AI Agent / 系统课时
设计 Action 协议
设计 Action 协议
本篇解决 Agent Runtime 中不同执行动作无法统一描述的问题,通过设计 Action 协议,让模型输出、工具调用、继续推理、信息请求和任务结束都进入同一套执行流程,便于调度器稳定处理。
学习目标
- 理解 Agent Action 协议需要解决的执行协调问题。
- 掌握常见 Action 类型及字段设计方式。
- 能够定义一个可扩展的动作协议并接入 Runtime。
Action 协议的核心作用
Agent Runtime 需要连接模型、工具和状态管理模块。如果每个模块使用自己的返回格式,执行循环会充满条件判断。Action 协议的目标是把不同意图统一表示,让 Runtime 只处理动作,而不用理解每个业务细节。
一个基础 Action 通常包含动作类型、参数、执行结果以及后续处理信息。动作类型决定 Runtime 下一步如何运行,参数提供执行所需数据。
设计 Action 类型
常见 Agent 动作可以划分为以下几类:
| 类型 | 作用 |
|---|---|
| answer | 直接返回最终回答 |
| tool_call | 请求调用外部工具 |
| think | 继续内部推理或规划 |
| request_info | 请求用户补充信息 |
| finish | 标记任务完成 |
核心协议示例如下:
python
from dataclasses import dataclass
from typing import Any
@dataclass
class Action:
# type 决定 Runtime 的下一步行为
type: str
payload: dict[str, Any]
action = Action(
type="tool_call",
payload={"name": "search", "query": "Agent Runtime"}
)
print(action.type)预期输出
text
tool_call实际系统中还可以增加 request_id、trace_id 等字段,用于日志追踪和故障定位。
处理 Action 执行分发
Runtime 通常根据 Action 类型选择执行路径。分发逻辑应该保持简单,复杂业务放在对应执行器中。
python
def dispatch(action):
if action.type == "tool_call":
return "execute tool"
if action.type == "answer":
return "send response"
if action.type == "finish":
return "stop loop"
return "unknown action"
print(dispatch(Action("answer", {"text": "done"})))预期输出
text
send responseAction 协议设计边界
Action 不应该包含过多 Runtime 内部细节。例如工具连接池、模型客户端配置等属于执行环境,不应该进入协议层。协议负责表达意图,Runtime 负责实现意图。
设计扩展字段时,需要保证旧版本可以忽略未知字段,避免协议升级导致已有 Agent 无法运行。
本课总结
- Action 协议将模型决策转换为 Runtime 可执行的统一结构。
- 动作类型负责表达意图,执行器负责完成具体行为。
- 稳定的协议设计是构建可扩展 Agent Runtime 的基础。
下一课预告
下一课将继续介绍如何管理多轮执行状态,让 Agent 在多次模型调用之间保持连续上下文和任务进度。
按自己的节奏,确认真正理解。