做AI自动化别塞满工具,先拆成几个小Agent

Google Developers 6 月 22 日发了一篇很工程的文章，但里面有个判断对轻量折腾 AI 自动化的人也很有用，别把所有工具都塞进一个超级 agent。

它用的例子是合同合规流水线。一个 Python agent 负责用 Gemini 抽取合同条款，一个 Go agent 负责按公司政策校验。中间靠 A2A 协议通信，再用 Google 的 ADK 编排。听起来技术味很重，但翻成人话就是，别让一个人又读合同、又写摘要、又查规则、又发邮件。

Google 文里提到一个很现实的问题，一个 agent 里工具多到 10 到 15 个以后，模型会开始漏指令、叫错工具、编参数。这个数字不一定是硬线，但方向我认同。工具一多，提示词就会变成杂物间。

不懂代码也能用这个拆法

比如你想做公众号自动化，不要写成「帮我找热点、查原文、写文章、做图、排版、上传、验证」。可以拆成几个小角色，找题只负责找题，核验只负责原文和日期，写稿只负责读者动作，上传只负责素材和草稿。

这样做的好处不是更高级，而是更容易发现哪一步错了。选题不好，就改选题 agent。来源不稳，就改核验规则。排版崩了，就只查排版脚本。比起一个大提示词全包，排错会舒服很多。

怎么开始拆

我会按输出物拆。每一步都要有一个明确交付，比如候选题表、来源清单、正文 JSON、图片清单、验证报告。只要输出物清楚，下一个 agent 才知道自己接什么。

如果你只是用 ChatGPT、Claude 或 Codex 做个人工作流，也可以先不用 A2A。先把一个长提示词拆成三段固定流程，每段都要求它停下来给结果。等流程稳定了，再考虑脚本化或者用真正的 agent 协议。

多智能体听起来很大，其实最实用的第一步很小。不要追一个万能 agent，先把一件重复工作拆成几个能单独检查的小任务。

如果这篇对你有用，请点赞、留言、转发。