摘要在复杂的 AI Agent 系统中如何将大型任务拆解为可并行执行的子任务是提升系统吞吐量和推理质量的关键问题。Hermes Agent 作为 Nous Research 开发的开源自改进智能体框架其内置的delegate_task工具实现了一套完整的子代理生成、执行和结果回收机制。本文从源码层面深入分析该机制的架构设计、并发模型、权限控制和容错策略为 AI Agent 开发者提供可复用的工程范式参考。1. 系统定位与设计目标delegate_task是 Hermes Agent 工具系统中的一个核心工具注册在tools/delegate_tool.py约 2600 行其设计目标如下任务并行化将可独立执行的子任务分配给多个子代理同时处理上下文隔离每个子代理拥有独立的上下文窗口避免信息相互干扰权限收缩子代理的能力严格不超过父代理防止权限泄露有限递归支持嵌套委派orchestrator 模式但通过深度限制防止递归爆炸可观测性全程跟踪子代理状态支持中断、超时和进度汇报2. 触发机制delegate_task的调用完全由 LLM 自主决定。它作为一个普通的 function calling tool 注册在代理的工具列表中schema 描述如下{name:delegate_task,description:Spawn one or more child agents to handle delegated tasks in parallel...,parameters:{goal:单任务目标描述,tasks:批量任务数组 [{goal, context, toolsets, role}, ...],context:提供给子代理的背景信息,toolsets:指定子代理可用的工具集,role:leaf默认不可再委派或 orchestrator可再委派}}LLM 在对话过程中根据任务复杂度自主判断是否需要委派系统不进行硬编码规则干预。这一设计依赖于模型的指令跟随能力和 system prompt 中的引导说明。3. 核心架构3.1 进程模型Hermes 的子代理采用同进程多线程模型而非多进程或微服务架构主代理线程 │ ├── ThreadPoolExecutor(max_workers3) │ ├── 子代理线程 A → AIAgent.run_conversation() │ ├── 子代理线程 B → AIAgent.run_conversation() │ └── 子代理线程 C → AIAgent.run_conversation() │ └── 心跳线程定期向父代理报告子代理活性选择线程模型的原因在于AI Agent 的核心负载为 HTTP I/OLLM API 调用Python GIL 对 I/O 密集型任务的影响有限同进程模型便于共享 credential pool、tool registry 等全局状态。3.2 执行流程整体流程分为三个阶段阶段一构建子代理主线程childAIAgent(modeleffective_model,api_keyeffective_api_key,enabled_toolsetschild_toolsets,# 父工具集的子集max_iterationseffective_max_iter,# 从配置读取不接受 LLM 传参ephemeral_system_promptchild_prompt,# goal context workspaceskip_context_filesTrue,# 不加载项目上下文文件skip_memoryTrue,# 不加载/写入记忆quiet_modeTrue,# 静默输出)所有子代理在主线程中构建确保线程安全。_last_resolved_tool_names全局变量在构建前保存、构建后恢复防止子代理的工具解析污染父代理状态。阶段二线程池执行# 单任务直接执行ifn_tasks1:result_run_single_child(0,goal,child,parent_agent)# 多任务并行else:withThreadPoolExecutor(max_workersmax_concurrent)asexecutor:futures{executor.submit(_run_single_child,i,t[goal],child):ifori,t,childinchildren}# 带中断检测的轮询等待whilepending:done,pendingwait(pending,timeout0.5,return_whenFIRST_COMPLETED)并行执行时采用 0.5 秒轮询间隔的wait()而非阻塞式as_completed()目的是允许父代理中断信号及时传播。阶段三结果回收与汇总子代理执行完成后返回结构化结果{task_index:0,status:completed,# completed / failed / timeout / interruptedsummary:子代理的最终输出,api_calls:12,duration_seconds:45.3,exit_reason:completed,# completed / max_iterations / interruptedtokens:{input:15000,output:3000},tool_trace:[# 工具调用链{tool:terminal,args_bytes:45,result_bytes:1200,status:ok},{tool:read_file,args_bytes:30,result_bytes:5000,status:ok}]}父代理的 LLM 接收到该 JSON 后综合所有子代理结果生成最终回复。4. 权限控制模型4.1 工具集收缩子代理的可用工具严格为父代理工具集的子集child_toolsets[tfortinrequestediftinparent_toolsets]leaf 角色额外移除以下高风险工具被移除的工具原因delegate_task防止无限递归clarify子代理不能向用户提问memory防止并行写入导致记忆冲突send_message防止子代理向外部平台发送消息execute_code降低沙箱逃逸风险4.2 深度限制child_depthparent._delegate_depth1ifchild_depthmax_spawn_depth:# 默认 2# 拒绝委派返回错误orchestrator 角色允许子代理再次调用delegate_task但受限于全局深度上限可配置硬上限为 5。4.3 并发限制max_concurrent_childrenconfig.get(delegation.max_concurrent_children,3)iflen(tasks)max_concurrent_children:returnerror(Too many tasks)5. 容错与可靠性5.1 超时机制每个子代理有硬超时默认 300 秒通过Future.result(timeout)实现try:resultfuture.result(timeoutchild_timeout)exceptTimeoutError:child.interrupt()# 发送中断信号# 生成超时诊断报告0-API-call 超时子代理卡在凭证解析或网络连接阶段会额外写入诊断日志包含 Python 线程栈跟踪便于定位根因。5.2 心跳保活def_heartbeat_loop():whilenotstop_event.wait(interval):parent_agent._touch_activity(subagent working...)后台线程定期通知父代理子代理仍在工作防止 Gateway 层因检测到父代理无活动而终止整个会话。同时实现停滞检测如果子代理的迭代计数和当前工具连续多个周期无变化心跳线程主动退出允许 Gateway 超时机制介入。5.3 中断传播ifparent_agent._interrupt_requested:forchildinactive_children:child.interrupt()用户通过/stop命令中断父代理时信号自动传播到所有活跃子代理。6. 子代理的上下文特征子代理的设计哲学是一次性无状态工人特征父代理子代理Memory有加载 写入无skip_memoryTrueContext files加载 AGENTS.md 等不加载skip_context_filesTrue对话历史完整仅 goal context 字符串Session 持久化有无Skill 创建/更新可以不可以无 skill_manage 工具这一设计确保子代理轻量、可并行、不会产生副作用冲突。所有持久化决策是否存储记忆、是否创建 Skill集中在父代理一处。7. 工程启示基于对 Hermesdelegate_task实现的分析可提炼以下 AI Agent 子任务委派的设计原则权限只收不扩子代理能力必须为父代理的子集绝不允许权限升级硬超时是底线任何子代理执行必须有不可绕过的时间上限全局状态要隔离子代理构建/销毁时必须保存和恢复所有受影响的进程级共享状态结果收集要容错无论子代理成功、失败、超时还是被中断父代理都能拿到结构化的状态报告可观测性不可缺工具调用链、token 消耗、耗时、退出原因等诊断信息是调试复杂委派链的关键8. 结论Hermes Agent 的delegate_task机制展示了一种在单进程内实现多代理并行协作的工程方案。其核心优势在于在保持架构简洁无需消息队列或 RPC 框架的前提下通过线程池并发、权限收缩、超时熔断和心跳保活等手段实现了可靠的子任务委派能力。该设计对于构建生产级 AI Agent 系统具有较高的参考价值。本文基于 hermes-agent v0.15.1 源码分析项目地址https://github.com/NousResearch/hermes-agent