180 lines
5.7 KiB
Markdown
180 lines
5.7 KiB
Markdown
# Agent 架构演进路线
|
||
|
||
**更新日期**：2026-07-20
|
||
**状态**：后续演进设计，不代表当前已实现
|
||
**参考历史文档**：`archive/2026-07-05-legacy/agent-architecture.md`
|
||
|
||
## 1. 为什么需要演进路线
|
||
|
||
旧版 `agent-architecture.md` 包含很多生产级设想：专科 SubAgent、完整 Skill 治理、进程隔离、跨 Agent 回退、MCP 工具协议化、进化引擎。当前已经落地 bounded StateGraph、安全 Fallback 和基础 Skill/Playbook 接入；本文件只描述它们之上的后续增强。
|
||
|
||
当前原则：
|
||
|
||
- 当前文档只声明已经可运行或明确落地的能力。
|
||
- 演进路线记录未来方向和触发条件。
|
||
- 每个演进项必须有可验证收益，不能只因为“架构更炫”就拆。
|
||
|
||
## 2. 演进总图
|
||
|
||
```mermaid
|
||
flowchart TD
|
||
MVP["Current MVP: bounded StateGraph + evidence gates"] --> Split{"Executor 是否过载?"}
|
||
Split -->|是| SubAgents["专科 SubAgent"]
|
||
Split -->|否| Keep["继续强化通用 Executor"]
|
||
|
||
SubAgents --> Skills["Skill / Playbook 版本化治理"]
|
||
Skills --> Fallback["跨 SubAgent 回退路由"]
|
||
Fallback --> Isolation["进程或 Pod 隔离"]
|
||
|
||
MVP --> ToolGrowth{"工具数量和来源是否增长?"}
|
||
ToolGrowth -->|是| MCP["MCP / Tool Server 协议化"]
|
||
ToolGrowth -->|否| ToolCallbacks["继续使用 @Tool / ToolCallback"]
|
||
|
||
MVP --> EvalGrowth{"评测数据是否足够?"}
|
||
EvalGrowth -->|是| Evolution["Prompt / Skill 进化引擎"]
|
||
EvalGrowth -->|否| Baseline["先扩大 baseline"]
|
||
```
|
||
|
||
## 3. 专科 SubAgent
|
||
|
||
### 触发条件
|
||
|
||
- Executor prompt 变得臃肿，难以同时覆盖接口、数据库、缓存、网络等场景。
|
||
- 不同故障类型需要明显不同的工具权限。
|
||
- Trace 显示某些场景经常走错排查路径。
|
||
- 评测集已经能衡量拆分前后的收益。
|
||
|
||
### 候选 SubAgent
|
||
|
||
| SubAgent | 场景 | 工具倾向 |
|
||
|---|---|---|
|
||
| `ExternalApiSubAgent` | 错误码、接口参数、第三方调用失败 | `lookup_knowledge`, logs, trace |
|
||
| `DatabaseSubAgent` | 连接池、慢 SQL、死锁、数据库不可用 | metrics, logs, knowledge |
|
||
| `CacheSubAgent` | Redis 超时、热点 key、内存风险 | metrics, logs, knowledge |
|
||
| `GenericDiagnosisSubAgent` | 兜底诊断 | 全量只读证据工具 |
|
||
|
||
### 不立即拆分的原因
|
||
|
||
- 当前 MVP 的工具规模还可由通用 Executor 管理。
|
||
- 过早拆分会增加 Prompt、评测和 trace 分析成本。
|
||
- 没有足够分类评测前，拆分可能只是移动复杂度。
|
||
|
||
## 4. Skill / Playbook 版本化治理
|
||
|
||
当前已经通过 Planner metadata selection + Executor `read_skill` 接入诊断 Playbook。下一阶段不是重新建设 Skill 入口，而是增加版本、评测、回退和审计治理。
|
||
|
||
```text
|
||
fault_category
|
||
-> playbook
|
||
-> required evidence
|
||
-> tool sequence
|
||
-> stop condition
|
||
-> report template
|
||
-> evaluation checks
|
||
```
|
||
|
||
当前已覆盖的方向：
|
||
|
||
- AIOps 告警处理 Playbook。
|
||
- 支付超时 Playbook。
|
||
- MySQL 连接池风险 Playbook。
|
||
- Redis timeout Playbook。
|
||
|
||
后续增强前提：
|
||
|
||
- 每个 Playbook 至少有 3-5 个 eval case。
|
||
- Playbook 失败时可以回退到通用 Executor。
|
||
- Trace 中能标记使用了哪个 Playbook 和哪个版本。
|
||
|
||
## 5. 回退路由
|
||
|
||
当前 Chat 已有低置信补证据和 REJECT 降级输出。后续如果引入 SubAgent，可扩展为：
|
||
|
||
```text
|
||
Specialized SubAgent
|
||
-> failed / low confidence
|
||
-> another specialized SubAgent
|
||
-> GenericDiagnosisSubAgent
|
||
-> degraded answer with confirmed facts only
|
||
```
|
||
|
||
回退依据：
|
||
|
||
- 工具连续失败。
|
||
- Verifier `REJECT`。
|
||
- Verifier `LOW_CONFID` 且补证据失败。
|
||
- Agent 输出缺失关键报告字段。
|
||
|
||
## 6. 进程隔离
|
||
|
||
当前所有 Agent 在同一 JVM 内运行。生产级隔离可以考虑：
|
||
|
||
```text
|
||
API service
|
||
-> Supervisor service
|
||
-> Planner service
|
||
-> SubAgent services
|
||
-> Verifier service
|
||
```
|
||
|
||
触发条件：
|
||
|
||
- 某类 Agent 需要独立扩缩容。
|
||
- 某类工具依赖不稳定，可能拖垮主应用。
|
||
- 不同 Agent 需要不同权限和网络访问策略。
|
||
- 单 JVM 内资源隔离不足。
|
||
|
||
MVP 阶段暂不拆分进程，优先保证 trace、评测和工具边界清晰。
|
||
|
||
## 7. MCP / Tool Server 协议化
|
||
|
||
当前工具主要通过 `@Tool`、`methodTools` 和 `ToolCallbackProvider` 暴露。工具数量增加后，可演进为：
|
||
|
||
```text
|
||
Agent
|
||
-> Tool registry
|
||
-> MCP / tool server
|
||
-> log server
|
||
-> metrics server
|
||
-> knowledge server
|
||
-> ticket/change server
|
||
```
|
||
|
||
收益：
|
||
|
||
- 工具独立部署。
|
||
- 新工具上线不必重发主应用。
|
||
- 不同 Agent 可获得不同工具子集。
|
||
- 工具调用协议统一，更利于审计。
|
||
|
||
风险：
|
||
|
||
- 调用链更长。
|
||
- 权限和超时治理更复杂。
|
||
- 本地开发和 Demo 成本上升。
|
||
|
||
## 8. 进化引擎
|
||
|
||
旧版文档提到从诊断中学习。当前可以拆成更务实的步骤：
|
||
|
||
1. 先扩大 diagnosis eval 和 RAG eval。
|
||
2. 从失败 trace 中标注 bad case。
|
||
3. 将高频失败沉淀为 Playbook 或 Prompt 规则。
|
||
4. 对 Prompt 版本做离线对比。
|
||
5. 足够稳定后再考虑线上 A/B。
|
||
|
||
不建议 MVP 直接做自动 Prompt 自优化。没有可靠评测和回滚机制时，自动优化更容易引入不可解释变化。
|
||
|
||
## 9. 演进优先级
|
||
|
||
| 优先级 | 项目 | 原因 |
|
||
|---|---|---|
|
||
| P0 | 扩大 eval baseline | 没有评测，拆任何架构都难以证明收益 |
|
||
| P1 | Playbook 化高频故障 | 可控、可解释、比拆 SubAgent 更轻 |
|
||
| P1 | 完整 evidence block | 提升 Verifier 和 Trace 质量 |
|
||
| P2 | 专科 SubAgent | 等问题类型和工具权限差异足够明显 |
|
||
| P2 | AIOps LLM Verifier | 规则门禁不足时再引入 |
|
||
| P3 | MCP 工具协议化 | 工具来源复杂后再做 |
|
||
| P3 | 进程隔离 | 生产负载和权限隔离需要明确后再做 |
|
||
|