 → 2. 选择Skill序列 → 3. Skill通过MCP获取上下文 → 4. 执行并返回结果 → 5. Agent封装事件6. MCP模型上下文协议集成6.1 作用MCP作为标准化工具接口使Agent以统一方式访问外部系统代码仓库、数据库、Jira、云API等解耦工具实现与Agent逻辑。6.2 典型MCP服务器服务器提供的工具使用者Git MCPclone, commit, create PR, get diff开发、项目经理Database MCP查询schema、执行只读SQL架构师、开发Jira MCP创建/更新任务、同步状态项目经理CI MCP触发流水线、查询状态运维、测试内部知识库MCP检索文档、代码规范所有Agent6.3 与Skill的关系Skill是执行策略可调用一个或多个MCP工具。MCP是能力接口提供原子操作如git_commit。示例deployment_skill调用k8s_mcp.apply_manifest和ci_mcp.trigger_build。7. 模型治理入库打分与动态路由7.1 模型能力评估维度维度描述评分方法代码生成正确性、可运行性、规范性HumanEval 内部测试集计划拆解高层需求拆解为子任务的质量人工评估WBS逻辑推理多步推理、依赖分析MMLU, GSM8K长上下文10K tokens处理能力大海捞针测试指令遵循严格按输出格式执行IFEval工具调用MCP/Skill调用成功率API测试响应速度tokens/秒实测成本效率每百万token价格厂商定价每个模型入库记录json{ model_id: gpt-4-turbo, capabilities: { code_gen: 9, plan_decomp: 8, ... }, cost_per_mt: 10.0, recommended_tasks: [architecture, complex_refactor], fallback_models: [gpt-3.5-turbo] }7.2 动态评分与淘汰静态基线定期运行标准测试集更新能力分。动态反馈任务完成后由下游Agent或人类对产出质量打分1-5加权更新能力分。淘汰连续低分模型自动降权移出高价值任务候选集。7.3 任务路由策略项目经理中的任务路由器根据任务类型、难度、预算选择最优模型pythondef select_model(task): candidates model_db.query(capabilities[task.type] task.difficulty) candidates filter(cost_per_mt task.budget) return sorted(candidates, keylambda m: m.cost_per_mt)[0]8. Agent快速角色转换8.1 需求场景负载均衡测试任务堆积时将空闲开发Agent临时转换为测试Agent。成本优化非紧急规划任务将一级PM Agent转换为二级PM使用更便宜模型。容错某角色Agent崩溃其他角色Agent填补。8.2 设计要点角色上下文分离每个Agent实例只是一个容器其提示词、Skill集、MCP权限、模型绑定均为可热插拔配置。角色模板库预置所有角色的标准配置prompt模板、skill列表、权限表存于数据库。角色转换管理器根据任务队列长度和成本策略动态决策转换。8.3 转换流程转换管理器向Agent发送切换请求from dev to testAgent保存当前未完成任务状态及上下文Agent从配置库加载新角色配置Agent重新初始化清空旧记忆载入角色专属记忆就绪后接收新任务8.4 成本权衡短期切换1小时保留原模型实例仅换prompt → 低成本长期切换卸载原模型加载目标模型可能涉及模型加载延迟5-10秒混合模式保留通用模型池角色仅绑定模型实例9. 存储与事件系统9.1 设计目标记录所有状态变更与Agent动作审计、重放、调试支持项目快照与回滚产物持久化9.2 存储组件组件技术选型存储内容事件存储PostgreSQL事件溯源表不可变事件任务状态变更、分配、产物提交状态快照PostgreSQL物化视图 JSON当前计划树完整状态产物存储MinIO / S3代码包、测试报告、部署日志对话日志MongoDBAgent间通信调试用模型能力库PostgreSQL模型评分、路由规则9.3 事件格式json{ event_id: 1001, event_type: task_status_changed, task_id: T-123, from_status: todo, to_status: in_progress, agent: project_manager, timestamp: 2026-05-25T10:05:00Z }9.4 回滚机制基于事件序号回滚指定事件点删除后续事件从最近快照重放至目标点。支持分支回滚保留主分支创建恢复分支用于试错。10. 成本控制综合策略10.1 精细化成本核算每个任务记录调用模型、token数、执行时间、质量评分。实时成本看板展示项目累计API费用、各角色消耗占比。10.2 分层模型路由核心省钱机制任务复杂度推荐模型成本$/MT预期占比低简单CRUD、格式化GPT-3.5-Turbo, Llama-3-8B0.560%中用户故事拆分、代码重构Claude-3-Haiku, Gemini 1.5 Flash230%高L1规划、复杂算法GPT-4-Turbo, Claude-3-Opus1510%10.3 缓存与复用语义缓存常见查询如项目规范使用向量数据库缓存避免重复LLM调用。计划树片段复用相似功能如CRUD接口的L3模板直接参数化复用。Skill结果缓存相同输入短时间内返回缓存结果。10.4 早期停止与超时每次LLM调用设置最大token限制如2048超出则截断并告警。循环检测连续重试3次仍未通过验证则升级给人类。10.5 混合使用开源模型私有化部署本地部署Llama-3-70B、Qwen-72B用于代码生成、测试用例生成等重复性任务。成本约为商业API的5-10%。11. 协作工作流端到端示例以“开发用户登录功能”为例人类输入“实现基于JWT的用户登录”一级PM产出L1节点“认证模块”二级PM产出L2故事“用户可使用邮箱密码登录获取token”架构师产出接口设计POST /auth/login、JWT配置项目经理拆解L3任务T1定义数据库schemaT2实现login APIT3编写测试用例T4部署验证任务路由器为T1选择Llama-3-70B低难度T2选择GPT-4-Turbo中等难度开发Agent实现代码并提交Git测试Agent执行测试通过后通知项目经理运维Agent部署到测试环境项目经理标记任务完成上报人类验收12. 技术栈建议AutoGen微软原生支持多Agent对话与协作可定义GroupChat或Manager模式LangGraph适合构建状态机驱动的流程CrewAI则更接近于定义角色和任务流水线。层次技术选项Agent框架Microsoft AutoGen / LangGraph模型接口OpenAI API / 本地vLLMLlama, Qwen事件总线Kafka / RabbitMQ数据库PostgreSQL pgvector对象存储MinIO缓存Redis Qdrant向量MCP实现Python MCP SDK前端控制台Next.js Tailwind部署Docker Kubernetes13. 实施路线图阶段一MVP2周核心4角色一级PM、项目经理、开发、测试计划树存储PostgreSQL状态机基础流转完成一个极简功能如用户登录端到端流程人工介入所有阻塞阶段二扩展角色1个月增加二级PM、架构师、运维Agent集成Git MCP和Database MCP实现阻塞检测与自动上报阶段三模型治理与成本控制2个月建立模型能力库与任务路由器实现分层路由、语义缓存接入本地开源模型阶段四高级特性持续Agent角色动态转换事件溯源与回滚Web界面多项目并行调度模型微调优化14. 风险与对策风险概率对策Agent幻觉导致错误计划中强制验收标准人类审批L1/L2事件存储性能瓶颈低分区存储历史事件归档多Agent通信延迟中异步消息队列非阻塞调用API成本失控低预算限额慢模型降级缓存代码版权中私有化部署开源模型人类审查15. 总结本方案构建了一个完整的多Agent虚拟软件开发公司涵盖角色专业化7类Agent各司其职计划驱动多层计划树保证精准执行能力复用Skill MCP标准化工具接口模型治理入库打分动态路由适配任务与成本灵活运营Agent角色动态转换可靠持久事件溯源快照回滚经济可行分层模型缓存开源模型成本可控制在传统团队的10%以内
多Agent虚拟开发：构造功能设想与开发方案（一）
发布时间：2026/5/27 2:36:29
1. 方案定位传统软件开发依赖人类团队成本高、周期长现有“单体Agent”试图独立完成所有工作但在复杂项目中面临上下文溢出、角色混淆、质量失控等问题。本方案旨在构建一个模拟正规软件公司运作的多Agent协作系统通过角色专业化、计划驱动、流水线协作、标准化工具接口及成本控制实现软件项目的半自主开发与高质量交付。人类从执行者转为监督者仅在关键节点介入。核心原则角色各司其职产品、架构、开发、测试、运维、项目管理多层计划树Plan Tree驱动层级越深计划越精准事件溯源保证状态可回溯、可审计MCP统一外部工具接口模型能力评分与任务路由动态角色转换精细化成本控制2. 总体架构2.1 架构分层层次组件说明交互层Web控制台、API、人类监督界面项目启动、里程碑审批、异常处理、监控协调层Orchestrator、事件总线任务调度、消息路由、状态同步Agent角色层7类专业Agent见3.1承担软件公司各岗位职责能力层Skill库、MCP Servers可复用能力单元、标准化外部接口模型治理层模型能力库、任务路由器模型评分、动态路由、成本预算持久化层事件存储、状态库、对象存储不可变日志、快照、产物归档2.2 架构图Mermaid图表3. 角色定义与职责多Agent分工协作才是更接近“软件公司正规军”的模式。在这种模式下项目具备自治性、可扩展性也更容易得到高质量产出。具体来说角色定义与职责分离可以为不同Agent分配精确角色如产品经理写PRD、架构师设计技术方案、开发写代码、测试写并执行测试用例、运维部署、项目经理拆解任务、协调进度。每个Agent专注自己的“岗位”有自己的提示词、工具和知识库。流程驱动而非意志驱动项目经理Agent根据PRD和技术方案自动创建任务板如ToDo、InProgress、Done。开发Agent只认领“待开发”状态的具体任务测试Agent只验证“待测试”的成果。流程明确、状态流转自动就像Jira在后台运行。明确的协作与沟通机制Agent之间通过标准化的消息总线通信如“需求变更通知”、“代码完成事件”、“测试报告”。开发Agent写完代码后不直接交版本而是通过“提交”事件触发测试Agent。需要人工决策时才上升到“项目经理”或“用户确认”。可落地的技术框架AutoGen微软原生支持多Agent对话与协作可定义GroupChat或Manager模式LangGraph适合构建状态机驱动的流程CrewAI则更接近于定义角色和任务流水线。当前完全可以基于这些框架搭建一个“虚拟软件公司”。与现有开发流程深度融合Agent的“代码提交”可以是一个真实的Git PR“测试报告”可以驱动CI/CD流水线。它们调用的是现有的工单系统、代码仓库、容器平台——Agent在工作流程在运转人只需要监督例外情况。角色核心职责计划树层级典型Skill默认模型一级产品经理产品路线图、里程碑、跨模块边界L1史诗/模块需求分析、路线图生成GPT-4-Turbo二级产品经理用户故事拆解、验收标准L2特性/故事故事拆分、标准模板Claude-3-Haiku架构师技术选型、接口设计、非功能保障跨层级约束技术方案生成、数据库建模GPT-4-Turbo项目经理计划树维护、原子任务拆解、依赖管理、分发L3原子任务关键路径计算、任务分发GPT-3.5-Turbo开发Agent代码实现、单元测试、自检L3开发任务代码生成、Git操作Llama-3-70B测试Agent功能/集成测试、缺陷上报L3测试任务测试用例生成、缺陷报告Claude-3-Haiku运维Agent环境配置、CI/CD、部署验证L3部署任务环境配置、健康检查GPT-3.5-Turbo模型分配最终由任务路由器根据实际任务难度和成本策略动态选择上表为默认推荐。4. 计划树Plan Tree设计4.1 层级定义L0项目根目标用户输入L1里程碑/史诗一级PM产出L2用户故事/特性二级PM产出L3原子任务项目经理拆解时长≤4小时有明确验收标准L4可选用于更细粒度子任务项目主线角色架构树多Agent虚拟软件公司│├── 管理层计划制定与拆解│ ├── 一级产品经理 Agent│ │ ├── 产出L1计划树史诗/模块│ │ ├── 职责产品路线图、里程碑、跨模块边界│ │ └── 向下将L1分解传递给二级PM 将非功能约束给架构师│ ││ ├── 二级产品经理 Agent│ │ ├── 产出L2计划树用户故事/特性│ │ ├── 职责细化验收标准、子系统内依赖│ │ └── 向下将L2计划树传递给项目经理│ ││ └── 架构师 Agent│ ├── 产出技术方案文档接口/数据库/非功能设计│ ├── 职责保障可扩展性、性能、安全性│ └── 向下将技术约束传递给项目经理│├── 执行层流水线工位│ ├── 项目经理 Agent│ │ ├── 输入L2计划树 技术方案│ │ ├── 产出L3原子任务开发/测试/部署│ │ ├── 职责维护计划树状态机、任务分发、依赖检测、阻塞上报│ │ └── 向下分发任务给开发/测试/运维Agent│ ││ ├── 开发 Agent│ │ ├── 输入L3开发任务含验收标准│ │ ├── 产出代码 单元测试│ │ ├── 职责实现功能、自检、提交代码事件│ │ └── 触发完成 → 通知测试Agent│ ││ ├── 测试 Agent│ │ ├── 输入L3测试任务 / 代码提交事件│ │ ├── 产出测试报告通过/缺陷│ │ ├── 职责功能测试、集成测试、回归测试│ │ └── 触发测试通过 → 通知项目经理发现缺陷 → 返回开发│ ││ └── 运维 Agent│ ├── 输入L3部署任务│ ├── 产出部署环境 健康检查报告│ ├── 职责配置CI/CD、部署到环境、冒烟测试│ └── 触发部署完成 → 通知项目经理│└── 监督与决策层└── 人类管理者├── 输入里程碑计划来自一级PM、用户故事来自二级PM、阻塞告警来自项目经理├── 决策审批计划树、处理无法自动解决的异常、最终发布审批└── 例外介入仅当Agent上报或定期评审时4.2 节点数据结构JSONjson{ id: T-123, parent_id: T-12, level: 3, title: 实现订单校验逻辑, type: development, status: todo, assignee_role: developer, assignee_instance: dev-agent-01, acceptance_criteria: [库存0可创建, 金额计算正确], dependencies: [T-122], difficulty: 6, estimate_hours: 2, cost_budget_cents: 50, created_at: 2026-05-25T10:00:00Z, updated_at: ..., artifacts: [commit_hash, test_report_id] }4.3 状态机与事件流转todo → in_progress → review → done → closed ↓ ↓ blocked rework每次状态变更生成不可变事件写入事件存储。5. Skill系统设计在虚拟化软件公司的多Agent架构中Skill技能扮演着“可复用的能力单元”角色。它类似于生产线上的专用工具或机器臂——Agent是工位上的操作工而Skill是工位配备的扳手、焊枪或视觉检测仪。每个Agent可以拥有多个Skill用于完成其职责范围内的具体操作。Skill的核心作用职责内聚避免重复造轮子将通用的能力如生成单元测试、解析JSON计划树、调用Git API封装为Skill供同类型Agent共享。例如所有开发Agent共用同一个“代码生成Skill”所有测试Agent共用“测试用例生成Skill”。降低Agent的认知负担Agent的提示词只需描述“用什么Skill完成什么任务”而不必详细书写实现步骤。Skill内部可以包含更复杂的逻辑、工具调用或子模型。便于升级与替换某个Skill如“代码审查”可以独立迭代升级后所有调用它的Agent自动获得增强能力无需修改Agent角色定义。精细控制成本与性能不同Skill可调用不同模型如快速小模型用于语法检查强大慢模型用于复杂代码生成也可缓存结果减少API调用。5.1 Skill定义Skill是Agent可调用的原子能力单元封装具体执行逻辑调用LLM、执行命令、访问MCP工具等。每个Agent拥有一个或多个Skill。5.2 核心Skill清单归属AgentSkill名称功能描述一级PM需求分析Skill将原始需求转为结构化L1节点二级PM故事拆分Skill将L1拆分为多个用户故事架构师接口设计Skill生成OpenAPI规范项目经理计划树解析Skill识别依赖和关键路径项目经理任务分发Skill将L3任务分配给合适的开发Agent开发Agent代码生成Skill根据验收标准生成代码开发Agent单元测试生成Skill生成并执行单元测试测试Agent测试用例生成Skill根据需求生成功能测试用例测试Agent缺陷报告Skill格式化缺陷单运维Agent环境配置Skill生成Dockerfile/k8s yaml5.3 Skill调用流程Agent接收任务 → 2. 选择Skill序列 → 3. Skill通过MCP获取上下文 → 4. 执行并返回结果 → 5. Agent封装事件6. MCP模型上下文协议集成6.1 作用MCP作为标准化工具接口使Agent以统一方式访问外部系统代码仓库、数据库、Jira、云API等解耦工具实现与Agent逻辑。6.2 典型MCP服务器服务器提供的工具使用者Git MCPclone, commit, create PR, get diff开发、项目经理Database MCP查询schema、执行只读SQL架构师、开发Jira MCP创建/更新任务、同步状态项目经理CI MCP触发流水线、查询状态运维、测试内部知识库MCP检索文档、代码规范所有Agent6.3 与Skill的关系Skill是执行策略可调用一个或多个MCP工具。MCP是能力接口提供原子操作如git_commit。示例deployment_skill调用k8s_mcp.apply_manifest和ci_mcp.trigger_build。7. 模型治理入库打分与动态路由7.1 模型能力评估维度维度描述评分方法代码生成正确性、可运行性、规范性HumanEval 内部测试集计划拆解高层需求拆解为子任务的质量人工评估WBS逻辑推理多步推理、依赖分析MMLU, GSM8K长上下文10K tokens处理能力大海捞针测试指令遵循严格按输出格式执行IFEval工具调用MCP/Skill调用成功率API测试响应速度tokens/秒实测成本效率每百万token价格厂商定价每个模型入库记录json{ model_id: gpt-4-turbo, capabilities: { code_gen: 9, plan_decomp: 8, ... }, cost_per_mt: 10.0, recommended_tasks: [architecture, complex_refactor], fallback_models: [gpt-3.5-turbo] }7.2 动态评分与淘汰静态基线定期运行标准测试集更新能力分。动态反馈任务完成后由下游Agent或人类对产出质量打分1-5加权更新能力分。淘汰连续低分模型自动降权移出高价值任务候选集。7.3 任务路由策略项目经理中的任务路由器根据任务类型、难度、预算选择最优模型pythondef select_model(task): candidates model_db.query(capabilities[task.type] task.difficulty) candidates filter(cost_per_mt task.budget) return sorted(candidates, keylambda m: m.cost_per_mt)[0]8. Agent快速角色转换8.1 需求场景负载均衡测试任务堆积时将空闲开发Agent临时转换为测试Agent。成本优化非紧急规划任务将一级PM Agent转换为二级PM使用更便宜模型。容错某角色Agent崩溃其他角色Agent填补。8.2 设计要点角色上下文分离每个Agent实例只是一个容器其提示词、Skill集、MCP权限、模型绑定均为可热插拔配置。角色模板库预置所有角色的标准配置prompt模板、skill列表、权限表存于数据库。角色转换管理器根据任务队列长度和成本策略动态决策转换。8.3 转换流程转换管理器向Agent发送切换请求from dev to testAgent保存当前未完成任务状态及上下文Agent从配置库加载新角色配置Agent重新初始化清空旧记忆载入角色专属记忆就绪后接收新任务8.4 成本权衡短期切换1小时保留原模型实例仅换prompt → 低成本长期切换卸载原模型加载目标模型可能涉及模型加载延迟5-10秒混合模式保留通用模型池角色仅绑定模型实例9. 存储与事件系统9.1 设计目标记录所有状态变更与Agent动作审计、重放、调试支持项目快照与回滚产物持久化9.2 存储组件组件技术选型存储内容事件存储PostgreSQL事件溯源表不可变事件任务状态变更、分配、产物提交状态快照PostgreSQL物化视图 JSON当前计划树完整状态产物存储MinIO / S3代码包、测试报告、部署日志对话日志MongoDBAgent间通信调试用模型能力库PostgreSQL模型评分、路由规则9.3 事件格式json{ event_id: 1001, event_type: task_status_changed, task_id: T-123, from_status: todo, to_status: in_progress, agent: project_manager, timestamp: 2026-05-25T10:05:00Z }9.4 回滚机制基于事件序号回滚指定事件点删除后续事件从最近快照重放至目标点。支持分支回滚保留主分支创建恢复分支用于试错。10. 成本控制综合策略10.1 精细化成本核算每个任务记录调用模型、token数、执行时间、质量评分。实时成本看板展示项目累计API费用、各角色消耗占比。10.2 分层模型路由核心省钱机制任务复杂度推荐模型成本$/MT预期占比低简单CRUD、格式化GPT-3.5-Turbo, Llama-3-8B0.560%中用户故事拆分、代码重构Claude-3-Haiku, Gemini 1.5 Flash230%高L1规划、复杂算法GPT-4-Turbo, Claude-3-Opus1510%10.3 缓存与复用语义缓存常见查询如项目规范使用向量数据库缓存避免重复LLM调用。计划树片段复用相似功能如CRUD接口的L3模板直接参数化复用。Skill结果缓存相同输入短时间内返回缓存结果。10.4 早期停止与超时每次LLM调用设置最大token限制如2048超出则截断并告警。循环检测连续重试3次仍未通过验证则升级给人类。10.5 混合使用开源模型私有化部署本地部署Llama-3-70B、Qwen-72B用于代码生成、测试用例生成等重复性任务。成本约为商业API的5-10%。11. 协作工作流端到端示例以“开发用户登录功能”为例人类输入“实现基于JWT的用户登录”一级PM产出L1节点“认证模块”二级PM产出L2故事“用户可使用邮箱密码登录获取token”架构师产出接口设计POST /auth/login、JWT配置项目经理拆解L3任务T1定义数据库schemaT2实现login APIT3编写测试用例T4部署验证任务路由器为T1选择Llama-3-70B低难度T2选择GPT-4-Turbo中等难度开发Agent实现代码并提交Git测试Agent执行测试通过后通知项目经理运维Agent部署到测试环境项目经理标记任务完成上报人类验收12. 技术栈建议AutoGen微软原生支持多Agent对话与协作可定义GroupChat或Manager模式LangGraph适合构建状态机驱动的流程CrewAI则更接近于定义角色和任务流水线。层次技术选项Agent框架Microsoft AutoGen / LangGraph模型接口OpenAI API / 本地vLLMLlama, Qwen事件总线Kafka / RabbitMQ数据库PostgreSQL pgvector对象存储MinIO缓存Redis Qdrant向量MCP实现Python MCP SDK前端控制台Next.js Tailwind部署Docker Kubernetes13. 实施路线图阶段一MVP2周核心4角色一级PM、项目经理、开发、测试计划树存储PostgreSQL状态机基础流转完成一个极简功能如用户登录端到端流程人工介入所有阻塞阶段二扩展角色1个月增加二级PM、架构师、运维Agent集成Git MCP和Database MCP实现阻塞检测与自动上报阶段三模型治理与成本控制2个月建立模型能力库与任务路由器实现分层路由、语义缓存接入本地开源模型阶段四高级特性持续Agent角色动态转换事件溯源与回滚Web界面多项目并行调度模型微调优化14. 风险与对策风险概率对策Agent幻觉导致错误计划中强制验收标准人类审批L1/L2事件存储性能瓶颈低分区存储历史事件归档多Agent通信延迟中异步消息队列非阻塞调用API成本失控低预算限额慢模型降级缓存代码版权中私有化部署开源模型人类审查15. 总结本方案构建了一个完整的多Agent虚拟软件开发公司涵盖角色专业化7类Agent各司其职计划驱动多层计划树保证精准执行能力复用Skill MCP标准化工具接口模型治理入库打分动态路由适配任务与成本灵活运营Agent角色动态转换可靠持久事件溯源快照回滚经济可行分层模型缓存开源模型成本可控制在传统团队的10%以内
