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

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。
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。

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:

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。
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。

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。
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。
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


