Skip to content

生产级 Agent 平台总体架构:从主链到功能域 ​

系列:生产级 Agent 平台架构 2026 · 第 3 篇
定位:架构基础篇
版本:闭环修订版
前置阅读:第 0 篇《从模型推理到生产运行:2026 年 Agent、Harness 与 Runtime 总体架构》 · 第 1 篇《Agent、Harness 与 Runtime:生产级 Agent 平台的职责边界》 · 第 2 篇《从 Task 到交付:Agent 业务闭环与领域对象设计》
关键词:Agent 平台、功能域、Agent Runtime、网关、控制面、执行面、主数据流

摘要 ​

生产级 Agent 平台不能以“模型、向量库、MCP、工作流和 Sandbox”的组件清单来定义。组件说明系统拥有什么,却没有说明任务如何可靠进入、Agent 意图如何被治理、动作如何不可旁路地执行、结果如何形成权威事实,以及失败后由谁恢复。

本文在前两篇职责边界和领域模型的基础上,给出一套完整逻辑架构。平台包含接入与任务、Agent 资产与版本、Agent Runtime、身份策略与审批、模型、数据与记忆、产物验收与交付、用量结算与资源治理、状态持久化与账本基础、可观测评测与运营十个顶层功能域;Execution Runtime 作为 Agent Runtime 内部具有独立权限与扩缩特征的执行子域单列说明。Run 期的模型、检索和工具结果均转化为 RuntimeEvent 或 Observation 回到 Harness;DeliveryEvent 回到产物验收与交付域。API、MCP、浏览器、远程作业、交付和 Sandbox 的外部副作用均经统一执行入口和执行账本;Task 终态仍由验收、交付、结算和清理共同决定。

架构逻辑上可从控制面、运行协调面和执行面观察:控制面管理版本、能力、身份和策略;运行协调面由 Agent Runtime 承载生命周期、Harness、状态和恢复;执行面由 Execution Runtime 协调适配器与资源后端。三者是职责视角,不等同于固定微服务数量。八类逻辑网关可以物理归并,但任何归并都不能形成模型、数据或工具旁路。

本文只建立平台级功能域、主链和依赖关系。Runtime 内部算法与能力模型(第 4 篇)、Harness 与 Agent Loop(第 5 篇)、持久执行(第 6 篇)、Execution Runtime 与多执行后端(第 7 篇)、安全执行环境(第 8 篇)、零信任(第 12 篇)、网关与安全治理(第 13 篇)、弹性与高可用(第 15–17 篇)将在后续专题中展开。


1. 从系统上下文开始,而不是从技术栈开始 ​

仍沿用系列统一场景:用户要求 Agent 读取授权数据,形成分析报告,在必要审批后发布到指定业务系统。

这一任务至少连接八类外部主体:用户或调用系统、企业身份系统、模型服务、数据与记忆系统、业务工具和 MCP Server、审批人、交付系统以及模型和资源供应方。每个主体提供的事实不同:模型提供响应,数据系统提供来源,工具提供外部业务状态,审批人提供动作决定,交付系统提供发布或送达证据,供应方提供用量和账单。

平台是这些交互的协调者,不替代外部系统的事实权威:

  • 模型响应不是业务事实;
  • ExecutionReceipt 不是外部系统效果的独立证明;
  • 审批通过不是权限永久有效;
  • 网络超时不代表动作没有发生;
  • 文件生成不代表业务已验收;
  • 发送请求成功不一定等于最终送达。

因此,总体架构必须围绕事实归属和信任边界组织,而不是按产品 Logo 堆叠。


2. 总体架构的五条原则 ​

2.1 一条主链 ​

Run 期用户输入、模型响应、检索结果和工具输出由同一个权威 Run 状态机解释;DeliveryEvent 由交付域解释。不存在由工具回调直接唤起模型、由 MCP 结果直接生成下一次工具调用、或由 Sandbox 输出直接触发生产动作的旁路。外部事实先登记、去重,再在当前状态下解释,不能借迟到事件复活被取消的 Run。

2.2 意图、权威提交与动作分离 ​

Agent 只产生ModelCallIntent、RetrievalIntent、CallIntent或AnswerDraft。Harness 结合 Task 目标、策略、审批和预算产生受约束的调用提案及RuntimeTransitionProposal,不直接修改权威 Run 状态。Runtime 唯一 Reducer 按 Run 版本、租约、取消和撤销约束提交状态、调用记录与 Outbox,执行方消费已登记命令后再验证当前授权并真正外呼。

模型和数据调用分别使用 ModelCallRecord 及 DataRequest/MemoryWriteRecord;工具和交付副作用使用 ExecutionRecord。后者经 Execution Gateway 和 Execution Runtime 完成。即使同进程实现,也必须保持“先耐久提交、后调用”,不能调用结束后再补记录。

2.3 状态与计算分离 ​

Task、Run、Execution、Approval、Artifact、Delivery、Usage 和 Cleanup 的权威事实独立于 Agent 进程、Worker、Pod、虚拟机和 Sandbox。计算实例可以替换,业务状态不能依赖实例存活。

2.4 零信任贯穿调用 ​

身份已经认证、服务位于内网、工具已注册、模型输出结构化或内容已扫描,都不能自动获得信任。每次高影响动作都要结合当前主体、资源、参数、策略、审批、预算和撤销状态重新验证。

2.5 能力优先于产品 ​

架构先定义能力、契约和故障语义,再选择框架、消息、数据库、容器平台或托管服务。Kubernetes、虚拟机、Kafka、Temporal 或某个云 Runtime 都是候选实现,不是架构本身。


3. 平台首先要闭合业务生命周期 ​

总体架构必须覆盖从 TaskIntent 到业务终态的全部阶段:

这条链路决定了平台不能只建设“Agent 执行域”。至少还需要可靠受理、验收交付、费用结算和清理能力。Run 成功只是候选结果通过技术验证;Task 完成需要固定同一Run—Artifact—Acceptance—Delivery证据链,且关键 UNKNOWN 已经处置。

失败、取消和超时也进入收尾:失败不要求业务验收,但要停止新步骤、裁定在途副作用、结算已确认用量并处理资源与数据;取消是持久意图,不等于外部动作已经撤销。Task 服务先固化成功、失败或取消的terminal_disposition;用量结算与资源治理域只返回FinalizationCompleted或FinalizationNeedsReview,不能自行改变 Task 状态。只有 Completed 且与固定终止意图一致时,Task 服务才能提交终态。


4. 十个顶层功能域与一个执行子域 ​

功能域按责任、权威事实和扩缩特征划分,不要求每个域对应独立产品。Execution Runtime 在逻辑上属于 Agent Runtime,但因权限边界、后端协议和扩缩模式显著不同,作为内部执行子域单独描述;这种“单列”不表示它与 Agent Runtime 平行。

功能域核心职责主要事实或输出
接入与任务域接收请求、认证入口、租户路由、风险分级、可靠受理Task、首 Run、Reservation、Outbox
Agent 资产与版本域管理 AgentSpec、Prompt、工具描述符、插件、模型路由及发布不可变版本、兼容策略、发布清单
Agent Runtime 域生命周期、Harness/Runner、Agent Loop、调度、Checkpoint 和恢复RuntimeEvent、Run/Step/Attempt 状态
身份策略与审批域工作负载身份、委托、PDP、HITL、凭据与预算AuthzDecision、Approval、ReleaseGrant
模型服务域模型路由、请求治理、推理、流式响应和模型用量ModelEvent、模型版本和 Usage
数据与记忆域RAG、业务数据、短期上下文、长期记忆及来源治理DataResult、MemoryRecord、来源与风险属性
Execution Runtime 执行子域(属于 Agent Runtime)执行入口、账本、适配器、取消、回执、对账和资源边界ExecutionRecord、Receipt、ExternalHandle
产物验收与交付域Artifact、技术验证、业务验收、结果选择和交付ResultSelection、Acceptance、Delivery
用量结算与资源治理域预算预留、Usage 归集、Settlement、凭据与资源释放、数据清理协调Reservation、Usage、Settlement、Cleanup
状态持久化与账本基础域为各领域权威事实提供事务存储、事件、Outbox、定时器和归档基础聚合版本、事件、Outbox、定时器与归档引用
可观测评测与运营域Trace、指标、审计、安全监测、评测、红队、FinOps 和发布反馈告警、评测报告、候选策略和版本

状态持久化与账本基础域不是“统一大数据库”的同义词。Task、Run、Execution、Approval、Artifact 和 Settlement 可以拥有不同物理存储,但各自领域所有者、事务边界和跨域事件必须明确。


5. 总体逻辑架构 ​

下面把十个顶层功能域及 Agent Runtime 内部执行子域放入一条受治理主链中。为保持可读性,总体逻辑架构拆为两张图:图 5-1 聚焦请求执行主链与回程对账,图 5-2 聚焦控制面、验收交付、用量结算与事实基础。两图中同名节点(如 DB、OP、TASK、HR、RD、PDP)为同一逻辑组件;图 5-2 中 MAIN 节点的入出边是对图 5-1 主链各节点的归并表示(如 LIFE 与 XP 的状态写入、模型/数据/执行三类 Usage、LIFE 与持久队列的交互)。

图 5-1 受治理执行主链(接入 → 执行 → 回程对账)

图 5-2 控制面、验收交付、用量结算与事实基础

图中的 Execution Gateway/PEP 是八类逻辑网关之一,同时也是 Execution Runtime 对外暴露的强制入口,因此逻辑所有权属于 Agent Runtime 执行子域;它可以独立部署,但不存在绕过该入口直达适配器的内部通道。交付域先登记 DeliveryIntent、绑定 ResultSelection 并提交 Outbox,再复用执行链,Delivery 结果经耐久事件返回交付域完成对账。

模型、数据和 Execution 调用执行方都须在真正外呼前校验调用记录、规范化摘要、当前授权、许可有效期、control_intent 及 revocation epoch,并以条件更新领取调用记录;取消、撤销或重复投递不能直接触发新动作。已提交 Outbox 不会因原 Worker 租约释放而丢弃:延迟命令验证已登记调用记录的授权来源,而当前 Worker 新增提案仍须校验当前 Lease。读取控制状态与领取记录应使用明确的一致性协议;即使本地门禁原子,远端提交前后仍有不可消除的故障窗口,需目标条件更新和副作用对账。

图中的数据库是逻辑存储集合。只有处于同一事务边界的 Run 状态、调用意图和 Outbox 才承诺原子提交;独立的 Execution 或审批服务通过稳定 call_id、幂等命令和耐久响应事件关联,不宣称跨服务数据库或远端 API 共同原子。

5.1 不可旁路规则 ​

架构必须满足:

  1. Agent 不能直接调用模型服务,模型请求经 Harness 和模型网关;
  2. Agent 不能直接读取长期记忆或业务数据,检索经数据与记忆网关;
  3. Agent 不能直接调用工具,CallIntent 经能力治理、协议适配和执行入口;
  4. MCP/A2A 协议网关只处理相应协议,不能成为 API、浏览器和 Sandbox 的错误必经点;
  5. 所有外部副作用,包括产物发布与交付,最终进入 Execution Runtime 和 ExecutionRecord;
  6. 需要外部网络的模型、数据连接和执行调用经过网络出口控制;内部数据与工具调用仍受服务身份、对象授权和网络策略约束,写入操作保留变更审计;
  7. Run 期的模型、检索和工具结果回到 Harness 形成 RuntimeEvent 或 Observation;DeliveryEvent 回产物验收与交付域。两类结果都不能由执行器直接触发下一轮 Agent 行为或 Task 终态;
  8. 运营系统只能产生候选版本和策略,不能绕过发布审批直接修改生产权限。

5.2 图中未表达的物理细节 ​

逻辑总图不规定具体数据库、消息系统、容器平台和云产品,也不表示所有箭头都是同步网络调用。关键状态提交可能同步,审计归档和评测采样可以异步;PDP 可以使用本地签名策略包加速,身份和撤销状态仍要符合执行时要求。


6. 控制面、运行协调面与执行面 ​

从平台运行视角,可将能力抽象为三个平面和两个横向基础域。

6.1 控制面 ​

控制面管理相对低频、影响全局的定义和版本:AgentSpec、Prompt、模型路由、工具描述符、策略、身份委托、镜像、执行 Profile 及发布清单。控制面故障不应导致运行面自动扩大权限;已运行 Task 要么使用固定且仍有效的版本继续,要么按策略暂停或降级。

6.2 运行协调面 ​

运行协调面由 Agent Runtime 承载,负责高频业务推进:读取 Run 状态、启动 Harness/Runner、调用 Agent、协调模型和工具、等待审批、持久化事件、恢复与接管。它管理逻辑运行,但不直接假定外部动作已发生。

6.3 执行面 ​

执行面由 Execution Runtime 及其后端组成,负责把已授权 ExecutionSpec 落到 API、MCP、浏览器、作业或 Sandbox。它实施执行时验证、资源限制、凭据使用、状态查询、回执和对账,不重新决定 Task 目标。

6.4 事实与运营基础 ​

事实基础提供耐久状态和跨实例恢复;运营域消费遥测和事实副本用于监测、评测和成本分析。普通 Trace 不能代替执行账本,安全告警也不能代替动作阻断。

三个平面可以同进程、同集群或跨服务部署,但每个 Run 只能有一套权威推进语义,每个外部动作只能有一条受治理执行路径。


7. 八类逻辑网关 ​

网关是信任边界上的策略执行点,不一定都是独立网络代理。

逻辑网关控制对象核心职责不负责
接入网关HTTP/API 入口认证接入、WAF、协议限制、租户限流Agent 语义和工具授权
Agent 网关TaskIntentAgent 路由、风险分级、自治等级、任务大小和范围模型推理和物理执行
模型网关ModelCallIntent模型路由、数据最小化、预算、流式治理和用量Task 验收与工具执行
数据与记忆网关RetrievalIntent/MemoryWrite数据授权、来源、租户隔离、检索和记忆写入治理将检索结果证明为真实无害
能力调用网关CallIntent工具版本、参数、目标、预算、审批和 AuthzDecision直接运行任意后端
MCP/A2A 协议网关MCP/A2A 消息企业本地准入目录、协议转换、对端认证、版本和描述符/Agent Card 治理替代业务授权、全局信任准入(MCP 官方 Registry 仅为发现层)和执行账本
执行网关ExecutionSpec执行时身份、epoch、许可、撤销、去重和 ExecutionRecord重新解释 Agent 目标
网络出口网关出向连接默认拒绝、目标和协议控制、DNS、重定向、流量审计判断完整业务语义

协议网关中的准入目录和对端治理是企业平台能力,不是 MCP 或 A2A 天然提供的全局目录。MCP 的 HTTP 授权覆盖客户端到 MCP Server 这一协议边界,不替代下游业务授权、参数级策略和 ExecutionRecord;stdio 等传输也采用不同凭据边界。A2A 的 Agent Card 用于描述 Agent 端点和能力,实际调用仍需逐请求认证授权。

7.1 物理归并 ​

小规模系统可将逻辑网关归并为少量部署单元,例如:

  • 边界接入单元:接入网关;
  • Agent 访问单元:Agent 网关、模型网关;
  • Data Gateway:数据与记忆网关;
  • Capability Gateway:能力调用、MCP/A2A 协议治理;
  • Execution & Egress:执行入口和网络出口。

归并的前提是策略顺序、权限和审计仍可区分。把所有职责塞进一个“AI Gateway”并不能消除边界,只会让变更、扩缩和故障影响相互耦合。


8. 三类 Intent 如何分流并重新汇聚 ​

Agent 的输出不能直接映射为网络调用。Harness 首先把提案归类,再交给不同治理路径。

几条路径有不同语义:

  • 模型调用可以在明确未提交时重试,但供应方可能已经计费;
  • 检索通常是只读,却仍受数据权限、成本和来源污染约束;
  • 工具调用可能产生不可逆副作用,需要审批、许可、执行账本和 UNKNOWN;
  • AnswerDraft 需要技术验证,并不直接完成 Task;
  • ControlProposal 只是 Agent 建议,Runtime 状态机决定实际暂停、委托或终止。

Run 期结果先形成耐久事实和事件,由 Runtime 唯一 Reducer 在当前 Run 状态、控制意图及版本下解释;状态提交后,Harness 才将带来源的 Observation 交给 Agent。DeliveryEvent 由交付域消费,不重新启动 Agent。新增调用前后都需保留 CallRecord 和 Outbox,回程事实不能补写成先前未存在的授权。


9. 端到端正常主链 ​

正常主链中也不存在跨全系统的单一事务。每个关键事实先在自身事务边界提交,再通过事件推进下一阶段。预算预留成功但 Task 提交失败时,通过同一 client_request_id 和 Reservation 引用幂等释放或重试受理,不能遗留不可追踪预留。模型、数据和执行调用失败时,不回滚已经提交的受理事实,而是进入相应重试、降级、对账或收尾路径。


10. 异常与恢复主链 ​

总体架构必须把异常视为正常输入,而不是统一抛给“重试机制”。

10.1 不同异常不能共用同一重试策略 ​

  • 模型超时涉及费用和非确定性响应,重试可能得到不同内容;
  • 检索超时通常可重试,但数据版本和授权需要重新验证;
  • API 提交超时可能已经产生副作用,必须先查询;
  • 浏览器页面超时不能证明表单没有提交;
  • 远程作业取消可能异步生效;
  • Sandbox 故障只说明本地环境异常,不代表远端请求未发生;
  • Delivery 响应丢失可能已经送达,不能盲目重发。

10.2 接管不是重放全部动作 ​

新 Worker 接管 Run 后读取权威历史、固定版本和 ExecutionRecord,先对账在途动作,再决定继续。租约和 fencing 保证旧 Worker 不能继续提交新的平台执行命令,但不能撤回已经送到外部系统的请求。

取消、普通 Execution UNKNOWN 和 Delivery UNKNOWN 必须保留各自来源语义:取消对账即使发现动作已先完成,也只能记录迟到副作用后进入取消收尾,不能恢复 Run;Delivery 对账始终绑定原 ResultSelection,只能恢复 Delivery 或进入交付终态,不能重新执行 Agent。

异常图中任何“回到 Run 调度”“回到 Delivery 调度”或“可恢复”出口,都只是候选恢复决定,必须经相应领域的条件更新确认当前 control_intent 不是 CANCEL、对象非终态、授权和版本仍有效。已经进入取消专用裁决的对象不允许使用这些出口;调查、模型降级或迟到批准也不能清除持久取消意图。


11. 数据与状态归属 ​

领域所有者定义状态转移、命令和事实语义;状态持久化与账本基础域提供事务、事件、对象和归档等持久化能力,但不会因为保存了记录就自动拥有业务决策权。二者可以部署在同一数据库,也必须保持逻辑区分。

状态或数据领域所有者(定义语义)典型持久化基础不应由谁单独持有
Session接入与任务域中的会话服务会话存储与事件历史浏览器连接或单个 Worker 内存
Task 与业务终态接入与任务域中的 Task 服务事务状态库与 Task 事件Agent、模型或 Run 状态机
Run/Step/AttemptAgent Runtime 域Runtime 状态库、队列与 Checkpoint单个 Runner 进程
AgentSpecAgent 资产与版本域版本注册库与对象存储动态 Prompt 拼接结果
ContextEnvelopeAgent Runtime 中的 Harness/Context 服务状态引用与受控对象存储模型上下文窗口本身
长期记忆与 RAG数据与记忆域数据库、向量索引与对象存储Agent 自生成文本
Approval 与 ReleaseGrant身份策略与审批域审批/授权账本Agent 或 Sandbox
ExecutionRecordAgent Runtime 中的 Execution Runtime 子域执行账本工具 stdout 或普通 Trace
Artifact、Acceptance 与 ResultSelection产物验收与交付域对象存储和事务状态库对话消息正文
Delivery产物验收与交付域Delivery 状态库及关联 ExecutionRecord“发送接口返回 200”的临时变量
Usage 与 Settlement用量结算与资源治理域追加式用量账本与结算库Redis 计数器或供应方单次响应
Cleanup用量结算与资源治理域协调各资源所有者,Task 服务消费完成事实Cleanup 账本、资源清单与归档finally 代码块

11.1 数据流和状态流分离 ​

Artifact、大型工具结果和数据集通过对象引用流转,不复制进所有事件和模型上下文。状态事件保存摘要、引用和版本;访问 Artifact 或数据时重新授权。

11.2 遥测和事实分离 ​

Trace、Metric 和 Log 用于观测;它们可以采样、延迟或受保留周期影响。授权决定、许可消费、ExecutionRecord、Acceptance、Delivery 和 Settlement 属于业务事实,不应只存在普通遥测管道中。


12. 从逻辑架构映射到部署模式 ​

逻辑域可以映射到不同物理形态。

12.1 单进程模式 ​

适合验证最小业务闭环。即使 Agent、Harness 和 Runner 同进程,也应把 Task/Run 状态放入耐久存储,并让高风险代码执行与业务进程隔离。规模小不等于可以省略 ExecutionRecord 和 UNKNOWN 语义。

12.2 自建分布式平台 ​

通用 Gateway 和 Harness Worker 可部署在容器平台或虚拟机;Execution Runtime 根据后端类型独立扩缩;模型、浏览器、GPU、Sandbox 和批作业使用专用资源池。消息、数据库、缓存和对象存储按能力选择,不预设具体产品。

12.3 托管或混合 Runtime ​

托管服务可以承担 Agent 代码托管、协议入口、会话隔离和弹性,企业保留 Task、策略、审批、验收、交付和审计控制。选型时逐项确认托管边界,不能把“支持 Checkpoint”自动理解为业务 Task 可恢复,也不能把“隔离会话”理解为已经解决所有工具权限和外部副作用。

Google ADK、Eino ADK 和 LangGraph 等框架可以提供 Runner、事件循环、图执行或 Checkpoint 抽象;Temporal 等持久工作流可提供耐久状态机、定时器和 Activity;AgentCore Runtime 等托管服务可提供运行承载、隔离和弹性。这些官方能力都不能单独证明本文全部控制面、审批、ExecutionRecord、业务验收或外部副作用恢复已经实现。

12.4 Cell 与故障域 ​

大规模部署可将一组 Task API、Harness Worker、Execution Runtime、局部队列和配额组成 Cell。租户或 Task 归属特定 Cell,控制单点故障的传播范围。跨 Cell 控制面只分发签名版本和策略,不在故障时自动扩大权限。


13. 非功能能力如何落入总体架构 ​

非功能目标主要架构落点
高并发有界队列、分类型 Worker 与资源池、租户公平、背压和异步等待
高可靠权威状态、Outbox、租约、fencing、Checkpoint、对账和多可用区
安全工作负载身份、逐调用授权、八类网关、安全执行环境和行为监测
可观测Task/Run/Step/Execution 关联、Trace Link、阶段指标和审计证据
弹性状态与实例分离,模型、浏览器、GPU、Sandbox 和批作业独立扩缩
成本预算预留、Usage、Settlement、资源池水位和模型路由
合规数据来源、目的授权、保留删除、审批证据、版本和发布记录
可演进AgentSpec 固定、兼容策略、影子运行、灰度、回滚和 kill switch

这些目标不是由单个组件实现。例如,高可靠不仅是数据库多副本,还包括外部副作用对账;安全不仅是 WAF 或 Prompt 过滤,还包括执行许可和资源边界;弹性不仅是 Pod 数量,还包括等待状态是否释放资源以及不同后端是否独立扩缩。


14. 常见总体架构反模式 ​

14.1 以产品清单代替架构 ​

“Kubernetes、Kafka、Redis、向量库和大模型”没有说明 Task、Run、权限和副作用的归属。先定义功能域和契约,再映射产品。

14.2 所有能力都塞进 Orchestrator ​

单体 Orchestrator 同时负责 Prompt、模型、工具、审批、状态、资源和审计,最终成为不可扩缩、不可替换且权限过大的中心。Harness 协调流程,但权威事实和强制控制由专门领域承担。

14.3 网关自环或孤立 ​

模型网关只在图中自调用,MCP 网关没有接入主链,或 Sandbox 直接访问外网,说明治理路径并未真正落地。每个网关都要有明确上游、下游和失败策略。

14.4 模型、数据或 MCP 旁路 Harness ​

Run 期外部结果直接送回 Agent,会使间接注入、来源、状态提交和取消语义无法统一。模型、检索和工具结果应先形成 RuntimeEvent 或 Observation;DeliveryEvent 则回交付域完成对账,不能直接推进 Agent 或 Task 终态。

14.5 把 Sandbox 当 Runtime ​

API、浏览器和远程作业绕过执行账本,Agent Loop 和状态恢复无人负责。Sandbox 只是执行后端。

14.6 把消息系统当权威状态库 ​

消息可以重复、延迟和乱序。当前 Task、Run、Execution、Approval 和 Delivery 状态仍需明确聚合和版本规则。

14.7 用 Trace 代替审计和账本 ​

Trace 可以采样或过期,不适合作为许可消费、审批、外部副作用和结算的唯一证据。

14.8 统一重试所有失败 ​

模型、检索、API、浏览器、作业和交付具有不同副作用。必须按能力声明和已知事实决定重试、查询、补偿或人工裁决。


15. 总体架构评审清单 ​

系统上下文 ​

  • 外部主体和信任边界是否完整?
  • 每类外部响应由谁认定为业务事实?
  • 是否明确平台不能替代哪些下游事实?

业务闭环 ​

  • Task 完成是否绑定 Run、Artifact、Acceptance 和 Delivery 的同一证据链?
  • 失败、取消、超时、UNKNOWN 和人工裁决是否有出口?
  • 结算和清理是否有独立事实?

Runtime 主链 ​

  • Agent 是否只产生 Intent 和 Draft,Harness 是否只向 Runtime 提交转移提案?
  • 模型、数据、工具和交付是否在真实外呼前已有耐久调用记录及 Outbox,执行方是否进行最新取消、撤销、授权和领取检查?
  • Run 期模型、数据和工具结果是否先可靠登记,再由唯一 Reducer 解释并交给 Harness,DeliveryEvent 是否回到交付域?
  • 一个 Run 是否只有一个权威状态机,已提交 Outbox 是否不会被后续 Lease 变化静默丢弃?
  • 状态是否独立于 Worker 和 Sandbox?
  • 是否测试 CallRecord 提交前崩溃时没有外呼、提交后崩溃时可安全派发,以及取消后的迟到结果只能记录事实和收尾?

网关与安全 ​

  • 八类逻辑职责是否存在,物理归并后是否仍可区分?
  • MCP/A2A 协议网关是否只处理对应协议?
  • 所有副作用是否经执行入口和 ExecutionRecord?
  • 外部网络是否经出口治理?
  • 是否存在“内部服务默认可信”的旁路?

状态与数据 ​

  • Session、Task、Run、Execution 和 Artifact 是否分开?
  • 消息、缓存、Trace 和权威状态的边界是否明确?
  • 大产物是否引用传递并按访问重新授权?

部署与非功能 ​

  • 逻辑图和物理图是否分开?
  • 资源池是否按模型、浏览器、Sandbox、GPU 和批作业独立建模?
  • 故障域、RPO/RTO 和 fail-open/fail-closed 是否按场景声明?
  • 控制面故障是否可能导致运行面自动扩权?

只要存在绕过 Harness 的模型或工具调用、绕过 Execution Runtime 的副作用、没有权威状态的恢复、或没有对账的自动重试,就不能认为总体架构已经闭环。


16. 本篇结论与后续专题 ​

生产级 Agent 平台的总体架构可以概括为:

以 Task 业务闭环为目标,以 Agent Runtime 为运行载体,以 Harness 为行为组织机制,以 Execution Runtime 为统一动作通道,以领域事实和零信任网关约束模型、数据和工具,再通过可观测、评测和发布治理形成运营闭环。

平台不是越多组件越成熟。成熟度来自边界清晰:谁定义行为、谁推进 Run、谁做策略决定、谁执行动作、谁保存事实、谁处理 UNKNOWN、谁验收交付、谁结算清理。逻辑职责明确后,组件可以合并、拆分或替换,业务语义仍然稳定。

本篇完成了从领域对象到平台功能域的外扩。下一篇将深入 Agent Runtime 本身,展开生命周期、版本装载、Agent Loop、Context、状态、调度、暂停恢复、取消和资源协调的完整能力模型。


参考资料 ​

  1. Google ADK Agent Runtime
  2. Google ADK Event Loop
  3. CloudWeGo Eino ADK Overview
  4. CloudWeGo Eino Agent Runner and Extension
  5. LangGraph Pregel Runtime
  6. Temporal Workflow Execution
  7. MCP Authorization Specification
  8. A2A Protocol v1.0 Announcement
  9. Amazon Bedrock AgentCore Runtime
  10. CloudEvents Specification Repository