智能路由：AI Agent 如何彼此对话

在任何多 Agent 系统里，Agent 本身往往最受关注。但真正决定系统能否运作，还是会不会变成混乱噪音的，是路由层 - 也就是决定什么内容该去哪里那一层。

路由到底是什么意思

路由是把一个 Agent 的输出，在正确的时间、以正确的格式，送到正确目标的过程。听起来很简单，但这三个维度每一个都会带来真实复杂度：

• 正确的目标：输出是发给一个 Agent，还是多个？是否取决于内容？
• 正确的格式：输出应该原样传递、摘要化，还是转换？
• 正确的时间：下游 Agent 应该立刻开始，还是等多个输入，或者轮询更新？

触发器：路由何时触发

MadoHub 中每条连接都带有一个触发器（trigger）——决定它的输出何时被下发的条件。一共有四种：

• on-complete：上游 Agent 完成当前任务后触发
• on-idle：上游 Agent 安静下来、但没有明确的完成信号时触发
• on-keyword：监听图块输出中你指定的关键词，出现时触发
• always：无论状态如何都持续下发，适合用来监听一个正在运行的进程

有一点值得知道：on-complete 和 on-idle 并不是两种不同的速度。在底层它们的处理方式完全一样——都会启动同一个 idle 计时器，在收到信号后等待大约 8 秒的静默期才下发。两者都不会立刻触发。

Transform 节点

有时候，一个 Agent 的原始输出并不适合直接喂给下一个。代码生成器可能会输出整份文件和解释性注释，而测试写作者只需要函数签名。

Transform 节点位于连接上，负责重塑传输途中的数据。每条连接会携带以下五种 transform 类型之一：

• raw：输出的最后 10 行，原样保留
• summary：AI 生成的输出摘要
• full-output：输出的最后 30 行，用于需要更多上下文的场景
• prompt-wrap：把输出包裹进一个模板，模板里可以使用 {output}、{round}、{maxRounds}、{source} 等变量
• ai-routing：AI 生成的、针对下游 Agent 量身定制的上下文感知提示词（需要 API key）

防止失控循环

把两个 Agent 连接成互相指向对方，你就搭建了一个循环。审查-修改这类工作流正是靠循环运作的——但不受限制的循环也会在几分钟内耗尽上下文窗口或预算。

MadoHub 在每条路由上都加了循环保护：最大轮数（默认 5 轮，可配置为 1 到 20）、每次下发之间的冷却时间（默认 3 秒，可配置到 30 秒），以及一个可选的停止关键词——你提供一个不区分大小写的子串，一旦它出现在 Agent 输出中，循环就会结束。

作为另一种安全网，还有 Peer-Veto：它是一个下发闸门，而不是投票系统。它不需要 Agent 之间达成任何共识，只是在目标图块缺失或其进程已经退出时阻止下发，确保路由永远不会悄悄把内容发到一个无法接收的图块里。

检查路由层

大多数 Agent 编排系统最大的问题是黑盒。出了问题时，你根本不知道是 Agent、提示词，还是路由出了错。

MadoHub 会记录每一次路由决策。点击任何一条连接，你都能看到完整历史：发送了什么、何时发送、哪个触发器被触发、是否应用了 transform。这让调试多 Agent 工作流像读网络 trace 一样直接。

路由就是基础设施。它不炫酷。但它做对与否，决定的是这是一个 demo，还是一个你可以信赖的系统。