今天要為大家帶來「AI 全餐」的第 20 道菜：腦力激盪：Concurrent & Group Chat Orchestration。

在昨天的文章中，我們聊到了 Agent Orchestration 的重要性，以及它如何讓多個 AI 代理（Agent）像一個團隊一樣協作。今天，我們要親自動手，來看看兩種最常見的協作模式：並行模式（Concurrent） 和 群聊模式（Group Chat）。

想像一下，你是一位總鋪師，正在為一場盛大的宴會準備菜單。這時，客人問了一個棘手的問題：「什麼是溫度？」。這個問題看似簡單，但從不同角度看會有截然不同的答案。身為總鋪師，你決定把這個問題交給你的兩位頂級廚師：一位是專精物理學的「物理學家 Agent」，另一位則是精通化學的「化學家 Agent」。

Concurrent Orchestration：讓多位專家同時上菜

並行模式就像是一場烹飪競賽，你將問題同時分派給多位廚師，讓他們各自獨立思考並提出答案。這種模式的優點是效率高，可以同時獲得多個不同的觀點，非常適合需要快速收集資訊或處理多個子任務的場景。

在 Semantic Kernel 中，我們可以這樣實現：

using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Agents;
using Microsoft.Extensions.Configuration;
using Microsoft.SemanticKernel.ChatCompletion;
using Microsoft.SemanticKernel.Agents.Orchestration.Concurrent;
using Microsoft.SemanticKernel.Agents.Runtime.InProcess;

var config = new ConfigurationBuilder()
    .AddUserSecrets<Program>()
    .Build();

var builder = Kernel.CreateBuilder()
    .AddOpenAIChatCompletion(
        modelId: "gpt-4o-mini",
        apiKey: config["OpenAI:ApiKey"]!);

var kernel = builder.Build();

// 1. 建立我們的法式廚師和中式廚師 Agent
var frenchChefAgent = new ChatCompletionAgent()
{
    Kernel = kernel,
    Name = "FrenchChef",
    Instructions = "You are an expert French chef. You answer questions from a French cuisine perspective, focusing on techniques, ingredients, and culinary traditions of France.",
    Description = "An expert in French cuisine"
};

var chineseChefAgent = new ChatCompletionAgent()
{
    Kernel = kernel,
    Name = "ChineseChef",
    Instructions = "You are an expert Chinese chef. You answer questions from a Chinese cuisine perspective, focusing on techniques, ingredients, and culinary traditions of China.",
    Description = "An expert in Chinese cuisine"
};

ConcurrentOrchestration orchestration = new(frenchChefAgent, chineseChefAgent);

InProcessRuntime runtime = new InProcessRuntime();
await runtime.StartAsync();

var result = await orchestration.InvokeAsync("製作湯品時，應該用大火快煮還是小火慢燉？哪種方法能做出最美味的湯？", runtime);

string[] output = await result.GetValueAsync(TimeSpan.FromSeconds(180));
Console.WriteLine($"# 結果:\n{string.Join("\n\n", output.Select(text => $"{text}"))}");
await runtime.RunUntilIdleAsync();

這段程式碼會讓法式廚師和中式廚師 Agent 同時收到「製作湯品時，應該用大火快煮還是小火慢燉？哪種方法能做出最美味的湯？」這個問題，並各自從自己的專業角度給出答案。你可以看到，法式廚師可能會從澄清湯底的技巧來解釋，而中式廚師則可能從文火慢燉的原理來闡述，這正是並行模式的精髓所在。

Group Chat Orchestration：模擬一場腦力激盪會議

群聊模式則更像是讓廚師們圍坐在圓桌前，共同討論如何完成一道菜。他們可以互相提問、補充，甚至推翻對方的想法，直到得出一個最完美的方案。這種模式更接近人類的溝通方式，適合需要多方協調、共同決策的複雜任務。

在 Semantic Kernel 中，我們可以利用 GroupChatOrchestration 來實現這種群聊模式。

history = [];
var orchestratorAgent = new ChatCompletionAgent()
{
    Name = "Orchestrator",
    Kernel = kernel,
    Instructions = "You are an orchestrator agent that decides which chef (FrenchChef or ChineseChef) is best suited to answer a given question about cooking techniques or recipes. You analyze the question and delegate it to the appropriate chef based on their expertise.",
    Description = "An agent that delegates cooking questions to the appropriate chef"
};

GroupChatOrchestration groupChatOrchestration =
            new(new RoundRobinGroupChatManager
            {
                MaximumInvocationCount = 5
            },
            frenchChefAgent,
            chineseChefAgent)
            {
                ResponseCallback = (response) =>
                {
                    history.Add(response);
                    return ValueTask.CompletedTask;
                }
            };

runtime = new InProcessRuntime();
await runtime.StartAsync();

var groupResult = await groupChatOrchestration.InvokeAsync(
    "如何製作一道既有法式精緻感又融合中式風味的創意料理？請提供具體的烹飪技巧和食材搭配建議。",
    runtime);
var groupOutput = await groupResult.GetValueAsync(TimeSpan.FromSeconds(180));
Console.WriteLine($"\n# 結果:\n{groupOutput}");
Console.WriteLine("\n\n協同運作歷程");
foreach (ChatMessageContent message in history)
{
    Console.WriteLine($"{message.Role} {message.AuthorName}: {message.Content}");
}

在這段程式碼中，我們將法式和中式廚師 Agent 放在一個群聊環境中。當我們提出一個需要跨越兩種料理風格的問題時，例如「如何製作一道既有法式精緻感又融合中式風味的創意料理？」，這兩個 Agent 就會開始一場協同合作。他們會像人類一樣輪流發言，互相補充和完善彼此的想法，最終產出一個整合了法式和中式精華的創意料理方案。ResponseCallback 則能幫助我們追蹤這場對話的完整過程。

小結與預告

今天，我們實作了兩種強大的 Agent 協作模式，見識到團隊合作如何解決複雜問題。無論是需要快速獲得多方意見的並行模式，還是需要深度討論的群聊模式，Semantic Kernel 都為我們提供了靈活的工具。

明天，我們將繼續深入探索 Agent 協作的更多可能性，看看 Sequential (循序模式) 和 Handoff (交接模式) 又是如何讓 AI 流程像生產線一樣運作。準備好你的程式碼編輯器，我們明天見！

完整程式碼範例