Llama Agents + Workflows（429星）2026：事件驱动、异步优先的多Agent编排

Llama Agents + Workflows（429星）是LlamaIndex推出的事件驱动、异步优先的多Agent框架。本文给出可运行示例。

💡 你将学到

Llama Agents + Workflows（429星）是LlamaIndex推出的事件驱动、异步优先的多Agent框架。本文给出可运行示例。

直接给结论

run-llama/llama-agents（429星，Python）提供Llama Agents + Workflows——一种事件驱动、异步优先、基于步骤的多Agent构建方式。不用硬编码Agent调用链，而是定义响应事件的步骤，让复杂编排更容易构建和调试。

为什么事件驱动

• 解耦：Agent之间通过事件通信，而非直接调用
• 异步优先：步骤尽量并发执行，降低总延迟
• 基于步骤：每个步骤是独立单元，可测试可复用
• 可观测：事件流让系统流程一目了然

最小工作流示例

from llama_agents import AgentWorkflow, HumanAgent, ToolAgent

# 定义两个Agent
researcher = ToolAgent(name="researcher", tools=[search_tool])
writer = AgentWorkflow(name="writer")

# 用工作流编排
workflow = AgentWorkflow(
    agents=[researcher, writer],
    root_agent="writer",
)

result = await workflow.run(user_msg="研究主题X并写一份摘要")
print(result)

安装：pip install llama-agents llama-index

什么时候用

• 你已在用LlamaIndex，想以最少新概念上手Agent。
• 编排有可并行的分支（研究、总结、评审）。
• 你想精确控制每个步骤，而不是黑盒链。

FAQ

稳定吗？ 早期项目（429星），演进很快；版本间API可能有变化。

需要服务器吗？ 不需要——工作流在进程内运行；分布式Agent才有可选的服务端组件。

和LangGraph比怎么样？ 两者都是图式编排器；Llama Agents更贴近LlamaIndex生态，LangGraph（38,984星）则框架无关。