JOTO
Contact us
← AI 智库
大语言模型

AgentScope Durable:让企业 Agent 持续、可靠地运行

2026 年 11 月 18 日

专为企业级Agent打造的Durable能力,可完美解决长程任务中断丢失进度的痛点。核心内容:1. 企业长程Agent任务普遍存在的连续性痛点,以及Durable能力的核心内涵2. AgentScope Durable的三层核心抽象架构设计与运行逻辑3. Durable能力的适用边界,以及企业落地使用的相关说明

AgentScope 是一款企业级 Harness 框架,帮助开发者构建分布式企业 Agent。面向企业场景中普遍存在的长程任务,AgentScope 进一步抽象出一套 Durable 能力,支持任务中断后的自动恢复、会话回放、执行中插话,以及工具在独立沙箱中的异步执行。即使用户断开连接、服务重启或执行实例被替换,任务仍能保留进度并继续推进,为企业构建各类 Agent 服务和 Agent 平台提供可靠的执行基础。

01

企业 Agent 为什么需要 Durable

Cloud Native

一个研发 Agent 接到任务:定位故障、修改代码、运行测试,并在获得批准后提交结果。模型已经完成分析,测试需要运行二十分钟,审批可能第二天才到。期间,用户关闭了页面,服务进行滚动发布,最初执行任务的实例被替换。

这项工作应该继续。已经启动的测试应该能够被找到,已经确认的结果应该能够被复用,审批到达后应该由具备执行条件的实例接着处理。用户再次打开应用,看到的仍然是同一项任务。

AgentScope Durable:让企业 Agent 持续、可靠地运行

图 1:一项任务跨越用户连接、应用、Agent 进程和外部执行系统。橙色标记指出断线、实例替换、结果交接、审批等待与重新进入时需要解决的连续性问题。

这类问题会随着 Agent 承担长期工作而变得普遍。一次研发任务包含分析、修改、测试和审批;一次业务处理可能经过多个系统,并等待外部反馈。任务的持续时间超过了浏览器连接、服务请求和执行实例的寿命,应用就需要在这些边界之间保持连续性。

保存会话历史能让模型重新获得上下文,但“已经决定运行测试”与“测试已经完成”是不同的事实。连接中断后,系统还要知道测试是否被受理、原操作在哪里、结果是否已经接回,以及 Agent 是否已经消费了这个结果。仅凭一条“正在测试”的消息,无法决定下一步应该查询、等待还是执行。

图中的五个问题指向同一个要求:让任务的身份、执行进度与继续条件保存在进程之外,并为它们建立明确的恢复规则。用户离线后任务仍然存在;实例被替换后,兼容执行者能够接管;工具完成或审批到达后,系统能够找到原任务,继续尚未完成的工作。

这就是本文所说的 Durable:将 Agent 的执行过程组织为可持久保存、可确认和可恢复的状态,在原生检查点、工具交接和等待条件等位置建立接续边界。恢复从已提交的逻辑状态继续,复用已确认结果,并核实尚未完成的外部操作。

这个定义也确定了能力边界。恢复需要兼容的执行环境和可访问的持久状态;外部动作能否安全重试,还取决于工具提供的查询与幂等能力。例如邮件已经发出、回执却丢失时,系统需要核实原操作。Durable 保存处理这种不确定性所需的身份和状态,不会自动让任意业务动作恰好执行一次。

02

AgentScope Durable 定义与架构

Cloud Native

▍1. 总体架构

AgentScope 的三层核心抽象分别承载推理循环、上下文管理与持久执行。应用可以按需要组合这些能力。

AgentScope Durable:让企业 Agent 持续、可靠地运行 配图 2

图 2:ReActAgent 提供推理循环,HarnessAgent 组织上下文,Durable 管理持久任务生命周期。

  • ReActAgent 提供 Reasoning–Acting 推理循环:模型依据当前输入决定下一步,通过工具行动,再将观察结果带入后续推理。

  • HarnessAgent 在这些基础能力上组织上下文与执行环境,包括上下文构建和压缩、长期记忆、工作区、Skills 与子 Agent。它负责把任务所需的信息和能力带到每一次模型决策中。

  • Durable 进一步管理工作在时间和实例之间的延续:输入如何受理、任务如何排队、哪个实例可以推进、在哪里恢复、等待什么结果,以及应用如何重新观察和控制任务。它通过 HarnessAdapter 衔接原生状态,当前可适配 ReActAgent 或 HarnessAgent。

在框架之上,开发者可以构建企业 Agent、Personal Agent 或托管平台,通过 API、HTTP/SSE 和 AG-UI 事件适配等方式接入业务界面。AG-UI 负责事件格式适配,业务服务仍负责请求入口、身份认证与资源授权。

展开 Durable 的内部职责,可以看到以下关系:

AgentScope Durable:让企业 Agent 持续、可靠地运行 配图 3

图 3:五个编号对应图 1 的问题。Durable 连接原生 Harness、持久状态与独立工具执行,形成可接续的任务链路。

一次请求进入系统后,DurableRuntime 先保存任务,再安排 Agent 执行。HarnessAdapter 将 Agent 的原生检查点接入 SessionBackend,使执行位置能够被下一次调用读取。遇到需要独立执行的工具时,Runtime 通过 Executor 把工作交给 Hands,等结果回来后继续原任务。

图中展示的是职责边界。它们可以装配在同一 JVM,也可以按需要拆分部署。只处理提交、查询和观察的 API 服务可以不启动 Agent 执行循环;执行宿主显式启动 Runtime,认领并推进持久任务。Durable 可以独立嵌入应用,不依赖 Managed Agents 平台服务。

▍2. 请求排队与执行中插话

用户让 Agent 调查订单服务超时,又补充了一句“调查结束后整理一份报告”。随后,他想起这次任务有一个约束:“先不要改生产配置。”这三条消息需要不同的处理方式:报告是后续工作,应该排队;约束则应该进入正在执行的调查。

Durable 用 Turn 表示一次任务,用 Thread 保存持续上下文和任务队列。新的工作通过 submit 创建 Turn,在同一个 Thread 中按受理顺序执行;对当前工作的补充通过 steer 交给原 Turn。应用因此可以同时支持“接下来做什么”和“这件事请调整一下”。

插话会先被保存,再在原生执行的安全边界进入 Agent。已经发出的工具调用不会因此被撤回,正在生成的模型响应也不会被强行改写。应用可以通过后续事件确认要求已经应用。用户关闭页面或服务重启后,已经受理的请求和补充信息仍然可以被找到。

这也让等待期间的行为更清晰:当前调查正在等测试或审批时,后面的报告继续排队。如果另一件工作不需要等待调查完成,可以交给独立 Thread。需要先停下来检查时,应用还可以暂停原 Turn,确认暂停后再补充要求或恢复。

▍3. Session 断线重连与会话重放

用户在测试运行期间关掉页面,第二天重新打开时,期待看到昨天的任务、执行记录和当前结果。应用需要找回原 Session,而不是重新创建一段对话并再次发起测试。

Durable 将任务执行与客户端连接分开管理。Session 汇集一次业务会话,Thread 保留其中各自的上下文,Turn 标识具体任务。应用保存这些身份,重新连接后就能查询原任务。若第一次提交的响应丢失,还可以用原 requestId 和原输入重试,取得同一个 Turn。

为了恢复界面,Durable 提供消息历史、状态快照和带游标的持久事件。页面可以从上次消费的位置接着读取进度;历史游标失效时,使用快照恢复当前视图。这种会话重放重建的是用户看到的过程,不会重新调用模型或执行工具。

生成中的文字可以实时展示,最终消息和任务状态则以持久记录为准。即使连接期间丢了部分文字预览,用户重新进入后仍能取得已确认的内容。浏览器断线、观察超时和关闭订阅,都不会隐式取消后台任务。

▍4. 长耗时工具异步执行与精准恢复

运行测试、生成报表或处理大批文件,可能比一次模型调用长得多。Agent 发起这些工具后,需要保留“正在等哪项工作”的信息,并允许工具独立推进,直到结果具备接回条件。

Durable 为外部工具保存稳定的 executionId、固定参数和执行状态。工具开始前,Agent 检查点与调用意图一起提交;工具结果返回后先被保存,再交给原 Agent;结果已经进入上下文的确认,与新的检查点一起提交。这样,中断后就能定位究竟缺少哪一步。

以二十分钟的测试为例,恢复方式取决于原操作的实际状态:

中断后查到的状态

如何继续

测试仍在运行

按原执行身份继续查询,等待结果

测试已结束,结果尚未交付

补交原结果,不重跑测试

结果已交付,Agent 尚未应用

恢复原检查点,将该结果接回上下文

测试明确失败

把失败结果交给 Agent,决定修复或发起新测试

原操作结果无法确认

保留 UNKNOWN,继续核实或进入业务处理流程

这里的“精准恢复”体现在找到原操作和缺失的交接步骤。测试本身报错、工具服务失联、结果传输中断,是不同的问题;把它们全部处理成“再执行一遍工具”,容易重复工作甚至产生重复副作用。

恢复粒度还取决于工具的实现。外部服务提供查询和幂等能力时,可以接回原执行;一个内部发送五封邮件的黑盒工具,要恢复到第四封,需要自己保留逐封操作身份。Durable 负责衔接这些执行事实,不猜测工具内部未记录的进度。

▍5. 长任务中断后的事件唤醒与自动认领

测试还没有结束,承载 Agent 的服务却开始滚动发布。实例 A 退出后,任务应该由其他可用实例接着处理,用户不需要再发送一句“继续”。

在多实例部署中,可以通过 RocketMQ 传递会话变更通知。新请求、审批响应或工具结果落库后,通知唤醒 Runtime,促使它读取当前状态并寻找可运行的工作。工具命令与结果使用独立的执行通道交接,分别处理持久受理、去重与补发。

认领任务时,Runtime 通过共享 Backend 获取执行租约。实例 A 失联、租约到期后,兼容的实例 B 可以认领未完成工作,加载检查点并继续原 Turn;新调用会留下新的 Run 和 Step,便于排查这项工作经历过哪些执行尝试。旧实例即使恢复,其过期执行权也会被 Fencing 拦住,不能覆盖新进度。

MQ 通知帮助系统及时发现变化,持久状态和租约决定谁能从哪里继续。实例突然退出时未必能发出通知,因此 Runtime 还会定期扫描,发现过期租约和遗漏的可运行任务。这样,通知延迟、重复或丢失都不会成为恢复的唯一障碍。

跨主机接管需要共享存储、兼容的 Agent 定义和工具绑定,以及对原工作区的访问权限。对于可重试的调用失败,重试次数和退避时间也会保存下来,避免每换一个实例就从零开始重试。

▍6. Brain–Hands 分离,让工具在不同 Sandbox 中执行

同一个研发 Agent 可能既要编译 Java 项目,又要运行 Python 数据分析。两个工具需要的依赖、资源和权限不同,也不一定适合与推理进程放在同一个环境中。

Durable 将推理侧称为 Brain,将工具执行侧称为 Hands。Brain 保留 Harness、上下文和决策过程,通过工具绑定选择 Executor;Hands 接收调用,管理原执行的状态与输出,并在对应 Sandbox 或外部系统中完成工作。模型发起工具调用前,仍然经过原生权限检查。

应用可以把构建工具路由到具备 JDK 和构建缓存的 Hands,把分析工具路由到具备 Python 依赖的另一组 Hands。两侧通过 HTTP 或 RocketMQ 交接请求与结果,可以分别扩容、更新环境和设置权限。一个 Hands 也可以按照明确的资源绑定访问多个 Sandbox。

SandboxBindings 将逻辑工作区与实际 Sandbox 关联并保存。恢复时使用原绑定连接原资源,继续查询之前的命令和产物。Brain 被替换,不意味着要重建测试环境;Hands 进程重启,也不能把新的空目录当作原工作区。

这种分离让计算资源跟随工作特点配置:推理按请求推进,长耗时工具在独立环境中运行。Sandbox 的创建、共享、保留与清理由宿主明确管理,未完成任务依赖的环境和执行记录需要保留到工作收尾。

▍7. 用 Thread 同时推进修复与独立审查

回到故障处理场景:主 Agent 已经生成补丁,正在等待测试;与此同时,团队希望另一个 Agent 检查这份补丁是否引入安全问题。如果审查请求进入同一队列,就要等当前任务结束;如果把两项工作的上下文混在一起,又容易让调查过程和审查意见互相干扰。

一个 Session 可以包含多个 Thread。主 Thread 继续修复和测试,审查 Thread 读取指定版本的补丁,独立检查风险。两者拥有各自的历史、检查点和任务队列,可以在宿主容量允许时并行推进,应用则在同一 Session 中观察整体进展。

审查结束后,用户还可以在原审查 Thread 中追问“再检查异常处理路径”,沿用此前的审查上下文。需要把结论反馈给主任务时,由应用明确转交;如果是父 Agent 发起并等待子 Agent 的工作,可以使用 DelegationExecutor,将父调用与持久子 Turn 关联起来,恢复后继续等待原来的子任务。

Thread 解决的是上下文和任务组织。文件、凭据与 Sandbox 是否共享,需要另外配置。在这个例子中,让审查 Agent 读取固定版本的补丁产物,可以避免它一边审查、一边读到主 Agent 尚在修改的文件。

03

AgentScope Durable 使用

Cloud Native

下面继续以故障调查助手为例,先接入持久任务,再逐步增加排队、插话、重连与独立执行能力。代码片段展示关键调用,模型、凭据和宿主生命周期由应用提供。

先看一套组件较完整的 Queued 部署:Brain 推进 Agent 任务,Hands 管理工具执行,两侧通过 RocketMQ 交接命令和结果。下图展开的是框架内部的组件关系,后续示例再从本地接入逐步扩展到这一部署方式。

AgentScope Durable Queued 模式内部组件与执行链路

图 4:Queued 模式下的 Brain、Queue 与 Hands。

图中存储表示职责边界,可以按部署需要复用数据库。

① 派发工具。DurableRuntime 通过 HarnessAdapter 驱动 AgentScope Harness,将任务进度和检查点保存在 SessionBackend。需要远程执行工具时,它调用已注册的 Executor。RocketMQ 模式使用 RocketMqRemoteExecutor,内部的 QueuedExecutor 通过 RecordStore 保存待发送命令与已接收事件,支持重试、去重和补发。

② 在 Sandbox 中执行。RocketMqWorker 接收并校验命令,写入 ExecutionStore 后确认消息。内部的 WorkerRuntime 根据执行账本认领工作,通过对应的工具 Executor 发起、查询或取消操作。图中的 Sandbox Executor 表示由 SandboxBindings 提供的执行适配;应用为不同工具配置资源绑定,就能分别使用 Java 构建与 Python 分析环境。恢复时沿用持久保存的 Sandbox 身份,连接原资源。

③ 将结果接回原任务。工具输出和结果先进入 Hands 的执行账本,再由 RocketMqWorker 通过 updates 通道回传。Brain 侧的 QueuedExecutor 持久接收事件、按连续序号交付给 SessionBackend,随后 Runtime 恢复原 Turn,让 Harness 消费结果并继续推理。同一 executionId 关联整条链路,重复收到消息时可以核对原执行。

这里有三条独立传输通道:commands 负责执行,controls 负责查询与取消,updates 负责输出与结果。它们与 Thread 内用户请求的排队是两个层次。会话唤醒通知也独立于这些工具通道,MQ 接管部分会继续介绍;任务恢复的依据仍保存在两侧账本和检查点中。

▍1. 把一次调查交给 Durable

最小接入需要 Agent 工厂、持久 Backend 和 Runtime。下面使用应用已有的 model,将第一次调查保存为一个 Turn:

import io.agentscope.core.ReActAgent;import io.agentscope.durable.DurableRuntime;import io.agentscope.durable.DurableTypes.SessionKey;import io.agentscope.durable.agentscope.AgentScopeAdapter;import io.agentscope.extensions.durable.jdbc.LocalBackend;import java.nio.file.Path;import java.util.Map;var backend = LocalBackend.open(Path.of("./durable-data"));var adapter = AgentScopeAdapter.forReAct(        binding -> ReActAgent.builder()                .name("dev-assistant")                .model(model),        Map.of());var runtime = DurableRuntime.builder()        .backend(backend)        .harness("dev-assistant", "v1", adapter)        .build();var session = runtime.createSession(        new SessionKey("demo", "incident-42"), "dev-assistant");var investigation = session.submit(        "investigate-1", "分析订单服务超时的原因");runtime.start();var turnId = investigation.turnId();

应用保存 Session、Thread 和 Turn 身份,宿主保持 Runtime 运行,退出时依次关闭 Runtime 与 Backend。同一请求重试时沿用原 requestId 和原输入;新的工作使用新的 requestId。

这里先展示任务受理,模型所需的日志、代码与工具由应用继续配置。接入 HarnessAgent 时使用 AgentScopeAdapter.forHarness,提供新的 Builder 并设置工作区。完整离线 Quickstart 可以从仓库根目录运行:

bash agentscope-examples/durable/integrated/quickstart/run.sh

它启动两个独立进程,复用同一请求身份。第二次取得原 Turn 的结果,不再调用模型,便于直接观察任务跨重启保留的效果。

▍2. 调查还在执行时,排队报告并补充约束

在调查仍在进行时,将报告作为下一项任务提交,再把约束送入当前调查:

var report = session.submit(        "report-1", "根据调查结果整理一份故障报告");investigation.steer(        "constraint-1", "重点检查数据库访问,先不要修改生产配置");

report 在主 Thread 中等待前面的任务结束;steer 指向原调查,不会创建另一项排队任务。插话被受理后,应用可以通过 signal.applied 等事件确认它已在安全边界生效。

如果后续报告已经不需要,可以取消尚在排队的 Turn:

report.cancel("cancel-report-1");

审批同样应回应原任务。应用通过 pendingInteractions() 找到待处理审批,用户作出决定后调用 respond(requestId, interactionId, approved)。这样,第二天到达的批准也能接到原操作上。

▍3. 页面刷新后,找回调查和已经看到的进度

重新打开页面时,使用保存的身份连接原任务:

var session = runtime.getSession(        new SessionKey("demo", "incident-42"));var thread = session.getThread("main");var investigation = thread.getTurn(savedTurnId);var current = investigation.status();var history = thread.history(null, 100);

这些调用只读取原任务,不会重新发起调查。展示完整会话时可以订阅 Session;只展示这项调查时,可以订阅原 Turn,并从保存的游标继续:

import io.agentscope.durable.EventStreamOptions;var options = EventStreamOptions.builder()        .after(savedCursor)        .build();try (var stream = investigation.streamEvents(options)) {    stream.forEach(event -> render(event));}

render 代表应用自己的界面更新逻辑。它需要处理持久事件和游标失效后的快照替换;保存消费游标后,下次连接就能继续。关闭观察连接时关闭 stream,后台任务仍由运行中的 Brain 推进。

▍4. 让测试异步执行,并接回中断前的结果

将测试工具配置为外部 Executor 后,Agent 发起调用,Durable 保存工具意图并进入等待;工具完成后,结果被交回原 Turn。业务代码不需要为了等待这二十分钟,一直保留最初的 HTTP 请求。

仓库的 Sandbox 示例展示了这条链路:

bash agentscope-examples/durable/integrated/tool-in-sandbox/run.sh

第一个进程让 Agent 发起 sandbox.exec,命令启动后等待继续信号。示例确认 Turn 为 WAITING、工具执行为 RUNNING,随后正常退出。

第二个进程读取同一份持久数据,找到原 Turn、原执行和原 Sandbox,再释放继续信号。Hands 封存命令输出,Brain 恢复上下文并消费结果,最终得到 Sandbox result applied: recovered。

这个过程检查 Turn ID、Sandbox 身份和工具输出能否接续,并确认示例中的副作用只发生一次。它展示的是接回原操作;如果测试本身明确失败,Agent 会获得失败结果,是否修改代码后重新测试属于下一步业务决策。

▍5. 接入 MQ,让可用实例及时接手工作

跨主机运行时,多个 Brain 连接同一份共享状态,并注册兼容的 Agent 定义。下面展示 PostgreSQL 与会话唤醒通知的装配关系:

import io.agentscope.extensions.durable.jdbc.PostgresBackend;var backend = PostgresBackend.builder()        .dataSource(dataSource)        .notifications(rocketMqWakeups)        .build();var runtime = DurableRuntime.builder()        .backend(backend)        .harness("dev-assistant", "v1", adapter)        .build();runtime.start();

这里的 dataSource 指向已经初始化表结构的共享数据库;rocketMqWakeups 是使用已配置 RocketMQ 客户端和 Topic 构造的 RocketMqWakeups,负责传递 Session 变更提示;adapter 对应前面的 Agent 定义。各 Brain 启动后会监听通知并扫描任务,在容量允许时认领工作。

审批到达或任务状态变化,可以通过通知加快调度;实例突然失联,则由租约到期和后台扫描发现需要接管的任务。应用不用遍历会话并重新提交用户请求。替换实例仍需访问原工作区、工具绑定和必要资源。

工具的远程执行需要另外配置 RocketMqRemoteExecutor 和 RocketMqWorker,它们负责工具命令、控制和结果通道。RocketMqWakeups 只传递唤醒提示,不承担工具结果传输。

▍6. 把构建和分析工具放到不同 Sandbox

假设应用已经准备好构建与分析工具的 Schema,并分别部署了两组 Hands。Brain 侧通过工具绑定和 Executor 名称选择执行位置:

import java.util.List;var routedAdapter = AgentScopeAdapter.forReAct(        binding -> ReActAgent.builder()                .name("dev-assistant")                .model(model),        List.of(                buildTool.route("build"),                analysisTool.route("analysis")));var runtime = DurableRuntime.builder()        .backend(backend)        .harness("dev-assistant", "v1", routedAdapter)        .executor("build", buildExecutor)        .executor("analysis", analysisExecutor)        .build();runtime.start();

这是部署时替换前面装配的片段:buildTool、analysisTool 是双方一致的 ToolBinding,包含工具 Schema 和目标配置;两个 Executor 是已经配置好、分别连接对应 Hands 的远程执行端点。

在 Hands 侧,为构建任务绑定带有 JDK 的 Sandbox,为分析任务绑定带有 Python 依赖的 Sandbox。通过 SandboxBindings 保存各自的资源身份,命令执行和重连都沿用该身份。多个工具也可以有意共享工作区,是否共享及其权限由应用明确配置。

独立进程的完整装配可参考 agentscope-examples/durable/brain-hands/tool-in-sandbox。该示例需要真实 RocketMQ 服务、Topic 和访问权限;本地 Sandbox 使用宿主权限执行命令,生产环境应配置实际的隔离环境。

▍7. 在等待测试时,另开一个 Thread 审查补丁

主调查还在等待测试,应用已经得到一份固定版本的补丁。此时可以在同一 Session 中创建独立的审查 Thread:

var reviewThread = session.createThread("review", "dev-assistant");var review = reviewThread.submit(        "review-1", "审查已提供的补丁快照,重点检查安全与兼容性问题");// 后续追问继续使用审查线程自己的上下文。session.getThread("review").submit(        "review-2", "再检查这份补丁的异常处理路径");

补丁快照及读取权限由应用配置到审查工具或工作区。这个示例复用同一个 Agent 定义,但审查 Thread 拥有独立上下文,不会被主 Thread 中等待测试的 Turn 阻塞;同一审查 Thread 内的两次请求仍按顺序处理。

应用可以统一展示两个 Thread 的状态,也可以把已经确认的审查结论作为补充信息交给原调查。普通 Thread 创建不会自动把审查对话放进主 Agent 的上下文;需要 Agent 自主委派并等待结果时,再把委派工具接入 DelegationExecutor,由 Durable 维护父子任务关联。

04

从持久执行到持续服务

Cloud Native

当 Agent 能够可靠完成一项长程任务,下一步便是让它持续承担一项职责。例如,一个研发 Agent 可以从“处理这次故障”扩展为“持续关注服务运行情况,在异常出现时调查、推动修复,并跟进验证结果”。这时,产品需要组织多次工作之间的联系:什么时候开始,什么时候等待,哪些信息应该保留,以及何时需要用户参与。

Anthropic 在 Building always-on agents(https://claude.com/resources/articles/building-always-on-agents)中将这种体验描述为一个反复发生的周期:事件到达后唤醒 Agent,完成当前工作、保存信息,再等待下一次行动。事件收件箱、定时器、记忆、权限和消息发件箱共同支撑这个周期。“持续在线”由这些组件协作形成,Agent 可以在没有工作时休眠。

结合 AgentScope 的设计,可以将这一周期建立在 Durable 的持久任务之上。以持续跟进故障为例,告警、用户消息和外部回调先进入应用的事件入口。应用保存事件及其处理状态,将事件关联到具体的业务会话,再用稳定的请求身份提交给 Durable。相同事件重投时可以找到原 Turn;新的工作进入对应 Thread 排队,执行中的补充要求则通过插话送入当前任务。事件入口负责判断业务关联,Durable 负责持久受理与执行,避免每个事件来源各自启动一份难以追踪的工作。

任务开始后,Harness 组织日志、代码、记忆和工具,推进分析与决策。耗时测试交给 Hands 在 Sandbox 中执行,Durable 保存等待位置和原执行身份。需要用户批准的操作,则保留对应的待处理交互,审批响应到达后接回原任务。等待期间无需维持最初的推理调用,兼容的 Brain 可以在结果具备接回条件时继续推进;操作能否执行,仍由应用的授权策略和 Harness 的权限机制决定。

持续跟进还需要表达未来的行动。例如修复完成后,Agent 希望三十分钟后检查错误率是否回落。应用可以将检查时间与业务目标持久保存,由调度器在到期后生成事件,再交给 Durable 执行新的检查任务。这里要区分两种继续方式:测试结果、审批响应接回尚未完成的 Turn;定时巡检则创建新的 Turn。业务定时器负责安排下一次行动,Durable 的执行重试、租约与恢复机制负责让已受理的工作可靠推进。

跨越多次任务时,Harness 的长期记忆可以保留服务背景、用户偏好和故障处理经验,并在后续决策中按需加载。Durable 则记录具体任务执行到了哪里、哪些工具结果已经确认、还在等待什么。持续服务同时需要这两类信息:前者帮助 Agent 理解职责和业务背景,后者为任务恢复提供明确的执行依据。已经存在于工单、代码仓库或监控系统中的事实,也可以通过引用和工具查询重新获得。

工作结果还需要交付给用户。应用可以根据业务需要设置消息发件箱,保存待发送内容与投递状态,在发送失败后继续交付。故障已修复、风险升级、需要批准,都是值得通知的时刻;常规检查也可以只更新状态。这里的消息投递与 Queued 模式中工具结果的 Outbox 各有职责:工具结果接回 Agent,面向用户的消息则由产品选择渠道和通知节奏。“任务完成”和“用户已收到通知”应分别记录。

由此,AgentScope 的推理与上下文能力、Durable 的持久执行能力,以及应用提供的事件接入、业务调度和消息交付,可以组成完整的持续服务链路。部署时,团队可以先将这些组件嵌入已有业务系统,再按规模拆分 Brain、Hands 和 Sandbox,并集中管理凭据、配额、资源与审计。无论最终表现为企业业务助手、Personal Agent,还是由 Managed Agents 平台承载的服务,都可以复用这套设计:让每次行动有来源、执行有进度、等待有归属,后续工作能够在需要时继续。

结语

Cloud Native

企业 Agent 在长程任务中面临的核心问题,是执行进度容易依附于一次连接、一个进程或某个实例:连接断开后难以追踪结果,服务重启后难以接续任务,耗时工具与审批等待又让执行跨越更长的时间。AgentScope Durable 通过持久化任务状态、异步工具执行和中断恢复,让工作能够跨越连接与实例的生命周期,在具备执行条件时继续推进,同时支持请求排队、执行中插话和会话回放。围绕这一目标,AgentScope 形成了三层核心抽象:ReActAgent 负责推理与行动循环,HarnessAgent 负责上下文管理及工作环境的组织,Durable 负责持久执行与恢复。三层协作,为开发者构建可交互、可恢复、可持续运行的分布式企业 Agent 提供统一基础。

AgentScope Durable 开源实现:
https://github.com/agentscope-ai/agentscope-java

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务,帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们
Contact Us

Start your enterprise AI rollout

Tell us your industry, team, and current pain points. We'll get back to you within one business day to help you decide what to tackle first, what data to prepare, and which platform fits.

WeChat
Scan to add us for a 1:1 chat
JOTO WeChat consultation QR code

Tell us what you need

Once we receive your details, we'll be in touch within one business day.