前言¶

用 DSH 写智能体，单个 Agent 循环能覆盖大部分线性任务。但任务一旦多起来——先调研、再审查、最后汇总——你就得自己处理任务依赖、并行调度和失败恢复。这些逻辑写散在各处，既难测试也难复用。

下面介绍 Li3NGa 的 DHS-multi-agent-plugin，它把这部分编排基础设施做成了一个独立插件。

这是什么¶

DHS-multi-agent-plugin 是一个 DeepSeek Harness 插件，README 里的一句话定位是「将 DeepSeek Harness 变成强大的多智能体编排引擎」。仓库由 Li3NGa 维护，采用 MIT 许可证，npm 包名为 dhs-multi-agent，当前版本 0.2.0。

它解决的问题是：让多个智能体按声明的依赖关系协作，独立任务自动并行，失败时在预算内恢复，全程可观测。

仓库包含两套运行时：TypeScript Native 运行时（生产源代码位于 packages/dsh-multi-agent）和 Python 运行时（src/deepseek_multi_agent_plugin，带 CLI/HTTP/MCP 适配器）。docs/ 目录提供使用指南、API 参考、策略说明、部署指南、HTTP API、MCP 集成等文档。

核心功能¶

规划与路由¶

• Planner：从自然语言意图生成结构化任务图；
• Validator：严格的计划验证，拒绝不安全或格式错误的计划；
• AgentRouter：基于能力的智能体路由，支持显式分配和自动匹配。

从 README 的架构图看，执行链路是 Planner → Validator → Router，之后分流到 Supervisor（按策略协作）或直接走 DAG 调度，最终由 AgentRunner 调用真实 DSH，Recovery 与 Diagnostics 模块贯穿其中。

DAG 并行调度¶

调度器按有向无环图执行任务：独立任务自动并发，依赖关系被保留，并行度在依赖约束下最大化，支持任意复杂的任务依赖拓扑。

有界容错恢复¶

恢复机制是「有界」的，四种手段各有边界：

1. Retry：超时失败在预算内自动重试；
2. Repair：不可用的智能体自动从路由池移除；
3. Replan：依赖失败触发确定性重规划；
4. Abort：取消操作永不触发恢复。

运行时可观测性¶

• RuntimeDiagnostics：运行时诊断指标；
• RunRegistry：运行注册与状态追踪；
• Metrics 收集 + Observer 模式；
• 诊断在内存内完成，不需要数据库。

安全¶

• RBAC 角色层次访问控制；
• HMAC 时序安全令牌认证；
• CSRF 防护与输入验证；
• 敏感信息自动脱敏。

协作策略¶

内置四种协作策略，均可直接调用：

1. Sequential：顺序串行执行；
2. Broadcast：广播并行执行；
3. Relay：接力式传递；
4. DAG：任意依赖图直接执行。

安装与启用¶

先装包：

npm install dhs-multi-agent

运行要求：Node.js >=22.14.0，且宿主环境需提供 DeepSeek Harness / Cordis 运行时。插件的依赖包括 @deepseek-ai/cordis ^4.0.1，以及 @deepseek-ai/dsh-agent、@deepseek-ai/dsh-llm、@deepseek-ai/dsh-session（均为 0.1.1-rc.2）。

再在宿主里注册插件：

import { apply } from 'dhs-multi-agent'

apply(ctx, {
  concurrency: 4,
  defaultTimeoutMs: 60_000,
})

apply 是插件入口，这里的配置把并发数设为 4，任务默认超时 60 秒。注册后即可通过 ctx.multiAgent 调用编排接口。

典型用法¶

运行一个 DAG 任务¶

用 runDag 传入任务数组，靠 dependsOn 声明依赖：

const result = await ctx.multiAgent.runDag([
  {
    id: 'research',
    agentId: 'researcher',
    prompt: '收集相关事实。',
  },
  {
    id: 'review',
    agentId: 'critic',
    prompt: '审查研究结果。',
    dependsOn: ['research'],
  },
])

这段代码里 review 依赖 research，会按依赖顺序执行；如果再加一个无依赖的任务，它会和 research 并发跑。

带恢复的编排¶

需要容错时改用 runWithRecovery，显式传入智能体能力表和恢复预算：

const result = await ctx.multiAgent.runWithRecovery(plan, {
  runId: 'run-1',
  input: '用户意图',
  agents: [
    { id: 'researcher', capabilities: ['research'] },
    { id: 'writer', capabilities: ['writing'] },
  ],
  recovery: { maxAttempts: 3, maxReplans: 2 },
})

maxAttempts: 3 限定重试上限，maxReplans: 2 限定重规划次数。

Python 示例¶

仓库 examples/ 目录提供可直接运行的脚本：

# 演示协作策略（无需 API Key）
python examples/demo_strategies.py

# 真实 DeepSeek 三人辩论
DEEPSEEK_API_KEY=sk-xxx python examples/demo_deepseek_team.py

# 启动 HTTP 服务
python examples/run_http_server.py

demo_strategies.py 不需要 API Key，可以先跑通策略逻辑；demo_deepseek_team.py 演示真实 DeepSeek 三智能体辩论；想通过 HTTP 调用时，用 run_http_server.py 起服务，接口文档在 docs/http_api.md。

公共 API¶

除 apply 外，包还导出核心运行时（AgentRunner、Scheduler、Task、TaskGraph）、四个策略函数（runSequential、runBroadcast、runRelay、runDag）、Supervisor（Supervisor、createSupervisor）、恢复（createRecoveryManager）和诊断（RuntimeDiagnostics、RunRegistry、createRuntimeDiagnostics）。需要更细的控制时，可以绕过高层封装直接组合这些模块。

适用场景与注意¶

适合的场景：

• 任务间存在依赖关系，需要 DAG 调度而非简单串行；
• 多个智能体按角色协作（调研、写作、审查等）；
• 长流程需要失败恢复和运行时指标。

注意以下几点：

1. 插件以当前 dsh 进程的权限运行，安装前应检查源码与许可证。仓库采用 MIT 协议，源码公开在 GitHub，可以自行审阅；
2. 宿主环境需提供 DeepSeek Harness / Cordis 运行时，Node.js 版本不得低于 22.14.0；
3. 当前版本为 0.2.0，具体配置项与接口以仓库 docs/ 下的文档为准。

测试方面，仓库包含 TypeScript 164+ 单元测试和 Python 386+ 测试用例，覆盖集成、Smoke 与安全测试，可用 pnpm --dir packages/dsh-multi-agent test 和 pytest tests/ -q 本地跑一遍。

结尾¶

回顾一下：DHS-multi-agent-plugin 把规划、路由、DAG 调度、有界恢复和运行时诊断打包成一套 DSH 插件，让你不必自己拼装多智能体编排的基础设施。经过上面的步骤，从一个 runDag 最小示例到带恢复的完整编排都能跑起来。

• 社区目录页：https://www.skillhub.cn/plugins/Li3NGa/DHS-multi-agent-plugin
• GitHub 仓库：https://github.com/Li3NGa/DHS-multi-agent-plugin