Agently 4.1.3.2 - AI 应用运行时框架

构建具备结构化输出、可观测 Action、运行时 Skills、MCP 能力、流程流（Process Streams）以及可恢复工作流的 AI 服务后端。

English | 中文介绍

文档 · 快速开始 · 为什么选择 Agently · 能力 · 架构 · 生态系统

---

本 README 适用对象

Agently 旨在帮助开发团队从“模型能做一次”进阶到“应用必须可靠地完成任务”：

• 构建助手、内部 Copilot、知识库工具、运维工作流或 AI 驱动的 API 的产品工程师。
• 需要为模型提供商、工具、MCP Server、沙箱、工作流和可观测性提供清晰扩展接口的平台团队。
• 比较 AI 框架的可维护性、显式控制、可调试性及生产环境交付能力的架构师。
• 希望将推荐模式编码为可重用项目指南的 Coding-Agent 用户。

核心设计问题很简单：如何在赋予应用代码稳定的契约、可观测的执行过程和可重启的工作流边界的同时，保持模型行为的有效性？

Agently 4.1.3.2 在 4.1.3 运行时的基础上，增加了边界化的 AgentExecution 任务步骤、基于 Workspace 的多步任务上下文、运行时停滞控制，以及由 EventCenter 管理的 RuntimeEvent 分发。应用代码可以运行显式的 mode="task_step" 执行，包含血缘关系、限制、流关联和 Workspace 检查点，同时 DevTools 和配套的 Skills 始终保持与统一的运行时事件词汇表对齐。完整发布详情请阅读 4.1.3.3 发行说明、4.1.3.2 发行说明、4.1.3.1 发行说明 以及 4.1.3 发行说明。

为什么选择 Agently

许多 AI 框架擅长探索或组装广泛的集成栈，而 Agently 专为工程层进行优化，使模型应用能够应对模型变更、输出漂移、流式 UX、Action 执行、工作流信号和服务边界等挑战。

如果你关注以下几点，Agently 将是你的理想选择：

• AI 服务应是运行时执行，而非单纯的 Prompt 拼接 - Agent 的一次轮询可以声明候选 Action、Skills、MCP 服务、动态任务规划、处理流和输出契约，并通过统一的运行时界面执行。阅读 4.1.3 发行说明、Agent 自动编排示例 以及 Skills 执行器示例。
• 切换模型不应重写业务逻辑 - Agently 将提供商设置、Prompt 插槽、响应解析、Action 执行和响应读取标准化为统一的请求/运行时契约。阅读 模型设置、模型概览 以及 请求概览。
• 结构化输出应是框架保证，而非仅是提供商功能 - .output(...) Schema、必填字段提取、解析器反馈、重试、ensure_keys、ensure_all_keys 以及校验处理器在 Agently 内部协同工作。阅读 Schema 即 Prompt、输出控制 以及 examples/basic/ 中的示例。
• 流式传输应在最终 Token 到达前暴露结构 - instant 模式允许消费者在模型仍在生成流时对结构化字段作出响应，这对于 UI 更新、SSE 路由和工作流信号非常有用。阅读 模型响应、FastAPI 服务暴露 以及 examples/fastapi/。
• Action 应具备可观测性和模型可移植性 - 本地函数、内置 Action、MCP Server、Shell/Python/Node/SQLite/Workspace 辅助工具以及自定义执行器均生成结构化记录，并共享同一个 Action 运行时。阅读 Action 运行时、MCP 以及 examples/action_runtime/。
• Skills 应为运行时能力，而非内联 Prompt 片段 - agent.use_skills(...) 可以声明本地或远程 Skill。