子 Agent 与任务委派

把子 Agent 包装成一个 Python 工具，让主 Agent 将独立任务交出去，再使用返回结果继续工作。这是 Runtime 与工具的组合，不需要额外的调度 API。

运行示例

完成模型配置，在要分析的项目目录中运行示例；代码的 workspace="." 指向启动目录：

python examples/runtime/multi_agent.py

examples/runtime/multi_agent.py

import asyncio
import os

import bumblehive


READ_ONLY_TOOLS = ("read_file", "list_dir", "find_files", "grep")


async def main() -> None:
    config = bumblehive.RuntimeArguments(
        model=os.environ["BUMBLEHIVE_MODEL"],
        api_key=os.environ["BUMBLEHIVE_API_KEY"],
        base_url=os.environ["BUMBLEHIVE_BASE_URL"],
        workspace=".",
        tool_names=["sub_agent"],
    )

    async with bumblehive.from_config(config) as runtime:
        @runtime.tools.tool(
            name="sub_agent",
            description="Delegate a self-contained task to a stateless sub-agent.",
        )
        async def sub_agent(task: str) -> str:
            response = await runtime.run(
                task,
                config={"agent": {"tool_names": READ_ONLY_TOOLS}},
            )
            if response.error:
                raise RuntimeError(response.error.message)
            return response.final_content or ""

        result = await runtime.run(
            "Ask a sub-agent to explain the main modules in this project."
        )

    print(result.final_content)


if __name__ == "__main__":
    asyncio.run(main())

主 Agent 只看到 sub_agent 工具。子调用只开放读取和搜索工具，工具描述中不包含自身，因此不能通过该工具继续递归委派。

隔离上下文与权限

子调用没有传入 history 或 session_id，所以使用独立的消息历史。它仍复用 Runtime 的基础配置与资源；业务指令、Skills 和工作区不会自动全部隔离，需要时在子调用中明确选择或创建独立 Runtime。

approval_handler 只作用于当前调用。子 Agent 若开放了写入或命令工具，应用也应为子调用传入审批处理器。

返回结果与错误

主 Agent 会把子工具的返回文本当作工具结果使用。示例已检查子运行的结构化错误，并将失败交回主 Agent；最终结果还应通过工具事件确认是否真的发生过委派。

该方式不自动提供任务队列、进度聚合、跨进程调度或工作区隔离。需要并发多个任务时，应用应管理各自的上下文、资源范围与取消行为。

工具调用 · 会话与历史 · Runtime API