01 Protocol边界与最小生命周期

三层概念区分

讨论 Agent Protocol 时，最容易把三层东西混在一起：

层级	例子	解决的问题
具体协议标准	A2A、AG-UI、LangChain Agent Protocol、AITP、ACP	不同系统如何通信，如何描述任务、消息、事件和产物
通用协议对象	Thread、Run、Step、Event、Artifact、Checkpoint	外部世界如何稳定理解一次 Agent 任务
Runtime 实现能力	状态持久化、中断恢复、可恢复流、权限控制、可观测性	Runtime 内部如何兑现这些对象和状态机

本文重点讨论第二层：通用协议对象。具体协议标准和框架实现只作为证据，用来说明这些对象正在跨系统收敛。

Runtime Protocol：外部世界如何理解一个Agent

Agent Runtime Protocol 是 Agent Runtime 暴露给外部世界的契约。它回答的不是"模型如何思考"，而是：

• 如何启动一次任务：创建 Thread、Task、Run，或发送一条 Message

• 如何携带上下文：历史消息、文件、结构化数据、参与者、能力声明

• 如何观察进展：状态变更、流式事件、Artifact 增量、Trace

• 如何中断和恢复：需要输入、需要授权、取消、重试、继续执行

• 如何拿到结果：最终消息、Artifact、结构化输出、错误信息

Protocol 是 Runtime 的外部边界，Runtime 是 Protocol 的内部实现。

讨论 Agent Runtime 时不应该只讨论内部编排，也要讨论它被什么协议对象驱动，以及它向外承诺什么状态机。换句话说：Runtime 是内部能力，Protocol 是外部可依赖的边界。

Runtime：模型调用之外的执行系统

Agent Runtime 是 Agent 的执行环境，负责：接收输入 → 调用 LLM → 执行工具 → 管理状态 → 产出结果。

不同框架对 Runtime 的定义边界不同：

• LangGraph：包含了从编排到持久化的完整栈

• OpenAI Assistants：把整个 Runtime 藏在服务端

• AutoGen：更强调多 Agent 对话组织

但它们都必须回答同一组问题。更精确地说，Agent Runtime 不是"一次模型调用"，而是模型调用之外的那层执行系统。它至少要管理五类事情：

职责	说明
生命周期	一次任务如何开始、运行、暂停、恢复、结束
上下文	哪些消息、文件、状态、外部资源对当前执行可见
调度	下一步调用模型、工具、子 Agent，还是等待人类
控制面	权限、Guardrail、取消、超时、预算、并发限制
数据面	状态快照、事件流、Trace、Artifact、成本数据如何流动

这也是为什么 Responses API 不是 Runtime，而 OpenAI Agents SDK 是更高层 Runtime：前者主要给你模型和工具调用能力，后者开始接管循环、工具执行、Handoff、Session、Guardrail、Tracing 等运行时职责。

最小生命周期：一个Agent任务经历了什么

不管采用哪种框架，生产级 Agent Runtime 都绕不开同一个生命周期。这里最关键的概念是 Run。Thread/Session 描述长期上下文，Run 描述一次具体执行。没有 Run 这个边界，就很难定义超时、取消、Trace、成本、权限审批和最终结果。

从协议角度看，这条生命周期可以被映射成一组稳定对象：

Protocol 对象	Runtime 含义	典型来源
Agent / Assistant	可被调用的能力提供者	A2A Agent Card、OpenAI Assistant、LangGraph assistant
Thread / Context	多轮上下文边界	OpenAI Thread、AITP Thread、A2A Context
Task / Run	一次执行边界	A2A Task、OpenAI Run、LangGraph Run
Message / Part	输入输出内容单元	A2A Message/Part、AITP Message
Artifact	任务产物	A2A Artifact、文件、报告、代码 diff
Event	进展增量	SSE event、status update、artifact update
Checkpoint / State	可恢复状态	LangGraph Checkpoint、State Snapshot

阅读路径映射

生命周期阶段	主要协议对象	对应章节
创建任务	Agent / Thread / Run	执行模型、Runtime Loop（第02章）
携带上下文	Thread / Message / Workspace	状态管理、Workspace/Sandbox（第03章）
执行步骤	Step / Tool Call / Subagent task	执行模型、工具协议、多Agent协作（第02、05、06章）
观察事件	Event / Trace / State Snapshot	流式输出、可观测性（第05、07章）
中断恢复	Checkpoint / Interrupt / Resume	状态管理、中断恢复、错误恢复（第03、04章）
产生产物	Artifact / Workspace file	状态管理、流式输出、Harness（第03、05章）
评测审计	Step / Event / Artifact / Trace	可观测性与可评测性（第07章）

现有协议收敛对比

不同标准和框架正在围绕 Thread、Run、Step、Event、Artifact、Checkpoint 这些对象收敛：

协议/规范	核心对象	主要关注点	对 Runtime 的启发
LangChain Agent Protocol	Thread、Run、Store、Command、OpenAPI spec	用框架无关 API 服务化生产 Agent	Runtime 要暴露可创建、搜索、更新、流式运行和发送命令的标准资源
A2A	Agent Card、Task、Message、Part、Artifact、Streaming Event	独立 Agent 系统之间互操作	Task 状态机和 Artifact 是跨 Agent 协作的核心
AITP	Thread、Actor、Capability、Transport	跨信任边界的 Agent 交互和交易	Thread 是最低公共接口，Capability 承载结构化能力
ACP	Agent metadata、REST endpoint、Message、SSE	跨框架、跨组织 Agent 通信	协议要简单到能用 HTTP 直接接入，同时支持异步长任务
AG-UI	Run event、Message event、Tool event、State delta	Agent 与前端 UI 的事件协议	前端需要的不只是最终答案，而是标准化事件流
OpenAI Assistants	Assistant、Thread、Message、Run、Run Step	托管式 Agent 执行	Thread/Run/Step 是生产 Runtime 的基础资源模型
LangGraph Server API	Thread、Run、Stream Mode、State Update	可恢复流和状态观测	Runtime 协议需要同时支持 run stream 和 thread stream
Deep Agents	Todo、Subagent task、Virtual filesystem、Backend、Skill	复杂任务 Agent Harness	Runtime 之上还需要面向长任务的 planning、delegation、workspace 和 skill 协议对象
OpenTelemetry GenAI	Trace、Span、Event、Attributes	跨框架可观测性语义	Protocol 不只面向业务调用，也面向观测系统

这些标准并没有完全收敛，但它们已经共同指向一个事实：Agent Protocol 的中心不再是单次 chat completion，而是长生命周期、可观测、可评测、可恢复、可协作的任务对象。

本文使用的框架证据

框架	全称	核心定位	版本基准
LangGraph	LangGraph + LangGraph Platform	图执行引擎 + Agent Server	0.3.x
Deep Agents	Deep Agents SDK (built on LangGraph)	面向复杂任务的 Agent Harness	2026.06
OpenAI	Assistants API + Responses API + Agents SDK	托管式 Agent Runtime	2025.04
AutoGen	AutoGen 0.4 (Core + AgentChat)	多 Agent 对话框架	0.4.x
Claude SDK	Claude Agent SDK (Anthropic)	代码执行 Agent	0.1.x

---