# 核心思想：把"子 Agent"包成一个普通函数（工具），主 Agent 需要时调用
def research_specialist(query: str) -> str:
    """研究专家：给我一个问题，还我一段调研结论（内部自己是个小 Agent）"""
    return sub_agent_run(role="研究员", task=query)   # 内部跑一个子 Agent

# 主 Agent 的工具表里，多了一个"叫专家"的工具
tools = {
    "search_web": search_web,            # 普通工具
    "ask_researcher": research_specialist,  # ← 子代理当工具！
}

# 主 Agent 决策时可能这样用：
# "这个问题我拿不准 → 调 ask_researcher 问一下 → 拿到结论 → 我继续写报告"
# 关键：调完专家，主导权立刻回到主 Agent 手里，不会跑丢

✋ 动手 10 分钟：用普通函数体会 agent-as-tool

不接真模型，用假的"子 Agent"（普通函数）体会"主 Agent 叫外援、用完继续主导"的手感：

# 两个"子 Agent"，先假装成会返回结果的函数
def researcher(topic):
    return f"关于「{topic}」的三个要点：省钱、可控、易调试"

def critic(text):
    # 审校子 Agent：挑一个毛病回来
    return "审校意见：结论可以，但缺少具体例子"

# 主 Agent：全程自己主导，只在需要时"叫外援"
def main_agent(topic):
    print("主Agent：我来负责这份报告")
    facts = researcher(topic)         # ① 叫研究员（agent-as-tool）
    print("拿到素材：", facts)         #    → 控制权回到我手里
    draft = f"报告初稿：{facts}"       # ② 我自己写初稿
    review = critic(draft)            # ③ 叫审校（agent-as-tool）
    print("拿到审校：", review)        #    → 控制权又回到我
    return draft + "｜(已据审校补充例子)"  # ④ 我根据意见定稿

print(main_agent("多智能体协作"))
# 体会：外援来一次走一次，方向盘一直在 main_agent 手上——这就是"可控"