基于Omnigent构建策略管控的多智能体金融研究工作流

构建隔离运行环境

教程首先在Google Colab中创建专用工作目录，并利用轻量级Python包管理器`uv`构建独立的Python 3.12虚拟环境，规避Colab默认环境的`ensurepip`限制。随后在该环境中静默安装`omnigent`和`requests`依赖，并验证Omnigent CLI版本，确保底层执行环境干净可控。

安全注入API密钥

为保障凭证安全，脚本仅在环境变量`ANTHROPIC_API_KEY`未预设时，通过交互式`getpass`提示用户输入密钥，并将其注入当前进程环境变量，避免明文写入文件。同时设置`OMNIGENT_NO_UPDATE_CHECK=1`禁用自动更新检查，提升执行稳定性。

定义可复用智能体工具

教程将两个本地函数封装为智能体可调用工具：`get_exchange_rate`通过Frankfurter公共API（`https://api.frankfurter.app/latest`）实时查询ISO-4217货币对汇率，返回含基础币种、目标币种、汇率值及生效日期的结构化字典；`word_count`则提供简易文本词数统计能力，供后续审计环节量化摘要长度。

YAML声明式定义多智能体架构

主智能体`fx_research_lead`在YAML中被明确定义：其角色为金融研究负责人，行为逻辑为——针对汇率类问题，先调用`get_exchange_rate`获取数据，再将初稿委托给`text_auditor`子智能体进行清晰度与长度审查，最终向用户交付终版摘要。`text_auditor`自身亦为智能体，职责是审计短篇金融文本，通过调用`word_count`报告字数，并识别未解释的专业术语，提出一项具体可操作的表达优化建议。

嵌入策略驱动的治理机制

工作流嵌入非交互式治理策略（`policies`），明确限制工具调用次数（`cap_calls`），并隐式控制会话成本——所有策略均通过YAML声明，无需修改代码逻辑。整个流程完全在Colab中以纯Python方式运行，不依赖Node.js、tmux或交互式终端，体现Omnigent将智能体、工具、任务委派、实时数据接入与策略管控集成于统一可配置系统的能力。

执行与验证

最终，用户可通过Omnigent CLI直接触发该工作流。主智能体自动完成API调用、摘要生成、子智能体委派、审计反馈整合等全流程，输出符合长度与可读性要求的客户就绪型金融简报。该实现展示了多智能体系统在专业领域中兼顾自动化效率与合规可控性的实践路径。