多Agent协作入门，顺序编排模式如何应用？
摘要：在顺序编排模式中，各个Agent被组成一个流程，每个Agent都会处理任务，并将执行结果输出传递给下一个待执行的Agent。可以看出，对于每个基于上一步骤构建的工作流（Workflow）来说，这是比较适合的模式。目前，像文档审阅、工作流、数
大家好，我是Edison。
上一篇我们学习了Semantic Kernel中的并发编排模式，它非常适合并行分析、独立子任务并集成决策的任务场景。今天，我们学习新的模式：顺序编排。
顺序编排模式简介
在顺序编排模式中，各个Agent被组成一个流程，每个Agent都会处理任务，并将执行结果输出传递给下一个待执行的Agent。可以看出，对于每个基于上一步骤构建的工作流（Workflow）来说，这是比较适合的模式。
目前，像文档审阅、工作流、数据处理管道、多阶段推理等，是比较常见的应用场景。
下图展示了一个文档翻译的用例，文档先通过Agent1生成摘要，然后通过Agent2执行翻译，最后通过Agent3进行审阅和质量保证，最终生成最后的翻译结果。可以看到，每个Agent都在基于上一个步骤的处理结果进行构建，这就是一个典型的顺序编排用例。
实现顺序编排模式
这里我们来实现一个DEMO，我们定义3个Agent：分析师（Analyst）、广告文案写手（CopyWriter） 和 编辑/审稿人（Editor），假设他们是一个小Team，在承接广告文案的创作。
那么我们这个DEMO的目标，就是可以让他们可以来接客，只要客户分配一个广告文案创作的任务，它们就可以配合来生成最终的文案：首先由分析师分析要介绍产品的亮点和宣传思路，再由写手生成一个文案草稿，最后由审稿人进行评估给出最终文案，这就是一个典型的工作流处理。
为了简单地实现这个功能，我们创建一个.NET控制台项目，然后安装以下包：
Microsoft.SemanticKernel.Agents.Core
Microsoft.SemanticKernel.Agents.OpenAI (Preview版本）
Microsoft.SemanticKernel.Agents.Orchestration (Preview版本）
Microsoft.SemanticKernel.Agents.Runtime.InProcess (Preview版本）
需要注意的是，由于Semantic Kernel的较多功能目前还处于实验预览阶段，所以建议在该项目的csproj文件中加入以下配置，统一取消警告：
<PropertyGroup>
<NoWarn>$(NoWarn);CA2007;IDE1006;SKEXP0001;SKEXP0110;OPENAI001</NoWarn>
</PropertyGroup>
创建一个appsettings.json配置文件，填入以下关于LLM API的配置，其中API_KEY请输入你自己的：
{
"LLM": {
"BASE_URL": "https://api.siliconflow.cn",
"API_KEY": "******************************",
"MODEL_ID": "Qwen/Qwen2.5-32B-Instruct"
}
}
这里我们使用SiliconCloud提供的Qwen2.5-32B-Instruct模型，你可以通过这个URL注册账号：https://cloud.siliconflow.cn/i/DomqCefW获取大量免费的Token来进行本次实验。