The 8 Layer Architecture of Agentic AI

如 https://zhuanlan.zhihu.com/p/1925989268351874983

在我看来这篇文章没有很好的把云原生和AI辩证统一的做区分。这篇文章可取的内容有协议部分，要明白是什么，干什么用的。另外沙箱，环境接口，热插拔的能力和概念很重要。

最底层，基础设施层

• GraphQL，Rest API都放这里了？Rest API是网络通讯的东西。云原生AI概念中云原生的部分，误。
• HTTP/WebSockets，Restful是基于Http的一种设计风格，故这两个不同层。
• GPU，TPU，Cloud硬件和软件不同层。
• Data lakes，warehouses，数据湖仓是用来训练和微调的。
• Orchestration编排，你要编排什么内容？
• 负载均衡，CDN，存储都来了？

Agent网络层

• 这里就已经摆出来能够独立工作的Agents了，那么多Agent系统算什么？是不是应该在Agent之上？
• 通讯协议，网络通讯协议。。。这是网络基础设施的一部分。
• Agent的长短期记忆，这是Agent内部的东西，怎么能翻出来单独一项呢？
• Embedding Stores，Embedding是不是应该更加靠近模型本身？
• Agent Mesh Networks，学service mesh的话，再来，云原生AI概念中云原生的部分。

协议层

且不说Tool Abstraction，Function call，MCP之间本身就是竞争关系，这些协议或者说协议哪里有单拎出来一层的？一层里还有很多不同，不同的协议在不同的地方用。

• Agent to Agent
• Agent Capability
• Model Context
• Agent Negotiation
• AGORA？这个有哪位听说过？
• Agent Gateway
• Tool Abstraction
• Open Agent
• Function Call

工具增强层

• RAG， Vector DB，knowledge base：Embedding说“你好”
• External Tool Use： 您让上边的Function call和MCP面子放哪儿？就是接口一层，实现一层，然后实现还放接口上边。你看隔壁就又出现了Function Call
• Browsing modules：是工具的一种吧？
• 执行沙箱技术，环境接口，热插拔的能力

推理和认知

虽然但是，这部分不应该是模型能力么？

• 计划，Goal mgr：任务分解，依赖分析，资源规划，算法实现。
• 决策：决策树
• 自我提升：经验学习，学习策略。
• 错误处理
• Reactivity。。。您这不就是ReAct+Error Catch么？

记忆与个性化

• 工作记忆，长期记忆。。。智能体内部上下文管理单独拆一层啊？

应用

个人助理，创造性工具，娱乐，电子商务，学习研究，调度自动化，协同编辑。。。

运营与治理

自动化，成本分析，可观测运维这套都来了，运维和商业化运作能在你Agent设计里？

Manus上下文工程经验

https://zhuanlan.zhihu.com/p/1930585127949439827

• 把 文件系统 当作上下文可取。目前Trae，Gemeni都是这么做的。
• 防止 lost-in-the-middle 可取。Gemeni
• 保留犯错记录 可取。Gemeni
  • 把失败留在上下文：让模型看到 失败动作 + 报错栈。
  • 模型 隐式更新先验，减少重复犯错。
  • 错误恢复能力 是真正 agentic behavior 的试金石。