面对层出不穷的 Agent 框架，很多人不知从何下手，也不知道该学什么。直到读了相比层出不穷的 Agent 框架，不变的 Agent Protocol 是什么 一文，作者高屋建瓴地提出 Agent Runtime Protocol 这一概念，才真正理解了 Agent 运行时所必需的底层能力。 本文是该文的读书笔记，也是一份系统学习 Agent 的路径指南。我们先从“Agent 到底在做什么”出发，逐步拆解出核心对象、生命周期操作和八大能力维度，最后给出分阶段的学习建议。

从对话模式到 Runtime 协议#

Agent 是一个借助 LLM 技术，通过对话式交互理解人类意图并实现任务目标的工具。既然是对话式交互，Agent 通常有三种模式：

  1. 一问一答直来直往：用户提问，模型直接回答；
  2. 先思考再回答（CoT）：用户提问后，模型先进行推理，再给出答案；
  3. 先工具后回答（ReAct）：收到问题后，先调用工具收集信息、准备上下文，再交给 LLM 推理回答，循环往复，直到 LLM 认为可以给出最终答案。 其中，ReAct 模式是生产级 Agent 最核心的工作方式。它的执行过程包含多次“准备上下文 → 调用 LLM → 执行工具 → 获取反馈”的循环。如果把这一过程抽象到编程层面，就会自然形成一组概念：
  • 长期上下文（Thread）：承载历史与资源；
  • 具体执行（Run）：一次任务的生命周期；
  • 执行步骤（Step）：Run 内的最小可观测单元；
  • 事件（Event）：实时通知状态变化；
  • 检查点（Checkpoint）：状态快照，用于失败恢复；
  • 产物（Artifact）：最终可引用的成果。

此外，整个生命周期还需要支持 interrupt / resume / cancel / retry 等操作，让 Agent 能够暂停、恢复、取消或重试。

Agent Runtime Protocol 是 Agent Runtime 暴露给外部世界的契约。它回答的不是“模型如何思考”，而是：

  • 如何启动一次任务：创建 Thread、Task、Run，或发送一条 Message；
  • 如何携带上下文：历史消息、文件、结构化数据、参与者、能力声明；
  • 如何观察进展：状态变更、流式事件、Artifact 增量、Trace；
  • 如何中断和恢复：需要输入、需要授权、取消、重试、继续执行；
  • 如何拿到结果：最终消息、Artifact、结构化输出、错误信息。 Agent Runtime 是 Agent 的执行环境，负责：接收输入 → 调用 LLM → 执行工具 → 管理状态 → 产出结果。

一、Agent中的核心概念#

六个核心对象：理解 Agent 的通用语言#

不同框架的 API 千差万别，但底层都在围绕同一组对象打转。把这六个对象吃透，再看任何框架都能快速映射。

1. Thread / Session（线程/会话）#

长期上下文边界，承载历史消息、文件、结构化数据、参与者和记忆。它回答“这是谁的哪段任务”。
例如，你说“帮我做一个 CMS 系统”，后续所有的需求变更、文档上传、讨论都发生在这个 Thread 里，即使过几天回来，上下文依然保留。

2. Run / Task（运行/任务）#

一次具体执行的边界，有明确的开始、进行中和结束状态。它回答“这次具体跑了什么”。
同一个 Thread 内可以有多个 Run：第一次 Run 生成项目骨架，第二次 Run 修改数据库模型，第三次 Run 修复一个 bug。每次 Run 都是独立的一次执行。

3. Step（步骤）#

Run 内部的最小可观测执行单元，比如一次 LLM 推理、一次工具调用、一次消息发送。它回答“哪一步调用了模型或工具”。
在“编写前端页面”这个 Run 里，调用 LLM 生成代码是一个 Step，调用文件写入工具也是一个 Step。通过记录 Step，可以精确知道 Agent 在哪个环节做了什么、耗时多少、输入输出是什么。

4. Event（事件）#

Runtime 向外发出的实时状态变化信号，比如“步骤开始”“工具调用完成”“产物已生成”。它回答“外部如何实时知道 Agent 正在做什么”。
前端界面实时显示“正在生成代码”“文件写入成功”，靠的就是事件流。

5. Artifact（产物）#

Agent 执行产生的可引用成果，如文件、报告、结构化数据。它回答“结果在哪里、由哪次执行产生”。
最终生成的 app.py、database.sql 就是 Artifact，它们会与生成它们的 Run 和 Step 关联，方便追溯。

6. Checkpoint（检查点）#

某个时刻的完整状态快照，包括消息、变量、文件系统变化等。它回答“失败后从哪里继续”。
如果 Agent 执行到第 8 步时崩溃，通过第 7 步完成后的 Checkpoint 可以只重跑第 8 步，而不必重跑前 7 步。这是长任务可靠性的基石。

学习建议：每接触一个新框架，先问自己：“这个框架的 Thread 是什么？Run 怎么表示？Step 怎么记录？事件怎么订阅？Checkpoint 是否存在？” 这样就能迅速抓住框架的本质。

生命周期操作：让 Agent 从“玩具”走向“生产”#

仅仅跑完一个任务不算什么，真正的挑战在于任务可以被安全地暂停、恢复、取消和重试。这四个操作是生产级 Agent 的必备能力。

interrupt（中断）#

主动暂停执行，等待外部输入或审批。中断不是错误，而是合法状态。中断时 Runtime 会保存 Checkpoint 并向外发送事件。
典型场景：工具审批（比如删除数据库前需要人工确认）、需要用户补充信息、到达预设检查点。

resume（恢复）#

外部提供所需信息后，从断点继续执行。必须能精确定位到之前的 Checkpoint，并注入外部输入。
关键是幂等性：同一个恢复请求不应导致重复执行已完成步骤。如果中断后状态已变化（如其他 Run 修改了共享状态），恢复时还需要处理冲突。

cancel（取消）#

外部主动终止一个正在执行或已中断的 Run。取消后任务不再继续，但已产生的副作用（如文件修改）可能需要额外处理。

retry（重试）#

对失败或部分失败的 Run（或 Step）重新执行。可以自动或手动，通常与 Checkpoint 回滚结合，实现局部重试。例如，只在失败的第 8 步重试，而不是从头再来。 学习建议：亲手实现一个支持“暂停-恢复”和“取消”的简单 Agent，体会这些操作对状态管理的要求。你会发现，没有持久化和 Checkpoint，这些操作根本无法实现。

八大能力维度：生产级 Agent 的必修课#

框架 API 只是表象，底层能力才是关键。以下八个维度是评价任何 Agent 框架的标尺，也是需要系统学习的内容。

1. 执行模型（Execution Model）#

定义 Agent 的计算如何编排：谁拥有主循环？控制流由谁决定？
需要理解两层：

  • Loop 承载方式：图式（LangGraph）、代码式（普通 SDK）、托管式（OpenAI Assistants）。
  • 编排协议：ReAct（思考-行动-观察）、Plan-and-Execute（显式计划与进度）、对话式协作（Handoff、群聊）。 学习重点：不要押注某一种 loop，而是让状态管理、工具调用、流式输出独立于具体执行模型。

2. 状态管理（State Management）#

生产级 Agent 与玩具的分水岭。状态管理回答“Run 执行到一半时，哪些东西必须被保存，以及多个 Run 同时发生时如何保持一致”。
核心包括：状态表示、持久化、版本化、作用域。最关键的是 Checkpoint 机制：自动保存每一步状态，支持从任意节点恢复（时间旅行），处理并发冲突。LangGraph 是这方面的标杆。 学习重点：动手实现一个简单的 Checkpoint 机制，体会为什么仅仅保存 messages 不等于生产级状态管理。Agent 执行任务时，除了对话，还会调用工具、修改文件、更新数据库、触发外部 API。这些副作用（side effects）如果没有被记录，仅仅保存消息历史就无法还原执行现场。

3. 工具协议（Tool Protocol）#

工具协议定义 Agent 如何发现、调用和处理外部能力。这是最可能先标准化的部分。

  • 定义与调用：JSON Schema 已成为事实标准。
  • 发现机制：MCP（Model Context Protocol）将工具生态从框架内部抽离，一个 MCP Server 可以服务多个 Runtime。
  • 错误处理：推荐 Error-as-Data——将工具错误作为合法结果返回给 LLM，让其自主决策重试、换工具或告知用户。 学习重点：封装一个 MCP Server，体验工具与框架解耦的好处；理解 Error-as-Data 与 Error-as-Exception 的取舍。

4. 流式输出（Streaming）#

流式输出不是 token 打字机，而是任务事件流。生产级流式输出需要支持：

  • 粒度控制：Token 级、Step 级、Artifact 级。
  • 可恢复性：断线重连后能从断点继续接收事件（Last-Event-ID）。
  • 多通道：同时传递状态变更、消息增量、工具进展、产物增量、错误等不同类型事件。 学习重点：实现一个可恢复的 SSE 流，体验“先回放历史事件，再实时 tail”的机制。

5. 中断与恢复（Interrupt & Resume）#

这是 Human-in-the-Loop 的基础设施。真正的中断恢复需要与状态持久化深度整合：

  • 中断触发：到达特定节点、工具审批、主动请求人类输入。
  • 中断载荷：暴露给人类的结构化信息（问题、选项、草稿等）。
  • 恢复机制：人类通过 Command 或消息提交输入，Runtime 从 Checkpoint 加载状态并注入输入，继续执行。 学习重点：实现一个审批场景，支持暂停数小时后恢复，并思考为什么没有持久化就无法做到这一点。

6. 错误恢复（Error Recovery）#

错误恢复回答“失败是否会抹掉已有进度”。两种策略：

  • Error-as-Data：工具错误作为消息返回给 LLM，让模型自主处理。
  • Checkpoint 回滚：从最近稳定状态恢复，只重试失败步骤。 学习重点：在项目中实践 Error-as-Data，并尝试利用 Checkpoint 实现局部重试。

7. 多 Agent 协作（Multi-Agent Collaboration）#

多 Agent 是最碎片化的方向，不宜过早押注。需要理解四种模式：子图嵌套、Handoff 接力、群聊选择、发布订阅。 学习重点：先做好单 Agent 的 Thread/Run/State/Tool/Event/Artifact 边界，再根据业务需要引入 Handoff 或 Subagent。

8. 可观测性与可评测性（Observability & Evaluability）#

看见问题与评价质量，二者相辅相成。

  • 可观测性：Trace/Span、事件流、状态快照、成本归因。
  • 可评测性：质量指标、归因分析、对比实验、反馈闭环。 目前所有框架中这是最薄弱的环节，需要格外重视。

学习重点：为你的 Agent 接入 Tracing，并设计一个评测集，统计 Pass Rate、Token 成本和延迟，尝试做归因分析。

学习路径#

从单 Agent 到生产级系统#

阶段 1：最小闭环（1~2 周）#

  • 用任意语言实现一个 ReAct Agent，能调用 2~3 个工具。
  • 理解 Run 状态机：创建、执行、完成。
  • 产出：一个命令行 Agent，能回答简单问题并调用工具。

阶段 2：状态与恢复（2~3 周）#

  • 学习 LangGraph 的 Checkpoint 机制，实现自动快照和从任意步恢复。
  • 实现一个中断场景：工具审批，支持暂停数小时后恢复。
  • 产出：一个能“暂停-恢复”的 Agent，状态持久化到数据库。

阶段 3：工具与流式（2~3 周）#

  • 将业务工具封装为 MCP Server，并在 Agent 中调用。
  • 实现可恢复 SSE 流式输出，支持断线重连。
  • 产出：一个实时展示执行过程、且能断线恢复的 Agent。

阶段 4：观测与评测（2~3 周）#

  • 接入 Tracing，记录每个 Step 的输入/输出、耗时、成本。
  • 设计一个小型评测集，统计 Pass Rate 和 Token 成本，并对比不同 Prompt 的效果。
  • 产出：一个带有 Trace 和评测脚本的 Agent 项目。

阶段 5：多 Agent 与协议设计（长期）#

  • 尝试用 LangGraph 实现 Supervisor + Worker 模式，或用 OpenAI Agents SDK 实现 Handoff。
  • 阅读 A2A、AG-UI 等协议规范，提炼共性。
  • 产出：一份框架评估报告，或一个自定义的最小 Agent Protocol 设计。

如何选择框架和学习资源#

选择框架的原则：

  • 不要因为流行而学，而是根据项目需求选择能补齐短板的框架。
  • 如果看重状态管理和中断恢复，LangGraph 是首选。
  • 如果快速原型和托管体验，OpenAI Agents SDK 更方便。
  • 如果研究多 Agent 事件驱动，AutoGen Core 值得一看。

学习资源推荐：

  • 官方文档：LangGraph、OpenAI Agents SDK、MCP。
  • 协议规范：A2A、AG-UI（了解行业收敛方向）。
  • 实践文章：关注上下文工程、OneAgent 范式等，理解长任务 Agent 的设计模式。

结语：框架会变，协议对象稳定#

Agent 领域还处于快速演进期，新的框架和概念会不断涌现。但如果你掌握了上述核心对象、生命周期操作和八大能力维度，就能在新框架出现时快速判断：

  • 它只是换了一套 API 名字，还是解决了一个真实的 Runtime 问题？
  • 它强化的是执行模型、状态管理、工具协议，还是流式事件？
  • 它是暴露底层能力，还是把整套长任务 Agent 体验封装成开箱即用的 harness？ 学习 Agent 的本质，是学习如何设计一个可靠、可观测、可恢复的自主执行系统。 框架只是工具，而协议对象和 Runtime 能力才是你真正需要内化的知识。

参考文档#

  1. 相比层出不穷的 Agent 框架，不变的 Agent Protocol 是什么

外链#