Multi-Agent系统架构演进 - AI应用从被动响应进入主动决策、自主执行阶段，催生了Multi-Agent架构，任务由多个专业化Agent协同完成，不再依赖单一模型或固定流程[4] - Agentic AI具备自主规划能力，可将目标拆解为动态步骤，但规划依赖每一步的结果反馈，Supervisor需掌握完整结果链路以决定下一步行动[5] - 实现高效可靠协同的关键在于Agent能力发现与任务闭环，仅靠大模型推理能力不足[5] Agent协同核心机制 - Agent能力发现支持动态注册Agent能力（如数据分析、文案生成），并允许Supervisor Agent在运行时查询并选择合适的Sub Agent执行任务[6] - 能力发现是面向语义的能力和意图驱动匹配，由大模型处理能力识别和匹配，是实现智能分工的前提[6] - 任务协同中Supervisor Agent作为系统大脑，通过高层次协调管理将多个专业化Agent组织成有机整体，完成单个Agent无法胜任的复杂任务[7] Agent通信模式比较 - 轮询式通信定期主动查询其他Agent状态，实现简单但延迟高，频繁轮询浪费资源，难以处理动态拓扑变化[8] - 点对点通信主动调用另一个Agent接口，控制流明确且支持强一致性交互，但耦合度高，难以动态调整，不利于异步处理[8] - 发布-订阅模式将消息发布到特定主题，解耦调用和被调用者，易于扩展和水平伸缩[8] - 基于发布/订阅模式实现通信时较复杂，因主流分布式消息中间件主要面向静态编排业务场景，采用发完即忘模式，使得通信链路难以完成闭环[9] RocketMQ新特性设计 - RocketMQ推出带语义的Topic和Lite-Topic新特性，以Topic语义作为能力注册与发现基础，解决调用谁的问题，以Lite Topic动态绑定任务并等待结果消息，解决调用后异步获取结果的问题[10] - Topic不仅是消息主题命名和分类，更是业务意图与能力语义载体，通过自然语言描述与结构化元数据引入Topic定义，使其具备可读性、可发现性与可推理性[11][12] - Lite-Topic是在RocketMQ百万队列基础上设计的新类型Topic，无需预创建Topic和订阅关系，能自动管理生命周期，支持短期、小量消息传输和客户端订阅关系动态临时变化[13] 事件驱动消息分发机制 - 引入InterestSet + ReadySet的事件驱动模型，InterestSet维护客户端订阅关系，事件触发后分发到对应ReadySet，将传统盲目轮询转化为精准唤醒[20] - ReadySet就绪事件集合维护每个Client_ID的待读取Topic队列集合，存放当前有消息可读的Lite-Topic[15] - 事件驱动消息分发方式避免每次读请求遍历客户端所有订阅集合，实现大规模个性化订阅场景下的高效、低延迟消息分发[17][20] 异步Multi-Agent系统构建 - 通过Lite-Topic能力，Supervisor Agent集群中任何实例均可动态订阅Lite-Topic（以Task_id命名）来接收下游任务结果，实现任务闭环[21] - 保留Pull模型优势，客户端主动控制流控、避免过载，只需发起轻量Poll请求；同时引入Push语义效率，Broker主动告知哪些Topic有消息可读[22] - 结合语义化Topic的Agent能力注册与发现，构建面向Agentic AI的高效异步协同架构，包括能力注册与发现、语义驱动任务编排、轻量级异步任务分发与反馈、闭环驱动持续决策四个核心业务流程[24][25] - 该架构在保证系统松耦合和高扩展性同时，有效支持Multi-Agent场景下任务编排、结果反馈和多轮决策需求[27]