Neuron Plánovač / vykonávateľ
Tento príklad používa Queuety na orchestráciu a Neuron na samotné vykonávanie agenta.
Vzor je jednoduchý. Krok plánovača Queuety určí, aká práca sa má vykonať, start_agents() zmení tieto úlohy na samostatné nadradené workflowy, v každom podriadenom workflowe sa spustí agent Neuron a wait_for_agents() zhromaždí výsledky späť do nadradeného workflowu.
Prečo toto rozdelenie funguje
Neuron dokáže meniť poskytovateľov s minimálnymi zmenami kódu a zapuzdriť pokyn, nástroje a pamäť špecializovaného agenta. Queuety sa hodí na trvácne spracovanie každého prvku, režimy dokončenia, opakovanie pokusov, obnovenie a nástroje na kontrolu či ľudské posudzovanie priebehu.
Krok 1: vytvorenie agenta Neuron s meniteľným poskytovateľom
namespace App\Neuron;
use NeuronAI\Agent\Agent;
use NeuronAI\Providers\AIProviderInterface;
use NeuronAI\Providers\Anthropic\Anthropic;
use NeuronAI\Providers\Gemini\Gemini;
use NeuronAI\Providers\OpenAI\Responses\OpenAIResponses;
use NeuronAI\SystemPrompt;
final class ResearchAgent extends Agent
{
public function __construct(
private readonly string $providerName = 'openai',
) {}
protected function provider(): AIProviderInterface
{
return match ($this->providerName) {
'anthropic' => new Anthropic(
key: $_ENV['ANTHROPIC_API_KEY'],
model: $_ENV['ANTHROPIC_MODEL'],
),
'gemini' => new Gemini(
key: $_ENV['GEMINI_API_KEY'],
model: $_ENV['GEMINI_MODEL'],
),
default => new OpenAIResponses(
key: $_ENV['OPENAI_API_KEY'],
model: $_ENV['OPENAI_MODEL'],
),
};
}
public function instructions(): string
{
return (string) new SystemPrompt(
background: [
'You are a research agent.',
'Return concise, source-aware summaries for the assigned topic.',
],
);
}
}
Užitočné je, že workflow si môže vybrať poskytovateľa počas behu tak, že v stave workflowu odovzdá provider.
Krok 2: spustenie agenta Neuron v kroku Queuety
namespace App\Workflow\Steps;
use App\Neuron\ResearchAgent;
use NeuronAI\Chat\Messages\UserMessage;
use Queuety\Step;
final class ResearchTopicStep implements Step
{
public function handle(array $state): array
{
$agent = new ResearchAgent(
providerName: $state['provider'] ?? 'openai',
);
$message = $agent->chat(
new UserMessage(sprintf(
"Research the topic '%s' for brief %d. Return a compact bullet summary.",
$state['topic'],
$state['brief_id'],
))
)->getMessage();
return [
'summary' => $message->getContent(),
];
}
public function config(): array
{
return [];
}
}
Toto je kľúčový integračný bod: Neuron spracuje volanie LLM, no hranicu kroku a trvalý stav workflowu naďalej spravuje Queuety.
Krok 3: nechať plánovač spúšťať behy agentov
use Queuety\Enums\WaitMode;
use Queuety\Queuety;
$agent_workflow = Queuety::workflow('research_agent_run')
->then(ResearchTopicStep::class);
Queuety::workflow('brief_research')
->version('brief-research.v1')
->then(PlanResearchTasksStep::class) // writes $state['agent_tasks']
->start_agents('agent_tasks', $agent_workflow)
->wait_for_agents(mode: WaitMode::All, result_key: 'agent_results')
->then(SynthesizeBriefStep::class)
->dispatch([
'brief_id' => 42,
'provider' => 'anthropic',
]);
Ak PlanResearchTasksStep vráti:
[
'agent_tasks' => [
['topic' => 'pricing'],
['topic' => 'customer reviews'],
['topic' => 'recent launches'],
],
]
Queuety vytvorí nadradený workflow pre každú úlohu, počká, kým sa všetky dokončia, a potom odovzdá stav dokončených podriadených workflowov pod kľúčom $state['agent_results'].
Prečo jednoducho nevolať Neuron v cykle?
Dalo by sa to, prišli by ste však o výhody orchestrácie:
Každý beh agenta by sa prestal dať kontrolovať samostatne, čiastočné zlyhanie by pravdepodobne reštartovalo celú dávku a chýbal by jasný bod dokončenia pre ďalšie fázy.
Tento vzor zachováva jednoduchosť kódu agenta a zároveň zveruje trvácnu orchestráciu systému Queuety.
Ak plánovač patrí do dlhšie trvajúcej relácie agenta, ponechajte tento vzor pracovného postupu pre vrstvu vykonávania a zverte vonkajší životný cyklus stavovému automatu.