RAGFlow 系列教程 第二十八课：Agent 工作流开发实战 -- Canvas DSL 与多 Agent 编排

系列: RAGFlow v0.25.0 源码深度解析
作者: 耿雨飞
前置知识: 已完成第二十七课"完整 RAG 应用开发实战"的学习

---

导读

在前面的课程中，我们用 Python SDK 实现了标准的"检索-生成"管道。但真实业务场景往往更复杂——客服系统需要根据用户意图走不同处理分支；研究助手需要先搜索、再提取、最后综合；数据分析需要先生成 SQL、再执行、最后可视化。这些多步骤、有分支、可循环的工作流，靠简单的 RAG 管道无法实现。

RAGFlow 的解决方案是agent/目录——一套完整的Canvas DSL 执行引擎。这个目录包含22 个组件、23 个工具、25 个预置模板，总计约 5000 行核心代码。其设计核心是：有向图执行模型 + 组件/工具双基类体系 + 变量引用数据流。组件处理流程控制（分类、路由、循环），工具封装外部能力（检索、搜索、SQL、代码执行），两者通过 Agent 组件的 Function Calling 协议桥接。

本课将从 DSL 引擎的底层结构开始，逐层深入组件体系和工具集成，最后通过三个真实业务场景展示完整的开发实践。

---

学习目标

1. 理解agent/canvas.py的Gr