多Agent代码审查流水线：规划者、执行者、审查者三方协作

一、代码审查为什么需要多Agent？

单Agent做代码审查，容易陷入“自己写自己审”的盲区，遗漏关键问题。而 多Agent 协作正好弥补这一缺陷，通过不同视角互为补充：

• Planner（规划者）：分析需求，拆解任务 → 规划视角
• Executor（执行者）：执行编码或计算 → 执行视角
• Reviewer（审查者）：审查结果，提出改进 → 审计视角

三个视角互补，代码质量可以大幅提升。本文将以 Rust 语言为例，展示如何构建这样一条多Agent协作的代码审查流水线。

二、架构

流水线方向：Planner → Executor → Reviewer，任务依次传递，审查结果可反馈回 Executor 进行修正。

三、Coordinator：协作核心

Coordinator 是整条流水线的中枢，负责管理 Agent 注册、通信、死锁监控以及 Token 消耗追踪。其配置结构如下：

// 协调器配置 - 控制多Agent协作行为
#[derive(Debug, Clone)]
pub struct CoordinatorConfig {
    pub deadlock_detection: bool,       // 是否启用死锁检测
    pub deadlock_check_interval_ms: u64, // 死锁检测间隔
    pub default_timeout_ms: u64,        // 默认超时
    pub max_concurrent_tasks: usize,    // 最大并发任务数
    pub token_tracking: bool,           // 是否追踪Token
}

impl Default for CoordinatorConfig {
    fn default() -> Self {
        Self {
            deadlock_detection: true,
            deadlock_check_interval_ms: 1000,
            default_timeout_ms: 30000,
            max_concurrent_tasks: 10,
            token_tracking: true,
        }
    }
}

四、Coordinator 实现

核心的 Coordinator 结构体包含了消息总线、Token 追踪器和死锁监控器，并提供 register_agent、send_to_agent、record_token_usage 等关键方法：

// Coordinator - 管理一组Agent的核心组件
pub struct Coordinator {
    pub id: String,
    agents: HashMap<AgentId, Box<dyn Agent>>,
    message_bus: Arc<MessageBus>,          // 消息总线
    token_tracker: TokenTracker,           // Token追踪
    deadlock_monitor: Arc<DeadlockMonitor>, // 死锁监控
    config: CoordinatorConfig,
}

impl Coordinator {
    pub fn new(id: &str) -> Self { /* ... */ }

    // 注册Agent
    pub fn register_agent<A: Agent + 'static>(&mut self, agent: A) -> AgentId {
        let id = agent.id().clone();
        self.agents.insert(id.clone(), Box::new(agent));
        self.message_bus.subscribe(id.clone(), format!("agent:{}", id.0));
        id
    }

    // Agent间通信
    pub async fn send_to_agent(&self, from: &AgentId, to: &AgentId, msg: Message) -> Result<()> {
        if self.config.deadlock_detection {
            self.deadlock_monitor.record_wait(from.clone(), to.clone(), msg.id.clone());
        }
        self.message_bus.send(to, msg);
        Ok(())
    }

    // 记录Token消耗
    pub fn record_token_usage(&self, agent_id: &AgentId, input: u64, output: u64) {
        if self.config.token_tracking {
            self.token_tracker.record(agent_id, input, output);
        }
    }
}

五、完整工作流代码

下面是组装三个 Agent 并建立 Planner → Executor → Reviewer 流水线的完整示例：

// 完整的代码审查工作流
use agentflow::{Graph, Message, LLMFactory, Coordinator};

#[tokio::main]
async fn main() -> anyhow::Result<()> {
    // 创建工作流
    let mut graph = Graph::new("code-review-demo");
    let llm = LLMFactory::local_ollama("llama2");

    // 3个Agent各有专长
    let planner = graph.add_llm_agent(
        "planner", llm.clone(), "分析任务需求，规划执行步骤");
    let executor = graph.add_llm_agent(
        "executor", llm.clone(), "根据规划执行具体任务");
    let reviewer = graph.add_llm_agent(
        "reviewer", llm.clone(), "审查执行结果，提出改进建议");

    // 连线：规划→执行→审查
    graph.connect(planner, executor.clone());
    graph.connect(executor, reviewer);

    println!("Workflow: Planner -> Executor -> Reviewer");

    // 执行
    let result = graph.run(
        Message::user("实现一个简单的计算器程序")
    ).await?;

    println!("Success: {}", result.success);
    println!("Iterations: {}", result.iterations);
    Ok(())
}

六、CLI 入口

程序提供了 demo、run、status 三种运行模式，方便演示和调试：

// CLI入口 - 支持三种命令
async fn main() -> anyhow::Result<()> {
    let args: Vec<String> = env::args().collect();
    match args[1].as_str() {
        "run" => run_workflow(&args[2..]).await?,
        "demo" => run_demo().await?,
        "status" => print_status().await?,
        _ => print_usage(),
    }
    Ok(())
}

fn print_usage() {
    println!("Usage:");
    println!("  agentflow demo        - 运行演示工作流");
    println!("  agentflow run <file>  - 运行指定工作流文件");
    println!("  agentflow status      - 显示运行时状态");
}

七、cargo run 输出

执行 cargo run demo 后，控制台会输出各 Agent 的注册、连接信息以及最终执行结果：

$ cargo run demo
[INFO] Running demo workflow...
Workflow: Planner -> Executor -> Reviewer
[INFO] Starting graph 'code-review-demo' with 3 agents
[INFO] Agent 'planner' added
[INFO] Agent 'executor' added
[INFO] Agent 'reviewer' added
[INFO] Connected planner -> executor
[INFO] Connected executor -> reviewer

═══════════════════════════════════════════════════════════
Result:
  Success: true
  Iterations: 3

八、审查流水线对比

九、总结

1. Coordinator：实现 Agent 注册、通信、死锁检测和 Token 追踪，是流水线的控制中枢。
2. 流水线模式：Planner → Executor → Reviewer，多视角互补，显著提升审查质量。
3. CLI 入口：提供 demo / run / status 三种命令，便于使用和调试。
4. 内置死锁检测与 Token 监控，确保流水线安全可控。
5. 后续可扩展：添加 connect_loop 实现反馈循环，引入动态路由支持条件分支。

🚀 更多 Agent 开发实战经验，欢迎来云栈社区一起探讨。