n8n多智能体怎么编排？用 AI Agent Tool 分派计算与回复任务

n8n 的多智能体编排可以从一个主 Agent 和两个 AI Agent Tool 开始：主 Agent 接收问题并决定委派，计算 Agent 负责算式，回复 Agent 把已确认的数字整理成一句客户答复。重点是职责与传递的数据可核对，而不是在画布上多放几个聊天模型。

下面用“129 元买 3 件、运费 12 元”演示分工，预期金额为 399 元。它是依据 2026 年 10 月 1 日官方文档和项目源码整理的教学方案，未在真实 n8n 实例运行；不是已经验证的客户案例，也不保证模型每次按同一路径调用。

先画清楚连接关系

Chat Trigger → 主 AI Agent → 最终聊天答复
                 ├ Chat Model：主 Agent 的模型
                 ├ Tool：calculate_quote（AI Agent Tool）
                 │        ├ Chat Model：计算 Agent 的模型
                 │        └ Tool：Calculator
                 └ Tool：compose_reply（AI Agent Tool）
                          └ Chat Model：回复 Agent 的模型

两个 AI Agent Tool 都连接到主 Agent 的 Tool 接口，而不是排成两条普通主流程实线。每个子 Agent 都要有自己的 Chat Model 连接；它们可以选择同一个可用模型和相同凭证，但不能省略子节点的模型接口。

本文针对界面中能添加 AI Agent Tool 的近期节点版本。官方项目的Agent Tool v3 定义把聊天模型列为必要输入、工具列为可选输入，因此纯粹整理已知文本的回复 Agent 可以不再接外部工具。如果你的旧节点提示缺少工具，先核对并更新节点版本，不要随意加一个无关工具消除报错。

1. 配置只负责计算的子 Agent

1. 在现有主 Agent 的 Tool 接口添加 AI Agent Tool，把节点名称改为 calculate_quote。
2. 在它自己的 Chat Model 接口添加已验证可用、支持工具调用的聊天模型；在 Tool 接口添加 Calculator。
3. 设置 Description：“根据明确提供的单价、数量、运费计算合计。适合金额核算；缺少数字时返回缺失字段，不编造折扣、税费或价格。”
4. Prompt (User Message) 切为表达式，设置为下方 task 表达式。主 Agent 通过工具参数把计算任务交给子 Agent。

{{ $fromAI('task', '完整的计算任务，必须包含用户给出的单价、数量、运费以及限制', 'string') }}

在计算子 Agent 的 System Message 中写：

你只做金额计算。
有齐全数字时必须使用 Calculator；先算商品金额，再加运费。
返回三行：输入条件、计算表达式、合计金额。
没有提供的税费、折扣和费用一律不补。
缺少条件时返回“缺失信息：...”并列出缺失字段。

先不启用 Require Specific Output Format，以便直接查看三行文本；后续要写入数据库时，再单独增加输出解析和字段校验。工具参数填充方式可查$fromAI 官方说明。

2. 配置只负责整理答复的子 Agent

再从主 Agent 的 Tool 接口添加第二个 AI Agent Tool，命名为 compose_reply，接入它的 Chat Model。Description 写为：“仅根据已提供的计算结果写一段客户答复；不能查询价格、重新算数或承诺订单已创建。”

Prompt (User Message) 用下面的表达式，并设置对应系统指令：

{{ $fromAI('reply_context', '用户需求、已核对的计算表达式和金额；缺失信息也要原样包含', 'string') }}

把提供的已确认信息整理为一句简短答复。
保留金额、数量、运费，不增加新价格或新政策。
有“缺失信息”时只提出补充问题，不能给出合计。
这是演示报价，不说订单已经下单或库存已经锁定。

这里不是让两个 Agent互相聊天。父节点每次调用其中一个，拿到工具结果后决定下一步；任务与结果应出现在执行记录中。官方AI Agent Tool 文档说明了父 Agent 委派、Description、Prompt、System Message 与嵌套能力。

3. 让主 Agent 控制顺序与失败条件

主 Agent 接受 Chat Trigger 的 chatInput，系统指令设置为：

你是报价演示的主管。
涉及金额时，先把用户完整条件交给 calculate_quote，不自行计算。
拿到计算结果后，把用户需求和计算结果原样交给 compose_reply。
若计算工具返回缺失信息或调用失败，禁止继续给出报价。
确认最终答复保留计算工具返回的金额，没有新增费用。
返回 compose_reply 的简短答复，说明这是演示报价。
单纯问用途时直接说明，不需要强制调用两个工具。

在主 Agent 和计算子 Agent 的 Options 中开启 Return Intermediate Steps。调试过程中用它核对委派顺序。Max Iterations 是允许模型尝试的上限，不表示保证成功；先保留合理的默认值，出现反复调用时查任务描述，不要无限调高。

4. 检查每层做了什么

发送：“请给客户一段简短报价回复：单价 129 元，数量 3，运费 12 元，没有折扣。”本例希望看到如下过程，措辞不必逐字相同：

再用“单价 129 元，买几件还没决定”测试缺失条件。应询问数量与运费条件，不能擅用之前的 3 件和 12 元。本例不配置记忆，每次把完整条件写进消息。

什么时候应改用固定工作流？

如果无论输入是什么，都必须按“计算 → 审核 → 回复”严格执行，普通节点顺序或子工作流调用更容易保证流程。AI Agent Tool 适合由主 Agent根据任务决定委派；提示词要求的顺序不等同于确定性流程控制。

也不要把多智能体数量当成效果指标。多一次模型调用通常增加耗时和用量，先对相同样本核对准确性、缺失输入处理与调用成本。批处理时还要注意：官方文档提醒子节点表达式通常解析第一条 item，不能把一批不同客户的输入直接当作已经隔离的任务。

如果最后金额不对，从最先变错的字段开始查：原始输入是否完整、task 是否丢字段、Calculator 是否真的执行、reply_context 是否传错。主节点参数与工具行为可再对照Tools Agent 文档和Calculator 文档。