[Question]: How to make multi_agents have separate Memoreis while share the same Context?

快速结论： 在 LlamaIndex 的 AgentWorkflow 中，所有代理默认共享同一个 Memory 实例，无法直接实现“每个代理各自独立的 Memory + 共享全局 Context”。如果确实需要这一模式，推荐改用“代理作为工具（Agents as Tools）”或者自定义 Workflow。

问题场景

用户参考 LlamaIndex 官方文档中 Pattern 1 – AgentWorkflow 实现多代理系统时，发现所有代理共享相同的 Memory 与 Context。用户期望每个代理能拥有独立的对话记忆，同时在同一个 Workflow 内共享全局上下文（例如任务状态、共享变量）。

报错原文

在 AgentWorkflow 中这不是一个报错，而是设计限制。核心设计逻辑：
 — Memory 配置在 Workflow 层级，而非代理层级
 — 单个 ChatMemoryBuffer 存储在共享的 Context Store 中
 — FunctionAgent 通过 scratchpad_key 维护自己的中间状态
 — ReActAgent 通过 reasoning_key 维护自己的推理过程

原因分析

这是 AgentWorkflow 的现有设计，不是一个 Bug。在 llama-index-core/llama_index/core/agent/workflow/multi_agent_workflow.py 第 235–242 行可以看到，Memory (ChatMemoryBuffer) 在整个 Workflow 中是单例的，所有代理的上下文共享同一个缓冲区。每个 FunctionAgent 或 ReActAgent 虽然有自己的内部状态键（例如 scratchpad_key/reasoning_key），但它们仅用于存放该代理执行过程中的中间思考结果，而不实现隔离的对话历史。

环境排查

LlamaIndex 版本：确认是否使用了包含 AgentWorkflow 的版本（约 0.12+）。
Workflow 模式：确认当前使用的是 AgentWorkflow（Pattern 1），而非其他多代理模式（如 Agents as Tools）。
Memory 配置位置：检查代码中是否将 ChatMemoryBuffer 传递给了 Workflow 整体，而非每个 Agent 单独设置。

解决步骤

确认需求是否真的需要：如果只是想让每个代理拥有不同的 中间推理过程（例如各自的 scratchpad 或 reasoning），那么 AgentWorkflow 已经可以满足——每个代理的内部状态键是隔离的。
如果需要真正隔离的对话历史（例如 Agent A 的记忆不应被 Agent B 看到），官方推荐以下两种替代方案：
a. Agents as Tools：将独立的 Agent 封装成一个工具，由另一个主 Agent 调用。这样每个子 Agent 可以有自己的 Memory 配置。
b. 自定义 Workflow：继承或自定义一个 Workflow，在 Context Store 中为每个 Agent 创建独立的 ChatMemoryBuffer（例如 ctx.store.set("memory_agent_a", ChatMemoryBuffer())），然后在代理执行前手动切换当前使用的 Memory，同时保留共享状态键（如 ctx.store.set("state", ...)）。
对于自定义 Workflow 的简易实现思路（可优先尝试）：
1. 在 __init__ 中定义多个 ChatMemoryBuffer。
2. 在 Workflow 主循环中，根据当前执行的代理 key，从 Context Store 中取出对应的 Memory 并注入到该代理。
3. 确保每个代理的步骤间可以读写同一份共享 Context（例如任务列表、全局变量）。

验证方法

执行一个简单的多轮对话测试：Agent A 说出一个秘密（例如“我的密码是 123”），Agent B 在后续对话中是否能看到该秘密。如果 Agent B 无法读取 Agent A 的历史消息，则说明 Memory 隔离生效。同时检查共享 Context 中的全局状态（如任务进度）是否在所有代理间保持一致。