我评估了7个生产级代理运行时,对照7项标准:优势、权衡以及各自的实际适用对象
摘要
对七个生产级代理运行时(Cloudflare Agents、AWS Bedrock AgentCore、Google AX、Anthropic Claude Managed Agents、kagent、Vercel Open Agents 和 Agyn)的评估,对照七项标准,包括自托管能力、多厂商支持、隔离性和凭据安全性,重点介绍了权衡点和最佳适用场景。
我收集了能找到的代理运行时,并根据对我们生产部署至关重要的方面进行了比较:资源效率、与厂商代理(Claude Code、Codex 等)的协作能力,以及安全层。混合了闭源和开源平台,希望两者都能覆盖。如果漏掉了你希望包含的平台,请在评论中告诉我。同样,如果有你希望比较但未涉及的维度,也请告知。我会补充并以回复形式添加。为了保持实用性:这里关注的是运行时层,而非框架层。LangChain / LlamaIndex / CrewAI / Mastra 等是用于编写代理的库。我在这里比较的是在生产环境中运行代理的组件:进程模型、隔离性、调度、凭据、网络。你通常两者都需要。我考察的七个运行时是:Cloudflare Agents、AWS Bedrock AgentCore、Google AX、Anthropic Claude Managed Agents、kagent、Vercel Open Agents 和 Agyn。
--- ## 七项标准 这些是后期很难改造的方面,因此我根据它们进行了评分: 1. 可自托管:你能否在自己的基础设施上运行编排循环? 2. 多厂商代理:平台是否提供来自多个厂商(Claude Code、Codex 等)的预构建代理,可直接部署? 3. 每个 MCP 服务器的隔离:每个 MCP 服务器运行在自己的容器中,使得被攻破的工具无法访问其他工具的密钥? 4. 声明式配置:代理定义是否以版本控制的清单形式存在,而非命令式代码或网页表单? 5. 无服务器执行:空闲时能否缩容到零? 6. 凭据隔离:工具密钥是否从未进入 LLM 上下文? 7. 零信任网络:每个代理是否拥有自己的身份,并默认拒绝访问? 这些都不是差的平台。它们做出了不同的权衡。以下是每个平台优化的方向。
--- ## Cloudflare Agents 开源的 TypeScript SDK,用于在 Workers + Durable Objects 上构建有状态代理。 优势: `McpAgent` 提供了真正的隔离,每个 MCP 服务器都是独立的 Durable Object,拥有作用域凭据。WebSocket Hibernation 可能是同类中最干净的缩容到零的方案(计费暂停,SQLite 状态保持不变)。多代理通过 Durable Object 消息传递实现,代理之间可以直接寻址,这对于编排模式来说非常方便。 权衡: MCP 隔离仅适用于重写为 `McpAgent` 类的服务器。Workers 运行 V8 隔离沙箱,而非容器,因此现有的 Go/Python/Rust MCP 服务器无法隔离运行。不可自托管:SDK 需要 Durable Objects,但没有本地部署的等效方案。你需要自己编写代理循环。 最适合:拥有 TypeScript 能力并自行构建代理循环的 Cloudflare 团队。
--- ## AWS Bedrock AgentCore AWS 的托管运行时,于 2025 年 10 月发布。 优势: 默认提供会话级 Firecracker 微 VM 隔离。AgentCore Identity 是一个真正的 OAuth 令牌保险库。与 Claude 的深度集成:官方 Claude Code 示例、Marketplace 包,以及 AWS 上的 Claude Platform(2026 年 5 月)与原生 Managed Agents 和 MCP 连接器。Marketplace 目录中有 800 多个代理,是此列表中迄今为止最大的生态系统。 权衡: 仅限 AWS,无本地部署、气隙或自带 K8s 路径。声明式配置混合。Managed Harness 是真正的声明式(`model + system_prompt + tools`),但自定义容器路径将循环恢复为命令式 Python/Node,资源图是 AWS 方言(IAM、ECR、KMS、VPC)。多代理使用 Bedrock 的监督者模式,该模式有效,但将编排拓扑锁定到 AWS 原语。 最适合:锁定 AWS 的企业团队,他们希望深度集成 Bedrock + Claude,并且不介意锁定。
--- ## Google AX Google 的开源分布式代理运行时(Apache-2.0),于 2026 年 5 月宣布。 优势: 如果多代理是你的核心问题,那么这就是 A2A 平台。Agent-to-Agent 协议通过树内桥接适配器成为一等公民,因此任何兼容 A2A 的代理都可以插入(将 Claude Code 或 Codex 包装为 A2A 服务器是一个有文档记录的方案,并非 AX 内置功能,你需要自行包装)。持久执行作为原语,带有事件日志用于恢复和轨迹分支。通过 GKE Sandbox 和 Kata Containers 进行沙箱执行。可在任何 Kubernetes 上自托管。 权衡: 预览版。Google 明确表示“这些接口在稳定版本发布之前可能会发生变化”。树内仅提供三个远程代理适配器。MCP 出现在架构图中,但未在运行时中实现。关键的是,安全故事(保险库凭据、mTLS、零信任)存在于托管的 Gemini Enterprise Agent Platform 中,而非 `google/ax`。 最适合:希望使用 A2A 风格的多代理编排并且能够承受预览 API 的 K8s 团队。
--- ## Anthropic Claude Managed Agents Anthropic 的托管平台(公开测试版,2026 年 4 月)。Claude Code Cloud 是构建在其上的旗舰应用。 优势: Anthropic 策划的 MCP 连接器无需手动设置认证即可工作。如果你是仅使用 Claude 的用户,这是列表中“首个代理所需时间”最短的。Git 凭据模型独特:专用代理强制执行不变量,模型永远不会看到 GitHub 令牌。Vaults 是一个服务器端凭据代理,保险库凭据永远不会进入沙箱。子代理生成内置于 SDK 中,用于分层编排。 权衡: 不可自托管,代理循环按设计运行在 Anthropic 上。仅限 Claude,不支持 Codex 或其他模型。通过 API 声明式而非清单(命令式 SDK 使用,而非 CRD 或 HCL 模块)。Vaults 仅限 MCP;非 MCP、非 Git 的工具密钥仍位于模型可读取的环境变量中。 最适合:构建仅限 Claude 代理的团队,他们希望从零到交付的最快路径。
--- ## kagent 代理作为 Kubernetes 的一等公民对象。CNCF 项目,1000+ 星。 优势: 自定义 Kubernetes 资源提供了强大的声明式能力,代理可以插入现有的 Argo/Flux 流水线,无需新工具。提供用于基础设施运维的预构建代理(K8s、Istio、Helm、Argo、Cilium、Prometheus、Grafana)。agentgateway 是一个真正的基于 Envoy 的 MCP 网关,支持 OAuth。通过 AutoGen 系列中的代理团队支持多代理。 权衡: 始终在线,代理作为长生命周期的 Pod 运行。核心无缩容到零功能。LLM API 密钥存储在 Kubernetes Secrets 中,作为环境变量挂载;代理代码直接读取它们。预构建代理仅限基础设施运维,没有 Claude Code、Codex,也没有面向产品/代码生成工作流的内容。 最适合:在始终在线的基础设施运维工作负载中运行少量长生命周期代理的 K8s / SRE 团队。
--- ## Vercel Open Agents Vercel Labs 的参考模板(MIT,2026 年 4 月)。不是具有 SLA 的支持产品。 优势: 架构清晰,安全原语比“模板”所暗示的更好。AI Gateway 自带密钥,使用 OIDC,使 LLM 提供商密钥远离代理函数。Vercel Sandbox 防火墙执行基于 SNI 的出站过滤,提供了真正的(尽管是沙箱范围内的)零信任姿态。Workflow SDK 提供持久执行。 权衡: 按原样不可自托管,Sandbox、Fluid compute 和 AI Gateway 是闭源的 Vercel 服务。配置是命令式 TypeScript;没有代理的 CRD、YAML 或 Terraform。没有平台管理的 MCP 隔离。这是一个模板,而非运行时,你需要分叉并自行维护。 最适合:在 Vercel 上分叉启动器以构建编码代理 SaaS 的产品团队。
--- ## Agyn 开源的(AGPL-3.0)Kubernetes 上的代理平台。 优势: 代理以 Docker 容器形式运行,平台将其视为黑盒。Claude Code、Codex 和 Agyn 自身的代理已准备好部署,切换只需一行配置。每个 MCP 服务器在自己的容器中运行,并带有作用域凭据。出口网关在网络层注入凭据,因此无论供应商是否支持 OAuth,LLM 都不会看到工具密钥。每个代理通过 OpenZiti 拥有自己的加密身份,内部服务默认被阻止,除非明确允许。有状态且无服务器:代理在调用之间保持状态,空闲时缩容到零,负载时水平扩展。整个设置通过 Terraform 声明。 权衡: 不是用于从头构建代理的框架
相似文章
开发者实际选择的智能体可靠性工具:LangSmith、Langfuse、Phoenix、Braintrust 和 Galileo 在四个层面的映射。
本文比较了在四个层面上用于智能体可靠性的热门开发者工具:追踪/评估、运行时护栏和网关。结果表明,没有一款开源工具能覆盖所有层面,大多数开发者会组合使用多种工具。
@dabit3:目前最佳的智能体设置是混合使用多种工具。Kimi 用于一项任务,GLM 用于另一项,云端智能体用于长时间运行或异步任务…
一位开发者分享说,目前最佳的智能体设置是混合使用多种工具:Kimi、GLM、云端智能体、Fable 和 Frontier 用于编排,而 DevinAI 的 ACP 可以在本地或云端运行智能体。
现在什么云代理最适合实际的日常工作流程?
一位用户分享了他们测试各种云AI代理用于日常工作流程的经验,发现大多数代理在生产环境中不可靠,并向社区寻求推荐,希望找到能够处理长任务、保持上下文、避免幻觉并异步工作的代理。
实际构建智能体基础设施所需的条件(18分钟阅读)
本文剖析了运行生产级网络智能体所需的五层基础设施(不仅仅是浏览器),涵盖热池(warm pools)、隔离(isolation)、身份(identity)、可观测性(observability)和模型网关(model gateways),并讨论了何时适合自建而非购买。
运行一个具有强大可观测性的可靠生产级代理,是否真的需要将 CrewAI、Temporal、Browserbase(如果涉及浏览器)和 Langfuse 拼凑在一起?
本文讨论了构建一个可靠、长期运行的多代理生产系统所面临的挑战,指出目前需要集成多个碎片化工具,如 CrewAI、Temporal、Browserbase 和 Langfuse,并提出是否可能存在更统一的运行时。