Sprix SAGE Router：当 Agent 在任务中途决定”该找帮手了”

大多数 Agent 框架只解决”有哪些 Agent 可用”的问题。SAGE Router 解决的是更难的一个：任务跑了一半，现在该让谁来接手？

Sprix SAGE Router（wang2122/sprix-sage-router，⭐ 1,145，MIT，Research Preview）是 Sprix AI 的研究成果，核心定位是 A2A（Agent-to-Agent）协议之上的运行时路由决策层——在任务执行过程中，动态决定 Agent 应该单干、组队还是交接。

核心数据

它解决什么问题

A2A 协议解决了 Agent 之间的”发现”问题——谁存在、怎么通信。但它不回答：

任务进行到一半，发现当前 Agent 不是最优执行者，这时候该找谁？

SAGE（State-Aware Graph Exchange）的思路是在 A2A 之上加一层可审计的决策函数，三选一：

技术亮点

1. 三策略统一评分函数

SELF / COLLABORATE / HANDOFF 不是三个独立规则，而是在同一个目标函数里竞争，按实时效用排序选择，不是 if-else 硬编码。

2. 进度感知重规划

# 路由决策输入（简化示意）
{
    "active_executor": "agent-42",
    "completed_dag_nodes": ["requirement-A", "requirement-B"],
    "accumulated_context": {...},
    "transferable_context": {...},   # HANDOFF 时带走
    "failure_events": [],
    "deadline_constraint": "2026-08-22T18:00"
}

已完成的 DAG 节点、失败记录、可迁移上下文都会影响决策——不是拍脑袋，是算出来的。

3. 互补性优先于能力排名

组队时不挑最强的，而挑能覆盖当前缺口的。论文中特别强调：一个”能力略弱但刚好互补”的团队比”全员顶级但技能重叠”的团队更有价值。

快速上手

git clone https://github.com/wang2122/sprix-sage-router.git
cd sprix-sage-router

# 查看算法说明
cat ALGORITHM.md

# 运行 Benchmark
python -m benchmark

# 接入 A2A 协议使用
pip install sprix-sage-router

项目处于 Research Preview 阶段，核心代码和算法文档已开源。

和普通 Agent 框架的区别

普通框架：预设工作流或靠人工编排，运行时决策依赖硬编码规则。
SAGE Router：在任务执行过程中动态评估 SELF/COLLABORATE/HANDOFF 三条路，有可量化的决策依据，适合需要多 Agent 真实协作的复杂场景。

项目地址：github.com/wang2122/sprix-sage-router
算法文档：ALGORITHM.md
A2A 协议：a2a-protocol.org