这本书处理的是 Agent 运行时的问题:一个 Agent 选好的动作,怎么被可靠地执行、恢复与终止。
这些问题在卷二里被当成决策问题处理——Agent 怎么选。但"选好"不等于"做好":一个动作选对了,执行时可能重复副作用、丢失状态、无法恢复。
一、本书怎么来的
卷二的收口留下了一个悬而未决的问题:决策链清楚了,动作怎么被可靠执行。
写这本书的直接原因,是执行经常被当成"调接口"略过。这个省略在 W1 这种只读任务里代价低,但在 W3 这种不可逆任务里会出事:重试造成重复副作用,状态丢失无法恢复,级联失败拖垮整条链。
这三件事——怎么执行、怎么恢复、怎么治理——就是本卷的三块核心。
二、写给谁
| 读者 | 建议从哪里开始 | 你能得到什么 |
|---|---|---|
| 运行时/平台工程师 | 第 1–3 章 | 状态机、事件日志、幂等、崩溃恢复 |
| 架构师 | 第 4、9、13 章 | 沙箱、拓扑、架构决策记录的判据 |
| 协议/集成工程师 | 第 6–7 章 | MCP、A2A、AG-UI 的分层与版本兼容 |
| SRE/运维 | 第 3、11–12 章 | 调度、熔断、部分结果、观测 |
| 安全工程师 | 第 4、13 章 | 隔离、威胁建模、纵深防御 |
不需要先读卷二全部,但第 1 章(三平面)和第 2 章(状态机)建议先看卷二 2.1(终止条件),它定义了循环的停止规则。
三、与卷二的交接
执行线建立在决策线上。卷二回答"选什么动作",本卷回答"动作怎么被可靠执行"。 两者是决策与执行的关系,不是并列的两个话题。
本卷不重复卷二的决策机制。凡是"怎么选"的结论,直接引用卷二的判据;本卷只在"选定了、怎么执行"这一层展开。
四、运行时语义/协议/治理如何拆成可验证的结构
本卷的核心方法:把运行时拆成能验证的结构。
| 结构 | 回答的问题 | 落在 |
|---|---|---|
| 三平面 | 控制面/执行面/数据面各管什么 | 第 1 章 |
| 状态机 | 状态、转移、守卫、终态 | 第 2 章 |
| 调度 | 并发上限、背压、优先级 | 第 3 章 |
| 沙箱 | 进程/容器/微虚拟机的隔离 | 第 4 章 |
| 工具契约 | schema、幂等、补偿 | 第 5 章 |
| 协议 | MCP/A2A/AG-UI 的分层 | 第 6–7 章 |
| 记忆存储 | 向量索引、一致性、隐私 | 第 8 章 |
| 拓扑 | 多 Agent 的组合与成本 | 第 9 章 |
| 容错 | 熔断、部分结果、补偿 | 第 10–11 章 |
| 观测 | 追踪、token 成本、评估 | 第 12 章 |
| 治理 | 威胁、防御、ADR | 第 13 章 |
每个结构都给两样东西:定义(怎么写)和失效条件(什么情况下不成立)。
五、故障注入如何落到实验
可靠性用故障注入验证。
- 崩溃恢复:在副作用后、确认前注入崩溃,验证幂等键(第 2 章);
- 熔断:注入连续失败,验证三态转移与恢复(第 11 章);
- 部分结果:注入子任务失败,验证结果合成与补偿(第 11 章)。
每个实验都是确定性的:同样的注入,同样的期望,可重跑。没有注入的"可靠性",是信仰不是结论。
六、数字与代码口径
数字口径
- 卷三使用教学设定的故障注入与延迟/成本参数(见附录 B),可复现;
- 预算、延迟、成本参数来自附录 B,不另设第二套数字;
- 所有概率与比率保留两位小数。
代码口径
正文的 python 代码块来自实验工程 agp-lab,与源文件逐字节一致:
- Python 3.9+,零第三方依赖,只用标准库;
- 每个代码块前三行固定为
# file:、# tier:、# verify:; - 测试用
unittest,不引入任何测试框架。
七、不在本书范围内
- 模型能力边界与评测 —— 见卷一第 8–9 章;
- 决策机制、终止条件、记忆 —— 见卷二第 1–2、8 章;
- 网关实现、推理服务运维、配额系统 —— 见《互联网产品的 AI 架构》;
- 引擎实现、durable execution 框架源码 —— 见《AI Agent 开发》;
- 产品化的自主度档位与人机分工 —— 见《AI Agent 产品开发》。
八、怎么读
如果只有两个小时,读这三节:
- 1.1 控制面、执行面、数据面 —— 知道运行时怎么拆、故障怎么归位;
- 2.2 执行语义:事件溯源、持久化执行与幂等副作用 —— 知道重复副作用怎么防;
- 13.3 架构决策记录与参考架构 —— 知道运行时怎么被治理、演进。
如果要做一次完整的运行时评审,按本卷 13 章顺序走一遍,用附录 C 的清单打分。
现在从第 1 章开始。
继续阅读
探索更多技术文章
浏览归档,发现更多关于系统设计、工具链和工程实践的内容。