技术选型、部署模式与生产准入
系列:生产级 Agent 平台架构 2026 · 第 19 篇(收官)
定位:落地篇
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 3 篇《生产级 Agent 平台总体架构:从主链到功能域》 · 第 4 篇《Agent Runtime:从生命周期到执行治理的完整能力模型》
关键词:技术选型、部署模式、生产准入、上线路线图、系列总结
摘要
此前总纲和 18 篇专题分别回答了生产级 Agent 平台的职责边界、领域对象、总体架构、Runtime 机制、持久执行、执行后端、安全威胁建模、OWASP 风险映射、攻击知识库与三框架协同、零信任、网关治理、数据与费用、弹性、并发、高可用和可观测等问题。但对大多数团队而言,最后的落地难题往往集中在三件事上:如何在众多框架、引擎和托管服务中做出不后悔的选型;如何把统一逻辑架构映射到与自身规模和团队能力匹配的物理部署;如何用可验证的故障事实而不是架构图来证明系统可以上线。
本文给出这三件事的完整方法。选型部分坚持系列一贯立场——能力优先于产品:先写出能力契约与故障语义,再枚举候选类型,用功能契合、故障语义、运维成本、锁定风险、合规、社区与商业支持、团队能力七个维度初筛,用故障注入式 PoC 取证,最后以架构决策记录固化结论并定期复审。随后按 Agent 编程与 Runner、持久工作流、事件与消息、权威状态、缓存与限额、通用计算、强隔离执行、模型推理、对象与产物、策略与身份、可观测与审计、评测与红队十二个能力域,逐一给出能力要求、候选类型、关键选择问题与常见陷阱。
部署部分把十个顶层功能域加一个 Execution Runtime 执行子域的逻辑架构,映射到单进程或小规模、自建分布式、托管或混合三种模式,明确每种模式的保留项与可简化项——小规模可以归并部署单元,但不得省略耐久状态、ExecutionRecord 与 UNKNOWN 语义——并给出从单进程走向分布式的七步迁移顺序。生产准入部分把全系列的关键验证场景汇总为 P0、P1、P2 三级测试套件,作为发布门禁。上线路线图把演进划分为最小闭环、受控生产、规模化、生态互联四个阶段,每阶段给出准入条件与退出标准。最后回顾全系列 20 篇地图,沉淀核心不变量清单,并展望 A2A 互联、多 Agent 治理、持续红队与合规深化。
本文不指定任何必选商业产品。所有候选都以类型出现,所有结论都以能力契约和故障证据为依据。
1. 问题背景
1.1 选型发生在营销叙事与工程现实的交界处
2026 年的 Agent 技术供给空前丰富:多个开源框架提供 Runner、事件循环、中断恢复和 Checkpoint 抽象;持久工作流引擎把耐久状态机和定时器变成现成能力;云厂商推出托管 Agent Runtime,把会话隔离、弹性扩缩、身份和流式输出作为服务提供;沙箱、浏览器、GPU 和模型推理各有专门的托管选项。供给丰富本应降低落地门槛,实际却经常放大选型风险——因为每一类供给的官方能力描述都是真实的,而每一项真实能力被放大解读后都可能变成错误的平台承诺。
系列第 4 篇已经用一张表说明过这种差距:Google ADK 的 Runner 与 Event Loop 真实存在,事件中的 state_delta 经事件处理后提交也是真实机制,但恢复能力依赖持久化 Session 与 Event 的实现,流式 partial 事件不是耐久状态;Eino ADK 提供 CheckPointStore 扩展,但跨进程是否耐久由 CheckPointStore 的具体实现决定;LangGraph 提供 thread 与 checkpointer 快照,恢复基于节点重放,而 thread_id 不是安全隔离或租户授权边界;Temporal 以 Event History Replay 提供耐久执行,但 Activity 的外部副作用仍需幂等和对账;AgentCore Runtime 提供托管承载、会话隔离、弹性、身份、流式与观测,但 Agent Loop 由用户代码实现,持久文件系统需要显式配置。这些边界不是对产品的贬低,而是选型的基本事实:框架、引擎和托管服务各自交付一段能力,平台能力必须由平台自己补齐。
1.2 三类典型选型失误
系列贯穿全文的三类失误,在落地阶段会以更高代价重演:
- 以组件清单代替架构。 “消息队列加大数据库加容器平台加某框架”回答了拥有什么,却没有回答 Task 何时算可靠受理、谁持有权威状态、UNKNOWN 由谁对账、终态由谁提交。组件清单无法被验证,架构契约可以。
- 以框架能力等同平台能力。 把框架的 Checkpoint 抽象直接宣传为业务可恢复,把托管会话隔离直接等同工具权限治理。一旦故障发生,缺失的能力会以事故形式补课。
- 以托管服务代替治理责任。 托管可以承担代码承载、弹性与会话管理,但 Task 权威状态、审批、验收、结算、审计和外部副作用对账仍然是企业的责任。把责任一并“托管”出去,等于放弃了对业务事实的控制。
1.3 选型错误的代价不对称
不同能力域的替换成本差异巨大。权威状态库承载 Task、Run、ExecutionRecord、Approval、Settlement 等全部事实,迁移意味着数据搬迁、语义核对和双写过渡;消息系统的顺序、回放和延迟语义深度嵌入 Outbox 与调度逻辑;隔离层的选型决定了镜像、网络和资源限制的整套工程。相比之下,缓存、可观测后端和评测工具的替换成本低得多。选型投入应与替换成本成正比:对高替换成本的能力域,必须走完整的契约、PoC 和决策记录流程;对低替换成本的能力域,可以快速选择、快速替换。
1.4 本文结构
本文依次回答四个问题:怎么选(第 2 节方法论)、选什么(第 3 节分能力域)、怎么部署(第 4 节三种模式)、凭什么上线(第 5 节生产准入测试套件与第 6 节上线路线图)。第 7 节回顾全系列并沉淀核心不变量,第 8 节展望演进方向。
2. 选型方法论
2.1 能力契约优先:先写契约,再看产品
能力契约是对一个能力域的四份书面承诺,必须在接触任何候选产品之前完成:
- 能力要求:该能力域必须提供的功能,用系列术语精确表达。例如权威状态必须支持事务、条件更新和版本化聚合,而不是含糊的“高可靠存储”。
- 故障语义:该能力域在故障时允许发生什么、禁止发生什么。例如消息系统允许重复投递,但消费侧必须幂等;缓存允许丢失,但安全策略判定不得因缓存失效而默认放行。
- 接口契约:与相邻能力域的交互协议,包括同步还是异步、谁先提交、谁确认谁。
- 非职责声明:明确该能力域不承担什么。这是系列反复使用的手法——第 0 篇对 Agent、Harness、Runtime、模型服务、执行后端的职责表,本质上就是五份非职责声明。
选型评审时,每个候选必须回答第 0 篇提出的四个问题:它负责什么,它不负责什么,失败时如何退化,哪些事实仍需外部系统承载。 回答不了第三和第四个问题的候选,无论功能清单多长都不应进入短名单。
2.2 先枚举候选类型,再落具体产品
类型级枚举避免被单一厂商叙事锚定,也避免团队视野局限。同一个能力域通常存在多类实现路线:自建、开源、托管、复用企业既有基础设施。每一类路线在运维成本、锁定风险和团队能力上的得分完全不同。落具体产品是初筛之后的事,而且同一能力域允许保留“组合方案”——例如用 Agent 框架承载 Runner,用持久工作流引擎承载长任务编排,用事务数据库承载权威状态,三者各取所长,这正是第 3.1 节要讨论的组合模式。
2.3 七个评估维度
| 维度 | 核心问题 | 典型证据 |
|---|---|---|
| 功能契合 | 能力契约中的必需项覆盖率多少,缺口能否由上层机制补齐 | 功能对照表,缺口清单与补齐方案 |
| 故障语义 | 故障时退化行为是否与契约一致,是否可控可声明 | 故障注入测试结果,官方故障模型文档 |
| 运维成本 | 部署、升级、扩缩、备份、监控所需人力与工具链 | 团队现有经验,同类系统运维记录 |
| 锁定风险 | 数据格式、API、协议是否可迁出,退出成本多大 | 导出能力,标准化程度,替代方案存在性 |
| 合规 | 数据驻留、审计、保留删除、认证资质是否满足约束 | 合规需求清单逐项核对 |
| 社区与商业支持 | 版本节奏、安全响应、长期维护信号是否健康 | 发布记录,漏洞响应时长,贡献者结构 |
| 团队能力 | 团队是否具备用好和排障该候选的技能 | 既往项目经验,培训与招聘成本 |
七个维度不是简单打分求和。故障语义与合规具有一票否决属性:故障退化不可控的候选会污染整条主链;不满足数据驻留等强制约束的候选无论多优秀都出局。其余维度用于在合格候选之间比较。
2.4 PoC 验证:用故障事实取证
PoC 的目标不是跑通演示路径,而是为能力契约中的关键断言取证。合格的 PoC 至少包含:
- 正常路径:验证接口契合与基本性能;
- 故障注入:杀进程、断网、制造超时、重复投递、撤销权限,观察退化行为;
- 恢复验证:故障后状态是否可恢复,未决动作是否可查询,是否产生重复副作用;
- 规模抽样:在接近生产的负载剖面下抽样验证延迟与吞吐,而不是峰值压测;
- 运维演练:实际执行一次升级、一次备份恢复、一次扩缩容。
PoC 的退出标准是书面的:哪些断言被证实,哪些被证伪,哪些无法验证需要带入生产观察期。无法验证不等于通过。
2.5 决策记录:ADR 固化与复审触发
每个能力域的选型结论以架构决策记录固化,至少包含:背景与能力契约摘要、候选清单与初筛结果、PoC 证据与链接、最终决策与理由、已知后果与接受的风险、复审触发条件。复审触发条件是 ADR 中最容易被遗漏的部分,建议显式写明,例如:候选出现改变故障模型的重大版本变化、规模增长十倍、合规约束变化、出现重大安全事件、团队能力结构变化。ADR 不是存档仪式,它让“为什么当初这么选”在两年后仍可审计,也让复审有据可依。
2.6 选型决策流程
把上述步骤串成可执行的决策流程:
而每一个能力域进入流程后,内部的判定逻辑可以表达为下面的选型决策图。它也是本文推荐团队在评审会上直接使用的检查顺序:
2.7 方法论层面的反模式
- 跑分驱动选型:只看吞吐和延迟基准,不看故障语义与运维成本,基准数字无法带入生产。
- 简历驱动选型:为技术新颖性选择团队无法驾驭的系统,故障时无人能排障。
- 大爆炸选型:试图一次性选定全部能力域。正确做法是按依赖顺序逐域决策,先权威状态与消息,后计算与隔离。
- 只选不复审:选型结论永不回顾,直到某次事故才被动发现假设早已失效。
3. 分能力域选型
本节按十二个能力域逐一展开。每个能力域给出能力要求、候选类型、关键选择问题与常见陷阱。能力域与系列文章的对应关系如下表,便于交叉阅读:
| 能力域 | 主要关联文章 | 选型焦点 |
|---|---|---|
| Agent 编程与 Runner | 第 4、5 篇 | 事件模型、中断恢复、状态接口 |
| 持久工作流 | 第 6 篇 | 耐久语义、重放与幂等 |
| 事件与消息 | 第 6 篇 | 耐久投递、Outbox、顺序与回放 |
| 权威状态 | 第 2、6 篇 | 事务、条件更新、故障范围 |
| 缓存与限额 | 第 12、15、16 篇 | 授权缓存边界、资源配额与准入精度 |
| 通用计算 | 第 15 篇 | 弹性、可移植性、运维 |
| 强隔离执行 | 第 8 篇 | 隔离强度、兼容性、启动时延 |
| 模型推理 | 第 3、13 篇 | 数据驻留、容量、用量对账 |
| 对象与产物 | 第 14 篇 | 耐久、权限、保留与 WORM |
| 策略与身份 | 第 12、13 篇 | 委托、撤销、执行时生效 |
| 可观测与审计 | 第 18 篇 | 事实与遥测分离、审计耐久 |
| 评测与红队 | 第 10、11、18 篇 | 风险分类、攻击知识映射、回归、影子与红队常态化 |
3.1 Agent 编程与 Runner
能力要求。 该能力域提供 Agent 的编程抽象与事件循环承载:事件模型与 RuntimeEvent 语义;中断与恢复抽象;可插拔的状态与会话接口;流式输出且区分耐久事件与展示增量;Hook 与扩展机制;版本固定支持。它必须能把 Agent 产出的 ModelCallIntent、RetrievalIntent、CallIntent 与 AnswerDraft 交给 Harness 治理链,而不是直接发起调用。
候选类型。
| 候选类型 | 官方能力可支持的部分 | 平台仍需明确的边界 |
|---|---|---|
| Google ADK | Runner 协调 Agent、SessionService 与 Event,事件中的 state_delta 经事件处理后提交 | 恢复依赖持久化 Session 与 Event 的实现,流式 partial 事件不是耐久状态,跨 Worker 租约与副作用去重需平台自建 |
| Eino ADK(CloudWeGo,Go) | ChatModelAgent(ReAct Loop+Middleware)、Workflow Agents(Sequential/Loop/Parallel)、DeepAgents(PlanTask+TaskTool 子任务委托)、TurnLoop(Push/Preempt/Stop)、Runner 事件迭代、中断、Resume 与 CheckpointStore 扩展;ADK 自 v0.5.0 引入,采用时须固定 v0.9.x 等实际版本 | 跨进程耐久性由 CheckPointStore 实现决定,Cancel 不等于回滚外部动作,多副本租约 fencing 与多可用区高可用需平台自建 |
| LangGraph | 图执行、thread 与 checkpointer 状态快照、基于重放的恢复 | 节点可能从开头重放,外部副作用必须幂等,thread_id 不是安全隔离或租户授权边界 |
| Claude Agent SDK | query()/ClaudeSDKClient 承载 agent loop、内置工具、subagents、hooks、4 种 permission modes、sessions 恢复 | 会话恢复是客户端侧语义,跨进程耐久 Task、租约、企业授权与副作用对账需平台自建;permission modes 只到工具粒度,达不到 action_digest 级审批 |
| OpenAI Agents SDK / Agents API(beta) | Agents SDK:Agent/Tool/Handoff/Guardrail/Sessions/Tracing 原语(2026-09 起进入维护期);Agents API:托管会话、编排、上下文压缩与恢复,环境可选 openai_hosted/self_hosted | 托管形态把状态机与恢复让渡给供应方;Task 终态、审批、验收、结算、ExecutionRecord 与 UNKNOWN 对账必须平台自建;托管产品生命周期风险见 4.4 节 |
| 其他框架或自研 | 可完全贴合平台事件模型与治理链 | 事件模型、恢复、扩展机制全部自建,长期维护成本高 |
关键选择问题。 状态接口是否可插拔并指向耐久实现?中断恢复依赖什么存储,进程重启后能否继续?流式增量与耐久事件是否分流,慢消费者会不会阻塞推进?AgentSpec 版本能否固定到 Run?扩展点能否挂接审批、预算、回程扫描等治理 Hook?语言栈与团队能力是否匹配?
常见陷阱。 把框架 Runner 直接当成分布式 Runtime,默认它提供租约、接管与跨可用区恢复;把 thread_id 或 session_id 当作租户隔离边界;把内存 Session 当作耐久状态;在框架升级时未固定事件与状态 Schema,导致在途 Run 无法恢复。
低代码编排平台的定位分支。 Coze(含 Coze Studio 开源版)、Dify、腾讯 ADP 工作流等可视化编排平台是该能力域之外的另一种形态,选型时按三分支判定:其一,低风险场景直接使用——接受其领域语义边界,不强行对齐本系列对象模型;其二,作接入与编排前端——画布产物经系列任务受理接口进入平台,权威状态机、ExecutionRecord 与验收结算在平台侧自建,编排平台不持有业务事实;其三,二开对齐系列语义——默认不推荐:画布上的人工审核节点要等价于 ApprovalRecord + WAITING_APPROVAL + 审批后重授权,循环/并行节点的外部调用要纳入 ExecutionRecord 与末端门禁,工作流版本要遵守在途 Run 钉版原则,在其原生领域模型(Bot/工作流/插件)上补丁式实现这些语义,会形成两套相互竞争的推进系统,正是第 1 篇的反模式。若业务确需该分支,必须先在 PoC 中验证审批、取消与故障注入场景,再写 ADR 固化放弃的治理点与补偿控制。
框架与持久工作流、权威状态之间是组合关系而非替代关系,典型组合如下:
3.2 持久工作流
能力要求。 为分钟到天级的长任务提供耐久状态机:安全点暂停与恢复;定时器与延迟唤醒;明确的恢复语义;Activity 或子任务协调;执行可见性与运营查询。它服务的是耐久调用原则——逻辑推进不依赖任何单进程存活。
候选类型。 Temporal 或 Cadence 类工作流引擎,提供 Event History 与定时器,恢复基于历史重放;数据库状态机加 Outbox,用事务表表达状态、用 Outbox 驱动推进,简单直接且与权威状态同库;基于消息系统的自研调度,灵活但需要自建租约、fencing 与可见性。
关键选择问题。 恢复机制是历史重放还是快照恢复,对代码确定性有什么要求?Activity 的外部副作用如何保证幂等与对账?定时器的精度、规模与延迟消息能力如何?多租户配额与公平调度是否支持?引擎自身升级与版本管理是否平滑?自建方案的租约与 fencing 是否有成熟实现?
常见陷阱。 把 Event History Replay 当作外部副作用的恰好一次保证——重放恢复的是逻辑状态,Activity 已经发生的远端动作不会回滚;工作流代码引入非确定性导致重放分叉;把工作流引擎当权威业务数据库使用,业务事实散落在引擎内部;低估自建调度方案的运维与正确性成本。
3.3 事件与消息
能力要求。 为 Outbox、命令分发与结果事件提供耐久投递:至少一次投递与消费侧幂等假设;明确的顺序语义;保留与回放窗口;延迟消息或定时器支持;与权威状态事务配合完成 Transactional Outbox。
候选类型。 日志型消息系统如 Kafka 类,回放与吞吐见长;业务消息系统如 RocketMQ 类,提供延迟消息与事务消息;Pulsar 类提供分层存储与多租户;RabbitMQ 类传统 Broker 路由灵活;云消息服务降低运维;小规模下数据库 Outbox 加轮询发布也是合格实现。
关键选择问题。 顺序保证到什么粒度,分区或队列模型与 Run 聚合如何对齐?延迟消息与定时器的精度和上限?回放窗口多长,能否支撑对账?与状态库的 Outbox 事务如何原子化?消费组再平衡时的重复投递窗口多大?
常见陷阱。 把消息系统当权威状态库——消息可以重复、延迟、乱序,当前 Task、Run、Execution 状态仍需要聚合与版本规则;假设恰好一次投递而不在消费侧做幂等;Outbox Publisher 不做去重,重发布产生重复命令;用消息保留期代替审计保留期。
3.4 权威状态
能力要求。 为全部领域事实提供事务基础:事务与条件更新,支持 CAS 与乐观锁版本;聚合版本化以支撑 fencing;复制、故障切换与声明的 RPO、RTO;分区、归档与保留策略;审计字段与变更追溯。
候选类型。 PostgreSQL、MySQL 及其高可用部署是最常见的起点;云关系数据库提供托管运维与跨可用区复制;分布式 SQL 数据库在规模与水平扩展需求出现后进入视野。
关键选择问题。 条件更新与行级版本是否可靠支持,这是租约与 fencing 的地基?主从切换时的数据丢失窗口是多少,能否满足受理与账本的要求?账本类大表的分区与归档方案是否提前设计?Schema 演进与在线迁移工具链是否成熟?
常见陷阱。 用读副本做 fencing 判定,旧数据放行旧 epoch 的提交;账本表没有分区与归档规划,一年后成为性能黑洞;把授权决定、许可消费等事实只写进缓存或遥测管道;Schema 版本不受控,Checkpoint 与事件重放因结构漂移失败。
3.5 缓存与限额
能力要求。 为低风险判定、策略查询和配额控制提供低延迟路径:策略与元数据缓存;租户与 Agent 配额计数;明确的故障降级语义——哪些判定缓存失效时阻断,哪些可以放行;热 Key 与过载保护。
候选类型。 Redis 兼容内存服务及其托管形态;进程内本地缓存用于只读元数据;专用限流服务或网关内置限流用于精确配额。
关键选择问题。 配额需要近似还是精确语义,误差能否被预算机制兜底?缓存故障时安全类判定是 fail-open 还是 fail-closed,由谁声明?缓存与权威状态的一致性窗口多大,敏感动作执行前是否重新验证?
常见陷阱。 用 Redis 计数器充当唯一执行账本——缓存可丢失,去重窗口内的重复执行将不可追溯;安全策略缓存故障时默认放行,绕过授权;只依赖缓存中的授权结论,不在执行时验证撤销状态与 revocation_epoch。
3.6 通用计算
能力要求。 承载 Worker、网关与执行适配器的计算底座:弹性扩缩与调度亲和;可移植性以控制锁定;故障域声明;与隔离、GPU 等专用资源池的协作接口。
候选类型。 Kubernetes 类容器编排,生态与弹性成熟;虚拟机,隔离与合规边界清晰;Serverless 容器,免运维但受超时与冷启动约束;托管 Agent Runtime,直接提供承载、会话隔离与弹性。
关键选择问题。 长任务的持有时间与平台超时限制是否匹配?节点故障域与 Pod 驱逐策略对 Run 接管的影响?异构资源如 GPU 的调度能力?从一个底座迁出的成本——镜像、编排清单、身份与网络策略是否可移植?
常见陷阱。 把 Kubernetes 当作 Agent 业务状态机——它负责资源编排,不提供 Task、Run 语义;Serverless 超时截断长任务且未形成 UNKNOWN 记录;选择托管底座时未确认数据驻留与退出路径。
3.7 强隔离执行
能力要求。 为不受信代码、浏览器脚本与高风险工具提供隔离执行:与攻击者能力模型匹配的隔离强度;系统调用与依赖兼容性;资源限制粒度;启动时延与热池策略;设备与 GPU 需求;与逻辑 Checkpoint 的配合;成本与运维复杂度可控。
候选类型。 强化容器与 rootless 容器,兼容性好隔离中等;gVisor 用户态内核,隔离增强且启动较快;Kata Containers 轻量虚拟机;Firecracker 类 microVM,支持快照恢复;腾讯 Cube(2026-04 以 Apache 2.0 开源的 KVM microVM 沙箱服务,支持快照克隆、兼容 E2B SDK、可私有化部署);完整虚拟机,隔离最强成本最高;托管 Sandbox 服务(如 FC Agent Sandbox、ACS Agent Sandbox),免运维但需逐项确认兼容边界;语言级 Sandbox 只适合受限脚本。
关键选择问题。 假设的攻击者能力是什么——能否加载内核模块、能否触达宿主网络?目标工具链的系统调用兼容性如何?冷启动时延是否满足任务剖面?租户等级是否要求独享内核或独享宿主?逃逸告警之后的隔离、取证与凭据撤销流程是否已经定义?
常见陷阱。 只看启动时延单指标选型,忽略兼容性与隔离强度;认为进了沙箱就不需要出口治理——沙箱限制本地计算,不限制远端副作用;把物理快照当成业务回滚,误以为恢复快照能撤销已经发生的远程交易。
3.8 模型推理
能力要求。 提供受治理的模型调用:数据驻留与合规边界;容量与限流;流式响应;用量记录与对账接口;模型版本固定与路由降级;多供应方切换能力。
候选类型。 外部模型服务 API,能力迭代快;云托管推理,合规与容量选项丰富;自建 GPU 推理池,数据不出域且成本可控但运维重。
关键选择问题。 数据出境与驻留约束是否满足?用量数据能否与平台 UsageRecord 对账,差异如何处理?限流与配额超限时的降级路径?模型版本能否固定,回滚是否可行?单一供应方故障时路由策略是什么?
常见陷阱。 单一供应方且无路由降级,供应方故障即平台故障;用量只信单次响应,不做账单对账,未知费用没有未决责任;模型版本漂移不固定,同一 AgentSpec 在不同时间行为不一致;把模型服务的可用性承诺直接转写成平台 SLO。
3.9 对象与产物
能力要求。 承载 Artifact、Checkpoint 大对象与审计归档:耐久性;细粒度授权且访问时重新验证;生命周期与保留策略;WORM 与防删除用于审计;加密与密钥管理;跨区域复制选项。
候选类型。 对象存储及其托管形态是默认选择;分布式文件系统适合需要 POSIX 语义的执行环境;受控文件服务用于交付场景。
关键选择问题。 授权粒度能否到对象前缀或对象级,下载与发布时能否重新鉴权?保留与删除策略能否满足合规保留与删除权?大对象的校验和、来源与扫描状态如何随 ArtifactManifest 管理?
常见陷阱。 把产物内容塞进数据库字段或消息体,导致复制放大与上下文污染;产物访问沿用旧授权不重新检查;临时工作区文件没有保留与清理策略,长期累积成为数据治理负债。
3.10 策略与身份
能力要求。 支撑零信任授权链:工作负载身份与用户委托;ABAC 策略表达与版本化;审批与一次性执行许可的账本支持;撤销的实时生效;决策低时延与决策审计。
候选类型。 OPA、Cedar 类策略引擎作为 PDP;企业 IAM 与目录服务提供身份与委托源;Workload Identity 与工作负载身份框架提供服务间认证;凭据代理服务负责短期受众绑定凭据的签发。
关键选择问题。 撤销能否在执行时生效——策略缓存命中时是否仍校验 revocation_epoch 与撤销状态?PDP 不可用时高风险动作是否阻断?策略版本化与回滚是否可审计?委托链能否从用户贯穿到 Execution 身份?
常见陷阱。 把一次授权决定当作长期有效,审批通过后不再重验;策略缓存绕过撤销检查;决策只有结果没有证据,事后无法解释为什么放行;把 ReleaseGrant 与下游业务凭据混成一个令牌管理。
3.11 可观测与审计
能力要求。 坚持系列第 18 篇确立的事实与遥测分离:Trace、Metric、Log 用于排障与趋势;授权决定、许可消费、ExecutionRecord、Acceptance、Delivery、Settlement 属于业务事实,必须存于耐久账本。需要 GenAI 语义约定统一模型与 Agent 遥测命名,需要审计的独立耐久与防篡改。
候选类型。 OpenTelemetry 生态加各类后端;商业 APM 平台;自建审计账本与归档管道。三者通常组合使用:遥测用生态方案,审计自建。
关键选择问题。 采用的语义约定版本是否固定,升级如何回归?审计与遥测是否物理分离,遥测平台故障会不会丢审计?保留期是否满足合规与取证需求?敏感 Prompt 与结果的记录策略是否经过数据治理评审?
常见陷阱。 用 Trace 代替审计——Trace 可采样可过期,不能承载许可消费与结算证据;审计耐久性依赖普通遥测管道,遥测故障即证据丢失;为全链路审计无条件记录敏感原文。
3.12 评测与红队
能力要求。 支撑运营闭环:Golden Set 与回归评测;影子运行与灰度对比;自动化红队与攻击场景库;线上抽样与人工标注;评测结果到候选变更的受控通道。
候选类型。 自建评测平台贴合业务验收语义;开源评测框架提供现成指标与数据集管理;商业评测与红队服务提供攻击场景与报告能力。
关键选择问题。 评测环境与生产的能力边界是否一致——同样的策略、同样的门禁?评测产生的候选规则与版本如何进入回归、审批与灰度,而不是直接改生产?红队场景库是否随 OWASP Agentic Top 10 等风险分类更新?
常见陷阱。 评测系统直接修改生产策略或扩大权限,绕过发布审批;红队一次性演练后束之高阁;用离线评测分数代替业务验收——Run 成功不等于 Task 完成,评测通过也不等于交付合格。
4. 三种部署模式
4.1 逻辑架构不变,物理映射可变
系列第 3 篇确立了十个顶层功能域与 Execution Runtime 执行子域的逻辑架构:接入与任务、Agent 资产与版本、Agent Runtime、身份策略与审批、模型服务、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,以及属于 Agent Runtime 内部的执行子域。逻辑职责不随部署规模变化;变化的是物理映射。三种模式的分野在于:哪些域归并部署、哪些域独立扩缩、哪些域交给托管服务,以及无论怎么变,哪些事实与门禁必须保留。
4.2 模式 A:单进程或小规模
适用场景。 验证最小业务闭环、内部低风险场景、日任务量在百到千级。Agent、Harness 与 Runner 可以同进程,逻辑网关可以归并为进程内拦截器。
保留项——规模小不等于可以省略:
| 保留项 | 原因 |
|---|---|
| 外部耐久状态库承载 Task、Run 与 ExecutionRecord | 进程重启不得丢失业务事实,内存与本地文件都不合格 |
| ExecutionRecord 与 UNKNOWN 语义 | 一次外部写动作的结果未知就足以造成重复副作用,与规模无关 |
| 幂等受理与 client_request_id | 客户端重试是常态,重复受理直接产生重复预算与重复任务 |
| Outbox 或等价的耐久投递 | 进程内直调在崩溃时会丢命令,数据库 Outbox 加轮询即可满足 |
| 验收与 Finalization 门禁 | Run 成功不等于 Task 完成,最小闭环也必须区分技术验证与业务终态 |
| 高风险代码执行的独立隔离 | 同进程执行不受信代码等于放弃隔离,至少使用独立进程或容器 |
| 最小审计:授权决定、许可消费、执行与结算事实 | 缺失审计的小系统一旦出事无法取证,补录不可能 |
可简化项:
| 可简化项 | 简化方式 | 边界 |
|---|---|---|
| 八类逻辑网关 | 归并为进程内中间件链 | 策略顺序、拒绝理由与审计仍须可区分 |
| Worker 池 | 单 Worker 顺序消费 | 队龄与积压必须有告警 |
| 定时器 | 数据库扫描轮询 | 扫描周期与漏扫补偿要明确 |
| 可观测后端 | 本地日志加基础指标 | 关键事实仍写耐久账本,不写遥测 |
| 资源池 | 浏览器与 Sandbox 按需创建 | 高风险 Sandbox 仍独立部署 |
| Cell 与多可用区 | 暂不实施 | 声明单故障域事实,不夸大可用性 |
4.3 模式 B:自建分布式
适用场景。 多租户、多 Agent、任务量与并发持续增长,需要独立扩缩与故障域控制。典型形态:Task API 与网关集群承接受理;Harness Worker 池推进 Run;Execution Runtime 集群独立扩缩;模型、浏览器、GPU、Sandbox 与批作业各成资源池;权威状态、队列、对象与审计构成事实基础。
保留项即全集:十个功能域的逻辑职责全部保留,八类网关可以按协议、权限与故障域逐步拆分。可简化空间很小,主要是时序上的——协议网关可以先归并后拆分,GPU 池可以后置建设,Cell 化可以在规模化阶段再实施。
自建分布式的两个关键工程决策:其一,每个 Run 只有一套权威推进语义,Worker 池扩容不引入第二套状态机;其二,资源池不理解业务目标,浏览器、Sandbox 与批作业只执行受约束的 ExecutionSpec,不根据输出自行追加步骤。大规模部署可进一步把一组 Task API、Worker、Execution Runtime、局部队列与配额组成 Cell,租户或 Task 归属特定 Cell,控制单点故障的传播范围。
4.4 模式 C:托管或混合
适用场景。 希望把承载与弹性交给托管服务,同时保留业务治理责任。典型形态是以托管 Agent Runtime 承载 Agent 代码与会话,企业自建 Task、策略、审批、验收、交付、结算与审计。
托管边界的确认必须逐项进行:
| 能力 | 托管服务可能承担 | 企业仍须保留 |
|---|---|---|
| Agent 代码承载与会话隔离 | 实例生命周期、会话级隔离、流式入口 | AgentSpec 版本固定、撤销与 revocation_epoch 策略 |
| 弹性与扩缩 | 实例扩缩、冷启动管理 | 容量模型、配额与公平、成本归因 |
| 会话存储与文件持久化 | 会话记录、显式配置后的持久文件系统 | 业务 Run 的 Checkpoint、Task 恢复与外部副作用对账 |
| 身份与观测入口 | 工作负载身份接入、基础遥测 | 授权链、决策审计、业务事实账本 |
| Agent Loop | 由用户代码与所选框架实现 | Harness 治理、审批、预算、回程扫描与 UNKNOWN 处理 |
需要再次强调系列第 4 篇的边界:托管 Runtime 的会话存储与文件持久化不等于业务 Run 的 Checkpoint 与 Task 恢复;“支持 Checkpoint”不能自动理解为业务可恢复;“隔离会话”不能自动理解为工具权限与外部副作用已治理。选型时应把上表作为合同级核对清单,逐项要求供应方给出书面能力说明与故障语义。
同一核对清单适用于 2026 年已商用的其他托管形态,但各样本的托管深度不同,核对侧重随之变化:
| 托管样本 | 托管范围自述 | 核对侧重 |
|---|---|---|
| AWS Bedrock AgentCore | 承载、会话隔离、弹性、身份、流式与观测 | Agent Loop 由用户代码实现,平台治理落点保留完整 |
| 阿里云百炼 Managed Agents | 会话、沙箱、工具执行与事件流(Agent/Environment/Session/Event 模型,Agent 版本自动递增) | 工具执行已托管时,pending_call 级挂起/恢复事实如何回流企业账本;在途 Session 能否钉住旧 Agent 版本 |
| OpenAI Agents API(beta) | 托管 harness(会话、编排、上下文压缩与恢复),环境可选 openai_hosted/self_hosted,vaults 凭据代理 | 状态机托管给供应方后,企业侧 Run/Step/Attempt 语义的重建成本;其前身 Assistants API 的退役已证明生命周期风险 |
托管事件流的取证保留项。 托管 Runtime 多以 SSE 或事件查询端点暴露执行过程,其保留期、不可篡改性与跨会话对账能力通常无公开承诺。托管事件流必须在企业侧网关持久化副本,托管侧事件查询端点不构成审计存储;否则第 18 篇的审计主干与 UNKNOWN 对账将失去数据源。
托管产品生命周期本身即锁定风险。 OpenAI Assistants API 从宣布弃用到 2026-08-26 关停仅约一年;Agent Builder 发布约 14 个月后宣布将于 2026-11-30 关停;腾讯元器宣布 2026-11-09 停服,经其分发到公众号与客服渠道的智能体随之失效。凡采用托管会话或托管分发通道承载状态与触达,ADR 中必须写明退出路径(数据可导出、会话可重建、语义可迁移、分发通道可替换),并把“托管产品弃用公告”列为 ADR 强制复审触发条件。
4.5 演进路径:从单进程到分布式的迁移顺序
部署模式的演进不是推倒重来,而是按依赖顺序逐步把逻辑职责物理化。推荐七步迁移顺序:
| 步骤 | 迁移动作 | 触发信号 | 验证标准 |
|---|---|---|---|
| 1 | Task、Run、ExecutionRecord 进入事务数据库,建立幂等键与聚合版本 | 立项即应满足 | 受理幂等与双 Worker 场景的 P0 子集通过 |
| 2 | 引入 Outbox 与独立发布,替换进程内直调 | 崩溃丢命令、命令与状态不一致 | 重复投递不产生重复逻辑步骤 |
| 3 | API 与 Worker 分离,引入租约与调度 | 受理延迟被长任务拖垮 | 接管与 fencing 场景通过 |
| 4 | Execution Runtime 独立为统一末端门禁 | 执行路径增多、旁路风险出现 | 所有副作用经执行入口,UNKNOWN 对账通过 |
| 5 | 浏览器、Sandbox、GPU、批作业独立资源池 | 资源争抢、隔离等级分化 | 各池独立扩缩与配额生效 |
| 6 | 模型、数据、能力、出口网关拆分,控制面独立 | 策略变更频繁、审计要求提高 | 网关故障不互相传染,控制面故障不扩权 |
| 7 | Cell 化、多可用区与容灾演练 | 租户规模与可用性承诺提高 | 按声明故障范围恢复,未决动作可追溯 |
每一步迁移都必须重跑对应的生产准入场景。迁移顺序的意义在于:每一步结束时系统都处于可验证的完整状态,而不是只在最终形态才第一次可用。
5. 生产准入测试套件
5.1 分级原则
生产级不是由架构图复杂度证明的,而是由故障条件下的行为证明的。本套件汇总全系列各篇的验证场景,按三级管理:
- P0 阻断级:涉及事实正确性、授权正确性与资金正确性。任一 P0 未通过即阻断上线,不允许带病运行。
- P1 重要级:涉及交付、结算、升级与隔离的完整性。允许在书面缓解措施与明确期限下有条件通过,但必须在下一里程碑前清零。
- P2 观察级:混沌、极端负载与合规取证演练。以常态化为目标,阶段三规模化前至少完成首轮;涉及敏感数据或外部不可逆副作用的场景,其关键单项(如敏感出口失效、通道封禁演练)应在首次上线前完成。
5.2 P0 场景清单
本系列设计的 P0 准入同时检查测试结果和威胁建模交付物,不是声称三个框架本身要求某个认证。必须提供版本化威胁报告:系统资产与信任边界、MAESTRO 官方层级及跨层路径、OWASP 风险适用/不适用理由、可核验 ATLAS 映射或本地业务威胁编号、控制责任人、测试与检测证据、残余风险、应急方案及风险接受记录。ATLAS 无法匹配不等于风险不存在;风险负责人应独立裁定是否准入。
| 编号 | 场景 | 注入方式 | 预期事实 |
|---|---|---|---|
| P0-0 | 威胁报告与控制验证 | 缺失任一关键资产、边界或高影响路径证据 | 暂缓上线;补齐第 11 篇方法产生的威胁记录、测试结果、残余风险和审批 |
| P0-1 | 受理幂等 | 受理响应丢失后以相同幂等键重复提交 | 不重复创建 Task,不重复预留预算,返回同一 task_id |
| P0-2 | 重复命令消费 | Outbox 发布确认丢失导致命令重投 | 消费侧幂等,不形成重复逻辑 Step |
| P0-3 | 双 Worker 竞争 | 制造租约过期使两个 Worker 同时推进 | 状态提交拒绝旧 epoch,执行入口拒绝未登记动作,fencing 拒绝数可观测 |
| P0-4 | 审批竞争 | 批准、超时、取消近乎同时到达 | ApprovalRecord 只有一个有效决议,迟到批准不复活 Run |
| P0-5 | 授权撤销 | 审批通过后撤销用户委托或工具权限 | 执行前重新授权,拒绝旧批准,产生耐久拒绝事件 |
| P0-6 | UNKNOWN 对账 | 外部动作已成功但回执丢失 | 进入 UNKNOWN,对账确认后记录真实副作用,不盲目重试 |
| P0-7 | 非幂等工具 | 对不支持幂等与查询的工具制造超时 | 禁止自动重试,转待裁决或降低自主性 |
| P0-8 | 取消与迟到副作用 | 取消后远程作业仍然完成 | 记录迟到副作用与用量,进入取消收尾,不恢复 Run 推进 |
| P0-9 | 统一末端门禁 | Cancel 或撤销发生在 Outbox 提交后、外呼前 | 末端门禁按最新 control_intent 与 revocation_epoch 拒绝外呼,产生可审计拒绝事件 |
| P0-10 | 安全检测不可用 | 使必要安全检测服务失效 | 不释放敏感内容,不通过跳过检测保可用性 |
| P0-11 | 旧 Artifact 迟到事件 | Repair Run 选定 v2 后注入 v1 的迟到验收或发布事件 | ResultSelection 不被旧版本事件覆盖,不交付旧 Artifact,迟到事件仅作事实记录 |
5.3 P1 场景清单
| 编号 | 场景 | 注入方式 | 预期事实 |
|---|---|---|---|
| P1-1 | 交付失败 | 产物生成成功后使交付通道失败 | 仅重试 Delivery,不重复生成产物,不重复业务动作,ResultSelection 保持不变 |
| P1-2 | 交付 UNKNOWN | 交付响应丢失 | 按渠道消息 ID 或目标记录对账,不盲目重发 |
| P1-3 | 结算去重 | 注入重复 UsageRecord | 去重后只结算一次,未知费用保留未决责任 |
| P1-4 | 清理完整性 | 在凭据撤销、资源释放、数据清理任一环节制造失败 | Finalization 门禁返回 NeedsReview,Task 保持非终态并创建人工处置事件 |
| P1-5 | 版本升级 | Runtime 或 AgentSpec 滚动升级 | 旧实例排空,在途 Run 固定原 AgentSpec,新 Run 使用新版本 |
| P1-6 | 沙箱资源耗尽与逃逸告警 | 压满资源并触发逃逸告警 | 限制影响范围,撤销凭据,隔离实例并保留证据,不重新进入热池 |
| P1-7 | AgentSpec 紧急撤销 | 递增 revocation_epoch 撤销版本 | 阻止新 Run,受影响在途 Run 暂停并撤权,装载与续租校验生效 |
| P1-8 | Resume 时权限已撤销 | 暂停期间撤销权限后恢复 | 不恢复动作,进入拒绝、暂停或收尾 |
| P1-9 | Checkpoint 不兼容 | 升级导致 Checkpoint Schema 不兼容 | 显式迁移或失败收尾,不静默使用错误状态 |
5.4 P2 场景清单
| 编号 | 场景 | 注入方式 | 预期事实 |
|---|---|---|---|
| P2-1 | 单可用区故障 | 切断一个可用区 | 按声明的故障范围、RPO 与 RTO 恢复,未决动作可追溯 |
| P2-2 | 共享依赖故障 | 状态库主从切换、消息集群滚动重启 | 受理有界失败或降级,不产生脏写,恢复后对账闭环 |
| P2-3 | 极端负载与背压 | 十倍设计流量 | 有界排队、公平调度与明确拒绝,不雪崩不绕过安全控制 |
| P2-4 | 长尾审批与截止时间 | 审批等待跨越数天并触发截止时间 | 等待不占用逻辑 Worker,截止后按策略收尾 |
| P2-5 | 混沌演练常态化 | 定期随机注入故障 | 演练结果纳入趋势指标,回归问题进入发布准入 |
| P2-6 | 合规证据链抽查 | 指定任一历史 Task | 能还原受理、授权、审批、执行、验收、交付、结算、清理完整证据链 |
5.5 执行组织与判定
测试环境必须与生产同构到足以代表关键路径:相同的权威状态 Schema、相同的门禁顺序、相同的策略版本。每个场景的验证不能只看最终回答是否正确,必须同时检查状态快照、事件序列、lease epoch、ExecutionRecord 数量、Usage 与审计关联。套件应自动化并纳入发布流水线:P0 每次发布必跑,P1 每个里程碑必跑,P2 按计划演练。没有证据就不应宣称零丢失、金融级或任意外部操作恰好一次。
6. 上线路线图
6.1 阶段总览
上线不是一次事件,而是四个阶段的受控演进。每阶段有明确准入条件与退出标准,退出标准全部由生产准入测试套件中的场景背书。
| 阶段 | 目标 | 典型部署模式 | 核心建设 |
|---|---|---|---|
| 一 最小闭环 | 单一场景端到端可用 | 模式 A | 耐久状态、幂等受理、技术验证 |
| 二 受控生产 | 授权、审批与事实闭环可审计 | 模式 A 向 B 过渡 | 审批、UNKNOWN、审计、验收与 Finalization |
| 三 规模化 | 多租户多场景稳定运行 | 模式 B 或 C | 分布式、资源池、SLO 与成本可视 |
| 四 生态互联 | 跨 Agent 与跨组织协作 | 任意模式加协议网关 | MCP 与 A2A 治理、持续红队 |
6.2 阶段一:最小闭环
准入条件:业务闭环定义完成——目标、授权范围、验收条件、交付政策与截止时间有书面契约;能力契约覆盖权威状态、消息与执行三个高替换成本域;选型 ADR 已记录。
建设重点:以模式 A 跑通参考场景的只读与低风险路径;Task、Run、ExecutionRecord 进入耐久状态库;幂等受理与 Outbox 就位;运行结果先经过技术验证再谈交付。
退出标准:在隔离测试环境单场景端到端完成;P0-0 威胁报告、P0-1、P0-2、P0-6 通过;进程重启不丢任务;团队能够解释每一条异常路径的出口。这一阶段尚不授予真实生产权限,首次生产接入必须达到阶段二全部 P0 门禁。
6.3 阶段二:受控生产
准入条件:阶段一退出标准达成;高风险动作清单与审批策略定义完成;审计字段与保留策略通过数据治理评审。
建设重点:审批与 ReleaseGrant 账本;授权链与执行时重验证;UNKNOWN 对账与人工裁决通道;验收、ResultSelection 与 Finalization 门禁;结算与清理闭环;开始 API 与 Worker 分离。
退出标准:P0 全部通过;授权、审批、执行、结算事实可审计;SLO 已声明并有度量;第一个真实业务方完成受控接入。
6.4 阶段三:规模化
准入条件:阶段二稳定运行一个完整周期;容量模型与成本预算建立;按第 4.5 节顺序启动分布式迁移。
建设重点:Execution Runtime 独立与资源池化;网关拆分与控制面;租户配额与公平调度;可观测与 FinOps 体系;混沌演练纳入例行。
退出标准:P1 全部通过,P2 完成首轮;按声明故障范围完成恢复演练;成本可归因到租户与 Agent;在途 Run 的版本升级与撤销流程经过实战验证。
6.5 阶段四:生态互联
准入条件:阶段三退出标准达成;协议网关与准入目录方案通过安全评审。
建设重点:MCP 与 A2A 互联治理。注意协议的真实边界:MCP 授权是可选能力,启用 HTTP 时采用 OAuth 2.1,其覆盖的是客户端到 MCP Server 的协议边界,不替代下游业务授权与 ExecutionRecord;A2A v1.0 以 Agent Card 描述 Agent 端点与能力,实际调用仍需逐请求认证授权,对端治理与准入目录是企业平台能力而非协议自带。跨组织互联必须建立对端身份、签名消息、协议版本协商与重放防护。
退出标准:互联调用全部经协议网关与执行账本;对端撤销与降级路径验证通过;持续红队覆盖注入、工具误用与 Agent 间通信风险。
7. 系列总结与核心不变量
7.1 全系列地图回顾
本系列以“总纲—基础—Runtime—安全—规模—运营”的递进结构,用 20 篇文章完成了从概念到落地的完整闭环。全系列地图如下:
| 篇 | 标题 | 回答的中心问题 |
|---|---|---|
| 0 | 总纲 | 为什么 Demo 不能直接进生产,共同术语与主链是什么 |
| 1 | 职责边界 | Agent、Harness、Runtime 与执行后端各负责什么、不负责什么 |
| 2 | 业务闭环与领域对象 | Task 何时算完成,领域对象如何承载事实 |
| 3 | 总体架构 | 十个功能域与八类网关如何组织成一条不可旁路的主链 |
| 4 | Agent Runtime | Instance、Invocation 与 Run 如何区分,生命周期如何治理 |
| 5 | Harness 与 Agent Loop | 上下文、循环与 Hook 如何组织确定性控制 |
| 6 | 持久执行 | 如何恢复逻辑状态而不重复未知副作用 |
| 7 | 统一 Execution Runtime | 多执行后端如何经统一末端门禁与账本治理 |
| 8 | 安全执行环境 | 隔离强度、兼容性与成本如何权衡 |
| 9 | 为什么 Agent 安全不同 | Agent 安全的资产、主体与信任边界有何不同 |
| 10 | OWASP Agentic Top 10 | 十类风险如何映射为架构控制 |
| 11 | 攻击知识库与三框架协同 | OWASP、MITRE ATLAS、MAESTRO 如何分工协同,攻击知识如何转化为测试与检测 |
| 12 | 零信任架构 | 授权链如何从用户贯穿到下游凭据 |
| 13 | 网关与安全治理 | 网关能力如何选型,治理如何不被旁路 |
| 14 | 数据、记忆、产物与费用 | 数据与产物如何治理,费用如何结算 |
| 15 | 弹性资源 | 状态与计算分离后如何独立扩缩 |
| 16 | 高并发 | 队列、公平与背压如何设计 |
| 17 | 高可用与容灾 | 故障范围、接管与降级如何声明 |
| 18 | 可观测、审计、评测与 FinOps | 遥测与事实如何分离,运营闭环如何形成 |
| 19 | 本篇 | 如何选型、部署并通过生产准入 |
7.2 核心不变量清单
系列文章中的技术选项可以随生态演进而变化,但以下不变量贯穿全部 20 篇,是判断任何架构、选型与实现是否合格的基本标尺:
| 不变量 | 含义 | 典型反例 |
|---|---|---|
| 受理成功不等于执行成功 | Task 被可靠创建只是闭环起点 | 把受理 200 当作任务完成通知用户 |
| Run 成功不等于 Task 完成 | 技术验证通过只是候选结果,终态需验收、交付、结算与清理共同决定 | 模型输出正常即置 Task 为完成 |
| Receipt 不等于外部效果 | ExecutionReceipt 是执行器的报告,不是下游业务的独立证明 | 凭回执认定发布已生效 |
| Checkpoint 不等于回滚远端 | 逻辑快照恢复运行状态,不能撤销已发生的远程交易 | 用快照回滚承诺撤销支付 |
| 扫描不等于可信 | 内容检测降低风险,不能证明 Observation 真实无害 | 扫描通过即注入模型上下文作为指令 |
| Lease 失效不等于动作未发生 | fencing 阻止旧 Worker 产生新动作,不能推断远端请求未送达 | 租约过期即判定工具调用失败并重试 |
| 授权允许不等于动作已发生 | AuthzDecision 与审批是许可,不是执行证明 | 审批通过即写入交付记录 |
| 框架不等于平台 | 框架提供编程抽象,租约、账本、验收与治理由平台补齐 | 宣传框架 Checkpoint 等于业务可恢复 |
| 消息系统不等于权威状态 | 消息可重复延迟乱序,聚合与版本规则不可缺位 | 从队列重建 Task 当前状态 |
| 缓存不等于执行账本 | 缓存可丢失,去重与许可消费必须耐久 | 用 Redis 计数作为唯一去重依据 |
| Trace 不等于审计 | 遥测可采样可过期,授权与结算事实必须耐久 | 从 Trace 里找审批证据 |
| 模型输出不等于授权动作 | Intent 必须经 Harness 治理与末端门禁才能成为物理动作 | 模型决定后直接调用生产接口 |
| Sandbox 不等于 Runtime | 沙箱只是执行后端,生命周期、状态与恢复由 Runtime 负责 | 把工具全画进沙箱并让沙箱驱动流程 |
7.3 结语
回顾全系列,生产级 Agent 平台的建设可以概括为一句话:为不确定的推理建立确定的执行边界和事实协议。 Agent 定义行为,Harness 组织与约束行为,Runtime 承载并驱动行为,执行后端在最小权限内完成动作,业务系统通过验收、交付、结算与审计确认真正发生了什么。选型决定用什么工具承载这套协议,部署模式决定以什么形态承载,生产准入决定是否有资格承载。三者都通过,平台才从“会调用工具的模型”变成可运行、可治理、可恢复的生产系统。
8. 演进展望
8.1 A2A 互联与跨组织协作
A2A v1.0 把跨 Agent 通信推进到稳定协议阶段,Agent Card 描述能力、逐请求认证授权为互联提供了基础。下一步的难点不在协议本身,而在跨组织信任:对端 Agent 的身份如何验证、能力声明如何审计、调用如何纳入本方执行账本与预算、对端故障与撤销如何传播。可以预期企业级准入目录、对端评级与协议网关会成为平台标配。
8.2 多 Agent 治理
单 Agent 的治理机制在多 Agent 场景下会面临放大效应:委托链变长、责任归属变模糊、级联失效概率上升。多 Agent 治理需要在保留单 Agent 全部不变量的前提下,增加 Agent 间消息签名、能力协商、传播限制与联合预算。OWASP Agentic Top 10 中不安全的 Agent 间通信与级联失效两类风险将成为治理重点。
8.3 持续红队与行为基线
红队从一次性演练走向持续化:攻击场景库随风险分类更新,影子环境自动回放新型攻击,行为基线检测目标偏移与异常工具序列。评测与红队的输出只能作为候选变更,仍须经过回归、审批与灰度——这条纪律在多 Agent 与互联场景下更加重要。
8.4 合规深化
监管环境处于分阶段落地过程中,性质必须准确区分:欧盟方面,AI Act 经 Omnibus 调整,Omnibus Regulation (EU) 2026/1744 于 2026-07-27 生效,附件 III 高风险系统相关义务延至 2027-12-02 适用;国内方面,网信办等部门 2026 年 5 月发布的智能体规范应用与创新发展实施意见属于政策文件,TC260 于 2026 年 9 月发布的智能体系统开发安全指南仍处于征求意见稿阶段,尚非正式标准。法律义务、政策导向、征求意见与行业实践具有不同效力,平台的合规策略应分别映射:高风险场景按义务标准建设证据链,政策与征求意见稿作为方向性输入跟踪。部署了网关、审计与评测不等于自动满足任何法律要求,合规证据工程——保留什么、谁能访问、如何还原——将成为平台能力的一部分。
面向国内生产环境,两项已生效义务必须进入准入清单,不能等“监管演进”:一是等级保护 2.0,生产平台通常需按等保三级建设,其审计要求(安全审计记录留存不少于六个月、覆盖用户行为与重要安全事件、防止审计记录被未授权删除或篡改)直接对应第 18 篇的不可篡改存储与保留分级;二是生成式 AI 服务备案(《生成式人工智能服务管理暂行办法》),面向公众提供生成式 AI 服务的平台须履行备案、训练语料合法性、生成内容标识与投诉处置义务,Agent 的自主外发内容同样落入标识与处置范围。云侧操作审计(如阿里云 ActionTrail、腾讯云操作审计类服务)与平台自建审计账本是互补关系:前者证明“谁动了云资源”,后者证明“谁授权了哪次业务动作”,准入评审时两者都要能出具。
8.5 协议与标准的成熟
MCP 授权规范、A2A 版本兼容、OpenTelemetry GenAI 语义约定都在快速演进。成熟的做法是固定所采用的版本、把版本写入 AgentSpec 与 ADR、在升级时走回归与灰度。标准解决互操作,平台能力仍然要自己建设——这是本系列从第一篇到最后一篇始终如一的立场。
9. 参考资料
以下均为官方资料。动态规范与文档会持续更新,实际实现应固定所采用的版本与访问日期。
- OWASP Top 10 for Agentic Applications for 2026
- OWASP Agentic AI Threats and Mitigations
- MCP Authorization Specification(2026-07-28)
- A2A Protocol v1.0 Announcement(2026 年春)
- Google ADK Event Loop
- CloudWeGo Eino ADK Agent Runner and Extension
- LangGraph Durable Execution
- Temporal Workflow Execution
- Amazon Bedrock AgentCore Runtime
- OpenTelemetry GenAI Semantic Conventions Repository
- Regulation (EU) 2026/1744(EUR-Lex)
- EU AI Omnibus Enters into Force
- 《智能体规范应用与创新发展实施意见》相关发布
- TC260《智能体系统开发安全指南(征求意见稿)》通知
- CloudEvents Specification Repository