xinyin025/LangBot

Fork 0

mirror of https://github.com/langbot-app/LangBot.git synced 2026-06-02 12:05:54 +00:00

Files

huanghuoguoguo 094b87e578 fix(agent-runner): package context for plugin execution

2026-05-21 13:56:17 +08:00

27 KiB

Raw Blame History

Agent Runner 插件化设计

1. 背景

当前 feat/agent-runner-plugin 分支已经验证了一个最小路径：SDK 增加 AgentRunner 组件，LangBot 在 Pipeline 的 runner 配置项中动态列出插件提供的 runner，并在 ChatMessageHandler 中通过 plugin_connector.run_agent() 调用插件实现。

这个方向能把内置 RequestRunner 之外的 Agent 实现放到插件中，但它仍然沿用“私聊/群聊消息进入 Pipeline，再由 runner 产出回复”的旧模型。它没有解决后续 Agent 需要面对复杂上下文的问题，也没有为 EBA 计划里的事件驱动能力留下足够清晰的扩展面。

本设计只聚焦 Agent Runner 插件化。EBA 文档中的事件体系、平台 API、事件路由只作为接口预留和未来兼容参考，不纳入本阶段实现范围。

1.1 当前实现状态

当前实现已经不是早期 PoC：

LangBot 已有 AgentRunnerRegistry、AgentRunOrchestrator、AgentRunContextBuilder、AgentResourceBuilder、AgentResultNormalizer。
ChatMessageHandler 主路径已经委托给 orchestrator，不再直接解析插件 runner 或实例化 wrapper。
Pipeline metadata 已经从 registry 动态生成插件 runner 选项和配置 stage。
SDK 已有 Protocol v1 的 AgentRunContext、AgentRunResult、capabilities、permissions、AgentRunAPIProxy。
旧 RequestRunner 文件仍保留，当前作为迁移基准和回退分析材料；最终 parity 完成后再移除或隔离。

当前仍在收尾的重点不是“能不能调用插件 runner”，而是：

宿主侧通用能力是否足够，让插件 runner 获得旧内置 runner 隐式拥有的上下文。
local-agent 官方插件是否能在对外行为上对齐旧内置 local-agent。
权限裁剪、timeout、错误隔离和端到端 parity 测试是否完整。

2. 目标与非目标

目标：

将 Agent Runner 从 LangBot 内置 runner 列表中解耦，允许插件提供新的 Agent 执行器。
保持当前聊天 Pipeline 可用，并允许现有消息场景选择插件 Agent Runner。
设计新的 Agent 上下文模型，使 runner 不只依赖 query.messages 和 user_message，还能承载事件、会话、资源、工具、知识库、平台能力和业务状态。
SDK 提供稳定的 AgentRunner 组件接口、上下文实体、返回实体、配置 schema 和运行期 API。
LangBot 负责 runner 发现、配置装配、权限校验、运行调度、流式结果转换、错误隔离和兼容层。
为未来 EBA 的非消息事件接入预留 event、actor、subject、platform_capabilities 等上下文字段。
现有内置 RequestRunner 最终强制迁移为插件形态，由 LangBot 通过同一套插件化 runner 协议调用。

非目标：

不在本阶段实现 EBA EventBus、EventRouter、平台多事件监听或统一平台 API。
不改变现有 Pipeline 的阶段链和私聊/群聊入口。
不引入插件内自定义长驻调度器；Agent Runner 仍由 LangBot 显式调用。

3. 当前实现剩余问题

以下是当前实现仍需要收敛的点：

AgentRunContext 需要持续补齐宿主处理后的有效上下文，例如有效 prompt、结构化输入、runtime metadata、params/state。
AgentRunAPIProxy 需要通过 run_id/query_id 保留旧 runner 隐式拥有的 Query 语义，例如工具调用上下文、知识库检索 settings、模型 extra args、remove-think。
AgentResourceBuilder 应按 manifest + Pipeline 绑定 + runner config schema 通用裁剪资源，不能只为 local-agent 写死。
local-agent 插件需要对齐旧内置 runner 的外部行为，包括 prompt preprocessing、多模态、fallback、tool loop、RAG、rerank、流式/非流式选择。
timeout/deadline、取消、插件无输出、结果过大等运行保护还需要更完整的端到端验证。

4. 总体架构

建议引入三层结构：

Pipeline / future Event Router
        |
        v
AgentRunnerRegistry
        | discovers built-in runners and plugin runners
        v
AgentRunOrchestrator
        | resolves binding, provisions context/resources/state, invokes runner
        v
Built-in RequestRunner adapter / Plugin AgentRunner component
        |
        v
AgentRunResult stream

4.1 AgentRunnerRegistry

职责：

从内置 runner 和插件运行时收集 runner manifest。
输出统一的 AgentRunnerDescriptor，而不是散落在 UI metadata 中的字符串 option。
对插件 runner manifest 做基础校验：组件类型、配置 schema、权限声明、协议版本。
提供缓存和刷新机制，插件安装、卸载、重启后刷新。

建议结构：

class AgentRunnerDescriptor(BaseModel):
    id: str                     # builtin:local-agent 或 plugin:author/name/runner
    source: Literal["builtin", "plugin"]
    label: I18nObject
    description: I18nObject | None = None
    config_schema: list[DynamicFormItemSchema] = []
    capabilities: AgentRunnerCapabilities
    plugin: PluginRef | None = None
    protocol_version: str = "1"

4.2 AgentRunOrchestrator

职责：

根据 pipeline 配置选择 runner。
编排 ContextBuilder / ResourceBuilder 生成 SDK AgentRunContext envelope 与已授权资源。
注册本次运行的 run_id / runner / resource scope，供后续 AgentRunAPIProxy 做权限校验。
统一处理超时、异常、流式返回、取消、中断和 telemetry。
将插件返回的 AgentRunResult 转换回当前 Pipeline 能消费的 Message / MessageChunk。

LangBot 当前 ChatMessageHandler 里的插件 wrapper 应下沉到 orchestrator，避免消息处理器知道插件 runner 的细节。这里的 “context” 指 Host 提供的协议 envelope、运行身份、资源、状态快照和默认工作窗口，不是 Agent 的最终 prompt 组装或长期记忆策略。最终模型上下文如何压缩、摘要、召回，应由 AgentRunner 声明策略并在 AgentRunner 边界执行；LangBot 负责提供受限的基础设施和 guardrail。

5. SDK 设计

5.1 AgentRunner 组件

SDK 保留当前分支新增的组件方向，但需要补齐能力声明：

class AgentRunner(BaseComponent):
    __kind__ = "AgentRunner"
    __protocol_version__ = "1"

    @classmethod
    def get_capabilities(cls) -> AgentRunnerCapabilities:
        return AgentRunnerCapabilities()

    @classmethod
    def get_config_schema(cls) -> list[dict]:
        return []

    async def run(self, ctx: AgentRunContext) -> AsyncGenerator[AgentRunResult, None]:
        ...

一个插件可以声明多个 AgentRunner 组件。每个 runner 使用独立的 component manifest、配置 schema、能力声明和权限声明；LangBot 侧以 plugin:author/name/runner 作为稳定 ID 区分。插件包可以因此同时提供多个执行策略，例如通用聊天 runner、客服 runner、工单 runner，而不需要拆成多个插件。

get_capabilities() 用来告诉 LangBot 这个 runner 是否支持：

streaming
tool_calling
knowledge_retrieval
multimodal_input
event_context
platform_api
interrupt
stateful_session

本阶段可以先实现 streaming、tool_calling、knowledge_retrieval 三项，其他字段只作为声明和预留。

5.2 上下文模型

当前 AgentRunContext 应升级为更通用的运行上下文：

class AgentRunContext(BaseModel):
    run_id: str
    trigger: AgentTrigger
    conversation: ConversationContext | None = None
    event: AgentEventContext | None = None
    actor: ActorContext | None = None
    subject: SubjectContext | None = None
    prompt: list[Message] = []
    messages: list[Message] = []
    context_request: AgentContextRequest | None = None
    context_packaging: ContextPackagingMetadata = ContextPackagingMetadata()
    input: AgentInput
    params: dict[str, Any] = {}
    resources: AgentResources
    state: AgentRunState = AgentRunState()
    runtime: AgentRuntimeContext
    config: dict[str, Any] = {}

关键点：

trigger 标明触发来源。当前消息 Pipeline 使用 message.received，未来 EBA 可使用 group.member_joined、friend.request_received 等。
conversation 承载会话历史、launcher、sender、bot 等聊天语义。
event 是未来 EBA 的预留封装，本阶段可以由 query 生成一个最小 message event。
actor 表示触发者，subject 表示事件作用对象，例如被邀请用户、被撤回消息、被操作群组。
prompt 是宿主处理后的有效 prompt。它来自 LangBot 当前 conversation prompt，并且已经过 PromptPreProcessing 等插件事件处理；runner 调模型时应优先使用它，而不是重新读取静态 config["prompt"]。
messages 是历史消息，也已经过宿主 pipeline preprocessing。插件化 AgentRunner 路径不再由 Pipeline msgtrun 截断，而是在 AgentRunner context packaging 边界按 legacy max-round 语义裁剪。
context_request 是未来 AgentRunner manifest / binding config 提出的上下文偏好，例如 token budget、summary hybrid、external session；它不是 LangBot 单方面的策略开关。
context_packaging 描述 Host 本次实际下发的历史窗口，例如使用的策略、来源、已下发消息数、是否确认完整、未来 cursor 等。本阶段只标注 AgentRunner legacy 窗口。
input 是 runner 的主输入，不再强制等同于纯文本消息；input.contents 必须保留图片、文件等结构化内容。
params 是单次运行的公开业务变量，宿主过滤内部变量和敏感变量后提供。
resources 列出 LangBot 已授权给 runner 的工具、知识库、模型、文件等。
state 是宿主管理的持久 runner-scoped 状态快照。
runtime 提供 host 信息、workspace/bot/pipeline 标识、trace id、deadline 等。
config 是当前 Pipeline 或未来事件绑定对该 runner id 的绑定配置，替代当前 extra_config。

为了兼容现有实现，SDK 可提供：

ctx.input.to_text()
ctx.conversation.to_legacy_session()
ctx.to_legacy_query_context()

当前代码不改 SDK v1 schema，Host 实际下发结果先作为 ctx.runtime.metadata.context_packaging 下发；它是 packaging receipt，不是 LangBot 侧的长期策略控制面。

5.2.1 Agentic 上下文与文件协作方向

本节主要记录后续设计。本轮已把 legacy max-round working window 搬到 AgentContextPackager；LangBot 的完整会话历史仍主要来自进程内 Conversation.messages，长期仍需要持久化 store 和压缩机制。

长期方向应区分三类数据：

ConversationStore / EventLog: LangBot 持久保存完整原始消息、事件、工具调用和结果引用，作为审计、重放、重新压缩和历史检索的事实来源。
working context: 每次 AgentRunner.run() 收到的受控上下文窗口。它不应是完整历史全文，而应由 AgentContextPackager 组装，例如 effective prompt、压缩摘要、最近若干轮、相关历史片段、RAG/tool context 和当前输入。
context state: 压缩摘要、last_compacted_seq、外部 conversation id、用户偏好等跨轮状态。它由 host-owned state 或授权 storage 持久化，不能放在插件实例内存里。

因此不要把完整历史全部塞给插件 runner。正确边界是 LangBot host 保留完整历史， AgentRunner 边界下发默认安全窗口；如果 runner 需要更多历史，应通过受限 AgentRunAPIProxy 按 cursor/page size 请求片段。这样可以避免每轮 O(n) 复制和跨进程序列化，也避免插件 runtime 收到无限膨胀的上下文。

上下文压缩应在后续 LiteLLM 接入、能够获得模型 context window 后再实现。建议策略是：

每轮 run 前估算 prompt + summary + recent turns + tool/RAG context + current input 的 token。
超过阈值时，对较旧的历史窗口做 compression，生成 summary/checkpoint。
原始消息不删除；summary 是派生记忆，可以重算和审计。
下一轮使用 summary + recent turns + relevant recalled history 继续工作。
重启后从持久化 ConversationStore/EventLog 和 summary checkpoint 恢复 working context，而不是依赖进程内窗口。

大文件、多模态和工具产物不应内联进 ctx.messages。后续建议统一成 artifact/resource 引用：

小文本可以直接进入 message/content；大文件、图片、音频、工具输出文件只在 context 中放 artifact_id、mime_type、size、digest、摘要和访问权限。
/tmp 只适合作为单次 run 的本地临时 staging；不能作为重启后的事实来源。
长期可复用或跨工具协作的文件应放到 box/object storage。当前分支还没有合并 box 能力，因此本阶段只预留协议，不实现存取。
AgentRunner 通过受限 API 读取 artifact，例如后续的 get_artifact_metadata()、 open_artifact_stream()、read_artifact_range()。Host 必须校验 run_id、runner 权限、文件大小、MIME、过期时间和可访问范围。
工具返回大结果时也应返回 artifact ref + 摘要，而不是把完整结果塞回消息历史。

EBA 接入后，完整事实来源更适合建成 EventLog + Projection：

EventLog 保存 message.received、tool.call.completed、message.recalled、 group.member_joined 等原始事件。
ConversationProjection 把与对话相关的事件投影成 agent 可读 history。
非消息事件不必伪造成用户消息；它可以带 actor、subject、event_data，再由 AgentContextPackager 决定是否纳入 working context。

5.3 返回协议

当前 AgentRunReturn.type 建议规范化为事件流：

class AgentRunResult(BaseModel):
    type: Literal[
        "message.delta",
        "message.completed",
        "tool.call.started",
        "tool.call.completed",
        "state.updated",
        "run.completed",
        "run.failed",
    ]
    data: dict[str, Any] = {}

本阶段 Pipeline 兼容映射：

message.delta -> MessageChunk
message.completed -> Message
run.completed 且带 message -> Message
run.failed -> 记录错误并按当前 runner 错误策略返回

action.requested 不进入本阶段的必选协议。它表示“Agent 希望 LangBot 执行一个非文本平台动作”，例如未来 EBA 里编辑消息、通过好友请求、踢人等。当前 Agent Runner 仍作为 Pipeline 的一个 stage 执行，输出只需要覆盖消息流、工具调用状态和运行完成/失败；如果实验性 runner 返回 action.requested，LangBot 只记录 telemetry 并忽略执行。

5.4 LangBotAPIProxy

Agent Runner 插件需要使用 LangBot 能力，但这些能力必须通过显式授权暴露：

模型：invoke_llm、invoke_llm_stream、rerank、后续 embedding。
工具：get_tool_detail、call_tool。runner 通过 ctx.resources.tools 获取已授权工具列表，不暴露 unrestricted list_tools。
知识：retrieve_knowledge。runner 通过 ctx.resources.knowledge_bases 获取已授权知识库列表，不暴露 unrestricted list_knowledge_bases。
存储：plugin storage、workspace storage。
文件：配置文件读取、知识文件读取。

SDK 应把这些能力按 capability 分组。LangBot 在调用 runner 前根据 runner manifest、pipeline 配置、插件绑定范围生成 resources，插件不能绕过资源列表调用未授权对象。

宿主 action handler 不应只是把请求转发给 provider/tool/knowledge manager。对 AgentRunner 调用，它还需要通过 run_id/query_id 找回当前 Pipeline Query，并自动补齐旧内置 runner 过去直接拥有的上下文，例如：

provider 调用的 query
model extra_args
输出设置 remove-think
工具调用需要的 Query 上下文
知识库检索的 bot_uuid、sender_id、session_name

6. LangBot 设计

6.1 runner 发现

在 LangBot 增加 AgentRunnerRegistry：

内置 runner 由 runner_module.preregistered_runners 注册为 builtin:*。
插件 runner 通过 PluginRuntimeConnector.list_agent_runners() 获取。
manifest 中必须包含 metadata、spec.config、spec.capabilities。
发现失败只影响对应插件 runner，不影响 Pipeline metadata 返回。

当前 PipelineService.get_pipeline_metadata() 可以继续作为 UI 入口，但应改为读取 registry，而不是直接拼插件列表。

6.2 配置模型与绑定位置

当前阶段 runner 配置仍跟 Pipeline 绑定，并且仍然作为 Pipeline 的一个 stage 执行。也就是说，Bot 收到私聊/群聊消息后仍按现有 Pipeline 流转，只是在 AI runner stage 中选择插件化 Agent Runner。

这里的“绑定配置”不代表插件实例。插件安装后由插件 runtime 维护插件本身的运行实例；LangBot 不会因为多个 Pipeline 选择同一个 runner id 而创建多个插件实例或 runner 实例。不同 Pipeline 可以保存不同的 runner_config[id]，调用时 LangBot 只把当前绑定配置放进 AgentRunContext.config 转发给同一个插件 runner。

插件 runner 应按无状态执行单元设计。需要跨请求保存的 conversation id、外部平台状态或用户状态，应通过明确授权的 plugin storage、workspace storage、外部服务或 context runtime state 管理，不能隐式依赖 per-pipeline 插件对象状态。

后续 EBA EventRouter 落地后，同一套 AgentRunnerDescriptor 和 AgentRunOrchestrator 需要支持直接与 Bot 的事件触发器绑定。届时 Bot event handler 可以绕过完整 Pipeline，直接选择某个 Agent Runner 处理 message.received、group.member_joined、friend.request_received 等事件。

Pipeline AI 配置建议从：

{
  "runner": {
    "runner": "local-agent"
  },
  "local-agent": {}
}

演进为：

{
  "runner": {
    "id": "plugin:author/name/runner"
  },
  "runner_config": {
    "plugin:author/name/runner": {}
  }
}

为了兼容现有配置：

读取时同时支持 runner.runner 和 runner.id。
写入时可以先继续写 runner.runner，等前端完成迁移后再切到 runner.id。
旧的内置 runner config key 保持可用。

6.3 运行调度

ChatMessageHandler 不应直接构造 PluginAgentRunnerWrapper。建议路径：

ChatMessageHandler
  -> AgentRunOrchestrator.run_from_query(query)
      -> resolve runner descriptor
      -> build AgentRunContext
      -> invoke built-in adapter or plugin connector
      -> normalize AgentRunResult stream

内置 RequestRunner 可以由 adapter 包一层，统一成 AgentRunnerDescriptor，但不要求现在改写内置 runner。

6.4 插件调用协议

LangBot 到 SDK runtime 需要以下 action：

LIST_AGENT_RUNNERS
RUN_AGENT

RUN_AGENT 输入：

{
  "plugin_author": "...",
  "plugin_name": "...",
  "runner_name": "...",
  "context": {}
}

RUN_AGENT 输出为流式 AgentRunResult。LangBot 必须校验每个结果：

未知 type 记录 warning 后忽略。
单次 result 大小限制，避免插件输出过大。
message.delta 和 message.completed 做 provider message schema 校验。
run.failed 进入统一错误处理。

6.5 权限与隔离

插件 runner 的权限不能只靠插件安装即全量开放。建议 manifest 增加：

spec:
  capabilities:
    streaming: true
    tool_calling: true
    knowledge_retrieval: true
  permissions:
    models: ["invoke"]
    tools: ["call"]
    knowledge_bases: ["retrieve"]
    platform_api: []

LangBot 执行前做三层裁剪：

插件 manifest 声明的权限。
Pipeline 或 Bot 绑定的扩展范围。
用户在 Pipeline runner 绑定配置中选择的资源范围。

最终写入 ctx.resources，并在 proxy action 里再次校验。

7. 与 EBA 的边界

本阶段只使用 EBA 文档中的以下思想：

统一事件命名，例如当前消息 query 可映射为 message.received。
Agent 不应假设输入一定是用户文本消息。
Agent 返回不应只限于文本回复，未来可表达动作请求。
插件 SDK 的事件和 API 应向后兼容。

本阶段不实现：

EventBus。
EventRouter。
新平台适配器目录结构。
群组、好友、Bot 状态等非消息事件监听。
统一平台 API 的实际执行。

因此文档和代码命名应避免把当前任务称为 EBA 实现。推荐使用 agent-runner-pluginization、AgentRunContext、AgentRunResult 等命名。

7.1 现在必须预留的事件适配方式

后续消息撤回、群成员加入、新好友申请等事件不要再走“伪造一条用户文本消息”的方式接入 AgentRunner。正确方向是让未来 EventRouter 构造同一份 AgentRunContext，然后复用当前 AgentRunOrchestrator 的 registry、resource builder、result normalizer 和插件调用协议。

当前先固定这些公共协议约束：

顶层 ctx.event.event_type 使用稳定协议名，不暴露 SDK 类名或平台原始事件名。
平台原始事件名、平台 payload、适配器细节放进 ctx.event.event_data。
ctx.input.text 可以为空；runner 不能假设所有触发都是一段用户文本。
ctx.actor 表示触发动作的主体，ctx.subject 表示被操作或被关注的对象。
需要平台动作时，runner 只能返回 action.requested；当前阶段只记录，真正执行等统一平台 API 和权限模型落地。

已预留的事件类型：

event_type	actor	subject	input
`message.received`	发消息的人	当前消息	文本、图片、文件等消息内容
`message.recalled`	撤回操作者，未知时为系统	被撤回消息	通常为空，原消息摘要放 `event_data`
`group.member_joined`	新成员或邀请人，按平台 payload 标明	群/成员关系	通常为空，可把欢迎上下文放 `event_data`
`friend.request_received`	申请人	好友申请	验证消息或申请理由

未来 EventRouter 的最小调用链应是：

Platform Adapter
  -> EventRouter normalize platform payload
  -> resolve event binding: event_type + bot/workspace/scope -> runner id + config
  -> AgentRunOrchestrator.run_from_event(event_request)
  -> AgentRunContextBuilder.build_context_from_event(event_request)
  -> PluginRuntimeConnector.run_agent()

run_from_event() 不能重新实现一套 runner 调用逻辑，只能复用当前 run_from_query() 已经使用的 registry、资源裁剪、session registry、状态更新和结果归一化能力。这样 Pipeline 消息入口和 EBA 非消息入口不会分裂成两套协议。

8. 分阶段落地

Phase 1：整理当前分支

保留 SDK AgentRunner 组件。
调整 AgentRunContext / AgentRunReturn 为协议 v1 的命名和字段。
LangBot 增加 AgentRunnerRegistry 和 AgentRunOrchestrator。
ChatMessageHandler 改为调用 orchestrator。
Pipeline metadata 从 registry 读取 runner 列表。

Phase 2：能力和权限

runner manifest 增加 capabilities、permissions、config_schema。
LangBot 对工具、知识库、模型资源做注入和裁剪。
proxy action 做二次校验。
增加超时、取消、错误隔离和 telemetry。

Phase 3：内置 runner 插件化迁移

兼容当前 plugin:author/name/runner 字符串 ID。
兼容 runner.runner 配置键。
提供从旧 runner 配置到 runner.id / runner_config 的迁移。
将所有内置 RequestRunner 强制迁移为官方插件包。
迁移期间旧 RequestRunner 文件可以保留作为 parity 基准；主聊天路径不应继续依赖它们。
LangBot 最终只保留插件 runtime、registry、orchestrator 和兼容迁移逻辑，不再维护独立的内置 runner 执行分支。

Phase 4：为 EBA 接入做预留

AgentRunContext.event 支持 EBA 文档定义的事件 envelope 子集。
AgentRunResult.action.requested 仍只记录，不执行；真正执行平台动作需要等统一平台 API 和事件触发器权限模型完成。
等 EBA EventRouter 落地后，由 EventRouter 直接调用 orchestrator。

9. 需要修改的代码范围

LangBot：

src/langbot/pkg/pipeline/process/handlers/chat.py：移除插件 runner 解析细节，改为 orchestrator。
src/langbot/pkg/api/http/service/pipeline.py：从 registry 获取 runner metadata。
src/langbot/pkg/plugin/connector.py：保留 list_agent_runners() / run_agent()，增加协议校验。
src/langbot/pkg/plugin/handler.py：整理 Agent 运行期可调用的 proxy action。
新增 src/langbot/pkg/provider/agent_runner/ 或 src/langbot/pkg/agent/runner/：registry、orchestrator、context builder、result normalizer。

SDK：

src/langbot_plugin/api/definition/components/agent_runner/runner.py：补 capabilities、config schema、协议版本。
src/langbot_plugin/api/entities/builtin/agent_runner/context.py：升级上下文和返回协议。
src/langbot_plugin/runtime/io/handlers/control.py：保留 LIST_AGENT_RUNNERS / RUN_AGENT。
src/langbot_plugin/runtime/plugin/mgr.py：runner 发现、调用、异常隔离。
src/langbot_plugin/api/proxies/langbot_api.py：补齐 Agent 运行期需要的 host capability proxy。

10. 验收标准

Pipeline 可以选择一个插件提供的 Agent Runner。
插件 runner 能收到结构化上下文，并能流式返回消息。
插件 runner 只能看到 LangBot 注入的工具、知识库、模型资源。
插件 runner 异常不会中断插件 runtime 或 Pipeline 主流程。
旧 Pipeline 配置和旧内置 runner 正常工作。
官方 local-agent 插件在外部行为上对齐旧内置 local-agent：有效 prompt、历史消息、结构化输入、RAG、rerank、工具循环、模型 fallback、streaming/non-streaming。
文档明确区分“Agent Runner 插件化”和“未来 EBA 架构”。

11. 已确认决策

插件可以声明多个 AgentRunner 组件，每个组件独立暴露 manifest、配置 schema、能力和权限。
本阶段不把 action.requested 作为必须实现的运行结果。它只是为未来 EBA 平台动作预留的返回类型；当前 Pipeline stage 中如收到该类型，只记录 telemetry，不执行动作。
当前 runner 配置先跟 Pipeline 绑定，仍然在 Pipeline 的 AI runner stage 中执行；后续需要支持直接与 Bot 的事件触发器绑定。
Pipeline/Event 绑定只保存 runner id 和绑定配置，不创建插件实例或 runner 实例；插件 runner 按无状态转发调用处理，跨请求状态必须显式存储。
内置 RequestRunner 最终强制迁移为插件形态，避免长期保留“内置 runner 分支”和“插件 runner 分支”两套执行体系。

12. QA 验收

Phase 1 收尾进入 agent QA 时，使用 PHASE1_QA_ACCEPTANCE_MATRIX.md 作为验收标准。该矩阵只验收 Agent Runner 插件化 parity，不验收 EBA EventBus、EventRouter 或平台动作执行。

27 KiB Raw Blame History Unescape Escape