进入到FailoverClusterInvoker类之前先进入到AbstractClusterInvoker类中// 筛选出合适的invokers列表，基于方法和路由信息// 其中路由信息则是通过MockInvokersSelector类处理获取到invocation中attachments保存的mock信息去筛选合适的invoker，所以重点是筛选// 调试发现，一般情况下在这里面attachm

在 代码的TOOLS变量里，我们会定义了工具长什么样（名字、参数）。// 遍历响应中的工具调用块// 提取命令// 执行 Bash// 构建工具结果LLM 不会真的“运行”代码，它只是输出一个符合这个格式的 JSON（比如而代码才是负责解析这个 JSON 并真的去执行。

这是 Agent 进化的关键一步：从“只会说话”变成了“真正干活”。这段代码相比 s01，最大的进步在于能力的扩展和安全边界。说白了就是，你可以像搭积木一样给 Agent 塞入各种工具函数，让它的能力边界随插件无限延伸。这段代码应该已经很清晰，我这里就不多解释了核心思想：从"硬编码工具"升级为"可插拔架构"，实现工具与主循环的解耦。开闭原则：不修改主循环就能添加新工具统一管理：所有工具注册、调用逻

子任务污染主对话上下文怎么办？因此这里主要展示了如何构建一个。在 原作者的Python代码 里，函数就像一个“虫洞”，把任务传送到一个新的平行宇宙（子线程/子上下文）去执行，执行完只带回结果。在 Java 中，我们通常通过来实现这种隔离。父 Agent 和子 Agent 拥有各自独立的messages列表，互不干扰。

之前的 Agent 只是单纯的“听指令 -> 干活”，容易干着干着就忘了初衷，或者在复杂的任务中迷失方向。就像是给 Agent 装了一个“记事本”和“监工”。

一致性hash多用于分布式数据存储场景，在集群节点数量发生变化时，提升集群适应变化的能力。大多数网站背后肯定不是只有一台服务器提供服务，因为单机的并发量和数据量都是有限的，所以都会用多台服务器构成集群来对外提供服务。那么这些服务器需要如何分配客户端的请求呢，这个其实就是负载均衡。但是一般的负载均衡算法是针对所有服务器上的数据都是一样的，也就是无法应对分布式存储的场景。当想要提高系统的容量，就会将数

有些操作很慢，Agent 不能干等着。例如make或hadoop等的一些工作。

一个 Agent 干不完怎么办？

/ 关机请求协议// 唯一请求ID// 目标智能体// 状态：pending, approved, rejected// 创建时间戳// 结构化请求：明确的目标和状态// 唯一标识：支持多个并发请求// 时间追踪：支持超时和时序分析// 计划审批协议// 唯一请求ID// 提交者// 计划内容// 状态：pending, approved, rejected// 创建时间戳// 计划提交流程：从提

每次都要主 Agent 分配任务太累。所以引入了：扫描看板，认领任务。队友自己扫描任务板并认领任务，无需主 Agent 逐个分配。