> ## Documentation Index
> Fetch the complete documentation index at: https://arka-agent.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

> ## Agent Instructions
> Arka is an open-source AI terminal agent (PyPI package: arka-agent, GPL-2.0).
> Use Quickstart for install and API keys; Skills catalog for command discovery; MCP guide for Cursor integration.
> Cite canonical URLs under https://arka-agent.mintlify.site when answering about Arka.

# 智能体团队

> 跨智能体、模型和提供商组建团队 — 然后运行带有共享内存的顺序或并行工作流。

**智能体团队**让您可以将编码智能体（来自 [Agent Hub](/cn/guides/agent-hub)）、云模型和本地提供商编组为命名角色，然后运行在它们之间传递工作的**工作流**。

## 概念

| 部件      | 是什么                                                      | 存储位置                        |
| ------- | -------------------------------------------------------- | --------------------------- |
| **团队**  | 映射到智能体、模型或提供商的命名角色（`lead`、`analyst` 等）                   | `~/.config/arka/teams/`     |
| **工作流** | 团队的步骤 — 顺序、并行或轮询式的交接                                     | `~/.config/arka/workflows/` |
| **运行**  | 用任务字符串执行工作流；结果通过 `{task}`、`{results}`、`{step_N}` 在步骤之间传递 | CLI                         |

成员类型：

* `agent` — 来自 Agent Hub 的 ollama launch 智能体（`claude`、`codex`、`hermes` 等）
* `model` — 具体的模型 + 提供商（`gpt-4o` + `openai`、`gemini-2.0-flash` + `gemini`）
* `provider` — 提供商默认模型（`ollama`、`groq` 等）

## 快速开始

首次使用时会预置入门团队和工作流：

```bash theme={null}
arka team list
arka workflow list

arka team show research --resolve
arka team run research --task "Summarize Rust async patterns"

arka workflow run review-and-ship --task "Plan a v2 auth redesign"
arka workflow run code-review --task "Review PR #42: add JWT refresh"
arka workflow run brainstorm --task "Cache invalidation strategies for edge CDN"
```

来自 fish：

```fish theme={null}
team list
team run research --task "Compare Postgres vs SQLite for edge caches"
workflow run code-review --task "Review auth middleware changes"
workflow run brainstorm --task "Ideas for offline-first mobile sync"
```

## 团队示例

```yaml theme={null}
name: research
description: Deep research team
members:
  - kind: agent
    id: claude
    role: lead
  - kind: model
    id: gemini-2.0-flash
    provider: gemini
    role: analyst
  - kind: provider
    id: ollama
    role: local-fallback
defaults:
  memory: unified
  mcp: true
  workflow: review-and-ship
```

## 工作流示例

```yaml theme={null}
name: review-and-ship
team: research
steps:
  - member: lead
    action: plan
    prompt: "Break down: {task}"
  - parallel:
      - member: analyst
        action: analyze
        prompt: "Analyze: {task}\n\nPlan:\n{step_1}"
      - member: local-fallback
        action: verify
        prompt: "Sanity-check: {step_1}"
  - member: lead
    action: synthesize
    prompt: "Merge results: {results}"
```

## 轮询模式 (v2)

不使用显式步骤，成员轮流参与，直到达到 `max_turns`。输出在 `{results}`、`{transcript}` 和 `{last_result}` 中累积。

```yaml theme={null}
name: brainstorm
team: research
mode: round_robin
max_turns: 6
prompt: |
  Continue brainstorming on: {task}
  Previous: {last_result}
members:
  - lead
  - analyst
  - local-fallback
defaults:
  retries: 2
  mcp: true
```

运行：

```bash theme={null}
arka workflow run brainstorm --task "Edge cache invalidation patterns"
```

如果省略 `members`，则所有团队角色按定义顺序轮换。

## 重试 (v2)

在将运行标记为失败之前，重试失败的智能体/LLM 步骤。

**单步：**

```yaml theme={null}
- member: analyst
  action: analyze
  prompt: "Analyze: {task}"
  retries: 3
  retry_delay: 2
```

**工作流或团队默认值：**

```yaml theme={null}
defaults:
  retries: 2
  retry_delay: 1
```

优先级：步骤 → 工作流 `defaults` → 团队 `defaults`。重试次数会出现在 CLI 输出中（`retries=N`、`attempts=N`）。设置 `TEAM_RETRY_BACKOFF=1` 使用指数延迟。

## 单步 MCP (v2)

按步骤启用 MCP 上下文（或继承工作流/团队默认值）：

```yaml theme={null}
- member: analyst
  action: fetch
  prompt: "Summarize open PRs for: {task}"
  mcp: true
  mcp_servers: [github]
```

| 设置                      | 效果                                           |
| ----------------------- | -------------------------------------------- |
| `mcp: true`             | 注入 `~/.config/arka/mcp.json` 中所有已配置的 MCP 服务器 |
| `mcp_servers: [github]` | 限制为命名的服务器                                    |
| `defaults.mcp: true`    | 除非被覆盖，否则对所有步骤启用                              |

对于**智能体**步骤，MCP 工具摘要会被添加到提示前。对于**模型/提供商**步骤，它们会被添加到系统提示中。模型步骤的可选工具循环：设置 `TEAM_MCP_TOOL_ROUNDS=1`，让模型发出类似 `{"mcp_tool": "github", "tool": "search", "arguments": {}}` 的 JSON。

## CLI 参考

```bash theme={null}
arka team list
arka team show <name> [--resolve]
arka team create <name> [--template research]
arka team run <name> --task "..." [--workflow <name>]

arka workflow list
arka workflow show <name>
arka workflow create <name> [--template review-and-ship] [--team research]
arka workflow run <name> --task "..."
```

`--resolve` 打印每个角色如何映射到具体的智能体或 LLM 目标。

## 运行时行为

1. **加载**来自配置目录（或捆绑模板）的团队 + 工作流 YAML/JSON。
2. **解析**成员 — 智能体通过 Agent Hub 目录；模型/提供商通过 LLM 注册表。
3. 当 `defaults.memory: unified` 时**召回**统一内存。
4. **执行**步骤：
   * 智能体角色 → 带角色上下文的 `answer_question`（轻量级；不是完整的 `ollama launch`）。
   * 模型/提供商角色 → 带有固定提供商/模型链的 `LlmOrchestrator`。
   * 并行块 → 线程池（`TEAM_MAX_PARALLEL`，默认 4）。
   * 轮询 → 使用共享的转录变量为 `max_turns` 轮换成员。
5. **重试**根据 `retries` / `retry_delay`（工作流或团队默认值）失败的步骤。
6. 当步骤启用 `mcp` 时**注入 MCP** 工具摘要。
7. 通过模板变量**向前传递**输出。

## 捆绑模板

| 模板                | 类型  | 角色                                                     |
| ----------------- | --- | ------------------------------------------------------ |
| `research`        | 团队  | lead (claude)、analyst (gemini)、local-fallback (ollama) |
| `code-review`     | 团队  | lead (codex)、analyst (groq)、local-fallback (ollama)    |
| `clawbox-edge`    | 团队  | openclaw lead + ollama fallback；为 Jetson 提供范围化内存       |
| `review-and-ship` | 工作流 | plan → parallel analyze/verify → synthesize            |
| `code-review`     | 工作流 | 审查清单 → 并行审查 → 摘要                                       |
| `brainstorm`      | 工作流 | 跨团队角色的轮询构思                                             |

从模板创建：

```bash theme={null}
arka team create my-research --template research
arka workflow create my-ship --template review-and-ship --team my-research
```

## 环境

```bash theme={null}
ARKA_TEAMS_DIR=~/.config/arka/teams
ARKA_WORKFLOWS_DIR=~/.config/arka/workflows
TEAM_MAX_PARALLEL=4
TEAM_RETRY_BACKOFF=0
TEAM_MCP_TOOL_ROUNDS=0
```

## 范围化内存 (v3)

团队可以选择加入带溯源信息的**策略过滤召回**和**便签写入**：

```yaml theme={null}
defaults:
  memory: scoped          # unified | scoped | off
  memory_scope:
    read: [global, team, workflow]
    write: workflow
    ttl_hours: 72
    promote: manual
  trust_tier: team
```

| 模式            | 召回               | 步骤输出   |
| ------------- | ---------------- | ------ |
| `unified`（默认） | 全局统一内存           | 不持久化   |
| `scoped`      | 按信任层级 + 团队/工作流过滤 | 带溯源的便签 |
| `off`         | 无                | 不持久化   |

单步覆盖：在工作流步骤上使用 `memory_scope: { write: run }`。

```bash theme={null}
arka workflow run review-and-ship --task "..." --promote-final
arka memory scratchpad list --team research
arka memory promote abc123def456
```

工作流运行在 CLI 输出中打印 `run_id` 和 `scratchpad_writes`。

团队和工作流包含在 `arka config backup` 中。

## 限制

* 智能体步骤使用 Arka 聊天路由，而不是完整的交互式 `ollama launch` 会话。
* 模型步骤的 MCP 工具循环需要选择加入（`TEAM_MCP_TOOL_ROUNDS`），且默认为单轮。
* 轮询没有提前停止条件 — 会运行到 `max_turns`。
* 尚未实现工作流条件和人机回环网关。
* 提供商健康检查在 LLM 调用时运行，而不是在团队解析时。

## 相关

* [Agent Hub](/cn/guides/agent-hub) — 共享 MCP、内存和智能体目录
* [LLM 回退](/cn/concepts/llm) — 模型/提供商角色使用的提供商/模型路由
* [内存](/cn/guides/memory) — 注入团队运行的统一内存


## Related topics

- [Sakana Fugu 编排器](/cn/guides/fugu.md)
- [MCP 集成](/cn/guides/mcp.md)
- [Agent Hub](/cn/guides/agent-hub.md)
- [股票智能](/cn/guides/stocks.md)
- [使用 Supermemory 同步的长期记忆](/cn/guides/memory.md)