设计面试网关与 Agent 的对接协议

[Altergom]

背景

网关的目标之一是让 Agent 对下游渠道无感。因此，Agent 不应该直接感知微信、飞书、QQ Bot，也不应该直接决定渠道发送细节。

要实现这一点，需要在网关和 Agent 之间定义一套稳定的标准协议，明确网关给 Agent 什么输入，Agent 返回什么结构化动作。

实现思路

• 定义网关到 Agent 的标准输入协议
• 输入协议至少覆盖以下内容：
  • trace_id
  • session_id
  • candidate_id
  • current_stage
  • current_agent_key
  • normalized input
  • memory summary / facts
  • business context
• 定义 Agent 到网关的标准输出协议
• 输出协议不直接返回自由文本，而是返回结构化动作集合
• 第一版动作集合至少包括：
  • send_message
  • update_state
  • append_memory
  • set_score
  • handoff_human
  • end_interview
  • noop
• 明确 Agent 可以提出状态迁移建议，但最终执行权属于网关
• 明确 Agent 不直接调用下游渠道，也不直接持有会话管理职责

验证标准

• 形成一版明确的 Agent Turn 请求协议
• 形成一版明确的 Agent Turn 响应协议
• 明确 Agent 输出动作集合及其语义
• 明确哪些事情由 Agent 决定，哪些事情必须由网关执行
• 明确 Agent 在协议层面对微信、飞书、QQ Bot 完全无感