Handoff 模式（任务移交）

Handoff 模式（任务移交）

模式概述

Handoff（任务移交）是一种多 Agent 协作模式：当一个 Agent 发现当前任务超出自己的能力范围，它会主动把对话控制权和完整上下文一起交给另一个更合适的 Agent 继续处理。用户不需要重新描述问题，新 Agent 接手后就能无缝接续工作。

这个模式最早由 OpenAI 在 2024 年 10 月发布的实验性框架 Swarm 中提出并演示，后来被正式纳入 OpenAI Agents SDK（Swarm 的生产级升级版），Microsoft AutoGen、Semantic Kernel 等主流框架也都支持了这一模式。Handoff 在多 Agent 体系中的定位是对等分工型协作——每个 Agent 是平等的专家，通过主动移交而非中央调度来完成协作。

一句话概括：Agent 判断自己搞不定时，把"话筒"和"笔记本"一起递给更合适的 Agent。

核心模块

Handoff 模式由四个核心模块协作运转：

模块 1：能力评估

每个 Agent 都有明确的专业范围（比如"订单查询""退货处理""库存管理"）。当接收到用户请求时，Agent 需要判断：这个任务我能不能处理？

判断依据通常包括：

• 工具匹配：我有没有完成这个任务所需的工具
• 领域匹配：这个问题是否属于我的专业领域
• 置信度（Confidence，信心程度）：对自己能处理好这个任务的把握有多大

如果判断结果是"我搞不定"或"我只能搞定一部分"，就进入下一个模块。

模块 2：路由选择

确定要移交之后，需要选出最合适的目标 Agent。选择方式有三种常见做法：

• 规则匹配：预先定义好"退货需求 → 退货 Agent"这样的映射规则，简单直接
• LLM 推理：让模型根据任务描述和各 Agent 的能力说明，推理出最合适的目标
• 评分排序：对多个候选 Agent 打分，选最高分的

模块 3：上下文打包

这是 Handoff 区别于普通"转接电话"的关键。移交时不是只把用户的问题丢过去，而是把完整的信息包一起传递，通常包含：

• 完整的对话历史（用户说了什么、之前 Agent 回复了什么）
• 已收集的事实信息（比如"订单号是 xxx""产品已缺货"）
• 前一个 Agent 的推理过程（比如"我已经查了订单状态，发现需要退货处理"）

模块 4：控制权转移

系统把"当前活跃 Agent"切换为目标 Agent。在 OpenAI Agents SDK 中，这通过一个特殊的工具调用实现——Agent 调用 handoff() 函数，框架自动完成切换。新 Agent 成为对话的主角，可以继续回复用户或进一步调用自己的工具。

架构图

流程说明：

• Agent A 处理用户请求时，发现退货需求超出自己的范围，触发路由选择
• 路由选择确定 Agent B（退货专家）为目标，同时把上下文包传递过去
• Agent B 处理退货后，发现用户还需要库存预留，再次移交给 Agent C
• 每次移交都携带完整上下文，新 Agent 不需要用户重复提问

工作流程

1. 步骤 1（能力评估）： 当前 Agent 接收用户请求，分析任务是否在自己的专业范围内。如果能处理，直接执行并回复；如果不能（或只能处理一部分），进入步骤 2。
2. 步骤 2（选择目标）： 当前 Agent 根据任务特征，从可用的 Agent 列表中选出最合适的接手者。选择依据可以是预设规则、LLM 推理或评分排序。
3. 步骤 3（打包上下文）： 把对话历史、已收集的事实信息、自己的推理过程打包成结构化的信息包。
4. 步骤 4（执行移交）： 通过框架提供的 Handoff 机制，把控制权和上下文包一起交给目标 Agent。
5. 步骤 5（新 Agent 接管）： 目标 Agent 读取上下文包，理解前因后果，继续处理任务。如果它也搞不定剩余部分，可以再次执行步骤 2-4，形成链式移交。

循环终止条件：

• 某个 Agent 成功完成任务，返回最终答案
• 达到最大移交次数限制（通常 3-5 次），触发降级处理（如转人工）
• 所有相关 Agent 都尝试过仍无法处理，返回兜底提示

执行示例

用户问："我昨天下的订单一直没收到，想退货，但这个产品快缺货了，能不能帮我预留一个新的？"

第 1 阶段 —— 订单 Agent 处理

• 订单 Agent 查询订单状态：已发货，在途中
• 发现用户还要退货和预留新货，这两项超出自己的范围
• 打包已查到的订单信息，移交给退货 Agent

第 2 阶段 —— 退货 Agent 处理

• 退货 Agent 读取上下文，已知订单号和状态，无需重新查询
• 执行退货流程，生成退货单号 RMA-123
• 发现用户还要预留新货，这涉及库存管理，再次移交给销售 Agent

第 3 阶段 —— 销售 Agent 完成

• 销售 Agent 读取上下文，已知订单号、退货单号和产品信息
• 执行库存预留，生成预留单号 RES-456
• 整合所有结果，返回最终答案：退货已处理 + 新货已预留

三次移交，三个 Agent 各做自己擅长的事，用户全程只提了一个问题。

适用场景

适合的场景

1. 多部门分工的客服系统：电商、金融、电信等行业，客户问题常涉及多个部门（订单、退货、售后、投诉）。每个部门对应一个专业 Agent，通过 Handoff 自动路由，用户不需要手动转接。
2. 线性或树形的业务流程：保险理赔（信息采集 → 评估 → 审批 → 支付）、贷款审批、工单处理等，流程有明确的阶段划分，每个阶段由专业 Agent 负责。
3. 需要逐步精化的任务：内容创作流程（主题规划 Agent → 研究 Agent → 写作 Agent → 编辑 Agent），每个环节专注自己的专业。

不适合的场景

1. 开放式讨论或头脑风暴：任务边界模糊，无法明确分配，Handoff 容易变成"踢皮球"。这种场景更适合群聊模式（Group Chat）。
2. 需要多个 Agent 实时协作的任务：比如代码审查需要安全专家和性能专家同时发表意见，Handoff 的单向移交不够用，需要并行协作模式。
3. 极低延迟要求的场景：每次移交都有上下文打包和理解的开销，对毫秒级响应要求的系统不太合适。

典型实现

以下基于 OpenAI Agents SDK 展示 Handoff 的核心用法（基于 openai-agents 0.0.7+ 验证，截至 2025-03）：

# 环境准备：
# pip install openai-agents
# export OPENAI_API_KEY="your-api-key"

from agents import Agent, Runner, handoff, function_tool

# 定义各 Agent 的专用工具
@function_tool
def search_order(order_id: str) -> str:
    """根据订单号查询订单状态"""
    return f"订单 {order_id}: 已发货，在途中，预计明天送达"

@function_tool
def process_refund(order_id: str, reason: str) -> str:
    """处理退货申请"""
    return f"退货已受理，退货单号 RMA-{order_id}，退款 7 个工作日内到账"

@function_tool
def reserve_inventory(product_name: str) -> str:
    """为客户预留库存"""
    return f"已为您预留 {product_name}，预留有效期 30 天"

# 先声明 Agent（解决循环引用）
sales_agent = Agent(
    name="SalesAgent",
    instructions="你是库存管理专家，负责产品预留和库存查询。",
    tools=[reserve_inventory],
)

refund_agent = Agent(
    name="RefundAgent",
    instructions="你是退货专家，负责退货申请。如果用户还需要预留新货，移交给 SalesAgent。",
    tools=[process_refund],
    handoffs=[handoff(sales_agent)],  # 声明可以移交给 sales_agent
)

order_agent = Agent(
    name="OrderAgent",
    instructions="你是订单查询专家。如果用户需要退货，移交给 RefundAgent。",
    tools=[search_order],
    handoffs=[handoff(refund_agent), handoff(sales_agent)],
)

# 运行
result = Runner.run_sync(
    order_agent,
    "我昨天下的订单没收到，想退货，能帮我预留个新的吗？"
)
print(result.final_output)

代码结构对应 Handoff 的四个核心模块：每个 Agent 的 instructions 定义了能力边界（能力评估），handoffs 参数声明了可移交的目标（路由选择），框架自动处理上下文传递和控制权切换。开发者只需定义"谁能做什么"和"可以交给谁"，运行时的移交决策由 LLM 根据 instructions 自主完成。

优劣势分析

边界说明：Handoff 的优势在任务有明确分工边界时最明显。如果 Agent 之间的职责划分模糊，移交决策的准确性会显著下降。

与相关模式的对比

选择建议：

• 流程是线性或树形的（工单、审批、客服分流）→ 用 Handoff
• 需要一个总指挥来规划全局、分配子任务 → 用 Master-Worker
• 多个 Agent 需要自由讨论、互相启发 → 用 Group Chat

常见误区

思考题

参考资料

1. OpenAI Swarm 项目仓库（Handoff 模式的原始演示）：https://github.com/openai/swarm
2. OpenAI Agents SDK Handoffs 官方文档：https://openai.github.io/openai-agents-python/handoffs/
3. OpenAI "Orchestrating Agents: Handoffs & Routines" Cookbook：https://cookbook.openai.com/examples/orchestrating_agents
4. AutoGen Handoffs 设计模式文档：https://microsoft.github.io/autogen/dev/user-guide/core-user-guide/design-patterns/handoffs.html
5. Microsoft Semantic Kernel Handoff Agent Orchestration：https://learn.microsoft.com/en-us/semantic-kernel/frameworks/agent/agent-orchestration/handoff