From 481ebeaf3e9e156d856b067599fa7587febaf81e Mon Sep 17 00:00:00 2001
From: eaiadmin <eaiadmin@lebiztrips.com>
Date: Sat, 19 Sep 2026 02:01:01 +0800
Subject: [PATCH] =?UTF-8?q?docs:=20=E5=A4=96=E9=83=A8=E6=99=BA=E8=83=BD?=
 =?UTF-8?q?=E4=BD=93=E5=B9=B3=E5=8F=B0=E6=9E=B6=E6=9E=84=E5=AF=B9=E7=85=A7?=
 =?UTF-8?q?=E8=B0=83=E7=A0=94=EF=BC=88RS02=EF=BC=89=E5=85=A5=E5=BA=93?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

为六层架构「第 1/2/3 层补缺」提供外部对照基准，与既有 RS01（WorkBuddy
Skill/RPA 学习）同属 docs/09_Research 调研系列。

六条发现：行业几乎不讲「层」、定义态/运行态强制分离、编排正在「去图化」
且已分裂成图派与 ReAct/交接派、Skill 包已经标准化、本体层是选答题但做了
就是护城河、连接层正在被 MCP 统一；另附国内企业级平台的特殊性一节，
其中含与 pj0235「三对象」同构的官方口径。

文首已标明状态为调研稿，仅供架构决策参考，尚未形成实施结论。
文中引用的 6 份关联文档已逐一核对存在。

Co-Authored-By: Claude Code <noreply@anthropic.com>
---
 .../RS02_外部智能体平台架构对照.md            | 610 ++++++++++++++++++
 1 file changed, 610 insertions(+)
 create mode 100644 docs/09_Research/RS02_外部智能体平台架构对照.md

diff --git a/docs/09_Research/RS02_外部智能体平台架构对照.md b/docs/09_Research/RS02_外部智能体平台架构对照.md
new file mode 100644
index 0000000..ce04178
--- /dev/null
+++ b/docs/09_Research/RS02_外部智能体平台架构对照.md
@@ -0,0 +1,610 @@
+# 外部智能体平台架构对照调研
+
+> 落盘日期：2026-09-19
+> 状态：调研稿（仅供架构决策参考，尚未形成实施结论）
+> 目的：为 pj0235 六层架构「第 1 / 2 / 3 层补缺」提供外部对照基准
+> 关联文档：
+> - `docs/01_System_Overall/SY21_Unified_Role_Skill_Action_Architecture.md`（六层架构与命名收口）
+> - `docs/01_System_Overall/SY22_Role_Skill_App_Unified_Task_Architecture.md`（第五层升级为对象层）
+> - `docs/2026-09-17_六层架构与三对象建设重点阶段性复盘.md`（六层不变，聚焦 5/6 层）
+> - `docs/09_Research/Workflow_Canvas_Interaction_Research.md`（画布**交互**调研，本稿不重复其内容）
+> - `docs/AionUi源码深度扫描与办公智能体架构对比.md`、`docs/微趣MyGPT调研与办公智能体架构对比.md`（源码级/成品级对比，本稿不重复）
+
+---
+
+## 目录
+
+0. [调研方法与可信度（必读）](#0-调研方法与可信度必读)
+1. [结论摘要](#1-结论摘要)
+2. [发现一：行业几乎不讲「层」](#2-发现一行业几乎不讲层)
+3. [发现二：定义态 / 运行态强制分离](#3-发现二定义态--运行态强制分离)
+4. [发现三：编排正在「去图化」，且已分裂成两派](#4-发现三编排正在去图化且已分裂成两派)
+5. [发现四：Skill 包已经标准化](#5-发现四skill-包已经标准化)
+6. [发现五：本体层是选答题，但做了就是护城河](#6-发现五本体层是选答题但做了就是护城河)
+7. [发现六：连接层正在被 MCP 统一](#7-发现六连接层正在被-mcp-统一)
+8. [国内企业级平台的特殊性](#8-国内企业级平台的特殊性)
+9. [平台详表](#9-平台详表)
+10. [pj0235 六层 vs 行业对照与建议](#10-pj0235-六层-vs-行业对照与建议)
+11. [未查证 / 存疑项](#11-未查证--存疑项)
+12. [来源清单](#12-来源清单)
+
+---
+
+## 0. 调研方法与可信度（必读）
+
+**方法**：本次调研由四路并行检索完成 —— ① 编排与工作流型平台；② 大厂 Agent 平台；③ 多智能体框架与协议层；④ 国内企业级智能体/数字员工平台。
+
+**重要限制**：本次环境下 **`WebFetch` 被全域拦截**。实测示例：抓取 `laiye.com` 返回 `Unable to verify if domain is safe to fetch. This may be due to network restrictions or enterprise security policies blocking claude.ai.`。因此结论主要来自 `WebSearch` 返回的搜索摘要与官方文档页片段，部分子调研改用 `curl` 直取官方文档原文。
+
+**可信度分档**（正文按此标注）：
+
+| 档位 | 判据 | 举例 |
+|---|---|---|
+| **高** | 官方文档 / 官方仓库原文可直接引用 | n8n 的 publish 语义、Palantir OMCP、OpenAI「Python-first」、agentskills.io 的 skill 定义 |
+| **中** | 官方产品行为可推断，但原话未逐字核到 | Coze Studio 的 DDD 分层、各平台的表结构细节 |
+| **低** | 仅二手转述或厂商自报，未独立验证 | **Genspark 全部内容**、AG2 的持久化能力（官方与独立分析直接冲突） |
+
+**引用原则**：凡正文写「官方原话」的，均为搜索摘要或直取页面中确实出现过的句子；凡未查证到的一律写「未查到」，不代猜、不补全。
+
+---
+
+## 1. 结论摘要
+
+**核心判断**：pj0235 的「六层架构」提问方式本身不在行业的对话里。行业不按纵向层数描述自己，真正收敛的是另外几件具体的事。
+
+| # | 发现 | 对 pj0235 的含义 |
+|---|---|---|
+| 一 | 行业几乎不讲「层」，官方分层图只有 Salesforce 一张 | 六层可作为**内部治理语言**，但不要假设外部听得懂 |
+| 二 | **定义态 / 运行态强制分离**是全行业标配 | 三张定义表无版本快照、无 draft/published；且缺**节点级运行表**与**消息持久化** |
+| 三 | 编排「去图化」，分裂为**图派**与 **ReAct 派** | 补第 3 层时**不必默认做 DAG 画布**；现有路线更接近 Salesforce / ServiceNow 一派 |
+| 四 | **Skill 包已标准化**（agentskills.io） | 方向已对；可低成本对齐开放标准以吃外部生态 |
+| 五 | 本体层只有 **Palantir** 真做成运行时层 | 不是必答题；要做就做「小本体」，先映射对象类型 + 动作类型 |
+| 六 | 连接层被 **MCP** 统一，六家大厂全部原生支持 | 自研连接器 vs 接 MCP，是第 1 层的战略选择 |
+
+**若只挑三条最该动的**：
+1. 给三张定义表补 **draft/published + 版本快照**（第 5 层）
+2. 补 **节点级执行记录**与**消息持久化**（第 6 层，本项目已有痛感）
+3. 认真评估**连接层直接站到 MCP 上**（第 1 层，生态账）
+
+---
+
+## 2. 发现一：行业几乎不讲「层」
+
+### 2.1 各家的官方结构表述
+
+| 平台 | 官方如何描述自己的结构 |
+|---|---|
+| **Salesforce** | **本次调研中唯一有官方层叠图的一家**。Trailhead "Salesforce Architecture" 模块画成：Apps & Workflows → **Agentforce**（Agent Builder / Prompt Builder / Model Builder）→ **Platform 内的 Einstein Trust Layer**（Data Masking / Dynamic Grounding / Toxicity Detection / Audit Trail / Zero Data Retention）→ **Model Ecosystem** → **Data Cloud** |
+| **Google** | **build / scale / govern 三支柱**（Vertex AI Agent Builder），工程上更常用「Build = ADK / Run = Agent Engine」两段 —— 注意官方用 **scale** 而非 run |
+| **Microsoft** | 官方无「Foundry + Copilot Studio + M365」这样的纵向层原话，给的是**组件表**（Agent Runtime / Toolboxes / Models / Observability / Optimization / Identity & Security / Publishing）。接近「层」的叙述是 **plane 划分**：runtime plane = Foundry Agent Service，governance plane = **Agent 365**（Entra Agent ID / Purview / Defender），experience plane = Copilot Studio / Teams / M365 |
+| **Palantir** | 官方 AIP architecture 页给的是 **12 个能力类别**（Secure LLM integration / End-to-end observability / Context engineering / The Ontology system / Vector・compute・tool services / Security & governance / Agent lifecycle / Operational automation / Development environments / Human+AI applications / Package・release・deploy…），**明确不是纵向层**。平台层是 AIP / Foundry / Apollo 三平台 |
+| **ServiceNow** | **未查到**官方纵向分层。产品侧并列几块：ServiceNow AI Platform、**AI Control Tower**（治理）、**Workflow Data Fabric**（数据集成）、**AI Agent Fabric**（通信骨干） |
+| **OpenAI** | **未查到**官方分层。只讲 API 面（Chat Completions / Responses / Agents SDK / AgentKit）与弃用时间表 |
+| **Dify / Coze / n8n / Flowise / Langflow / Zapier** | 均无官方分层表述。Dify 代码结构可读出 app → workflow → graphon → tools/rag/plugin；Coze Studio 自称 **DDD 分层**（api → application → domain → crossdomain → infra）；n8n 是 monorepo 单向依赖（n8n-workflow ← n8n-core ← cli）；Flowise 只有 Capabilities 能力分区 |
+
+### 2.2 分层话语的实际来源
+
+「模型层 / 能力层 / 平台层 / 应用层」这类**分层话语全部来自研究机构，不是厂商自述**：
+
+- 中国信通院 / 中国电信《2025 政企行业智能体研究报告》：**模型层、能力层、平台层、应用层** 四层
+- 中国信通院 & 360《企业级智能体技术与应用研究报告（2026）》：**模型适配层 — 智能增强层 — 开发治理平台层** 三层
+- 华为云 AI-Native 白皮书：应用层含**行业大模型 L1 / 场景大模型 L2**；算力侧讲**异构池化**与**计算超节点**
+- IDC：六层（AI 基础层 / 数据层 / 智能体开发层 / 流程与业务层 / 应用入口层 / 治理与安全层）
+- 《电信科学》：学术六层框架
+
+**判断**：国内是「先有分层话语、再往产品上套」，通用平台是「先有产品、再被分析师套分层」。
+
+### 2.3 对 pj0235 的含义
+
+- 六层作为**内部治理语言、文档总纲、长期演进底图**继续成立（与 `docs/2026-09-17_六层架构与三对象建设重点阶段性复盘.md` 的结论一致）。
+- 但它是**你们的私有语言**。对外沟通（客户、合作方、评审）时不要假设对方能听懂六层；Salesforce 那种「能力栈 + Trust Layer 横切」的画法更好卖。
+- 不要因为「别人不给层」就动摇 —— 但也不要因为「我们有六层」就认为结构上领先。层级话语不是竞争力，**运行时的具体机制才是**。
+
+---
+
+## 3. 发现二：定义态 / 运行态强制分离
+
+这是本次调研**最有价值**的一条，因为 pj0235 在这块有明确缺口。
+
+### 3.1 行业做法
+
+**几乎每一家都把 draft 与 published 做成硬隔离，且发布产生不可变版本快照：**
+
+| 平台 | 机制 | 来源 |
+|---|---|---|
+| **n8n** | 官方原话：「All edits remain in draft until you publish」「Publishing makes your workflow live and **locks it to a specific version**. Production executions will use this published version, **not your latest edits**」；可 unpublish、命名版本、提审（Workflow reviews + visual diff） | 官方文档 |
+| **Coze** | 工作流 `Stage` 枚举 `StageDraft = 1` / `StagePublished = 2`；实体带 `Meta` / `CanvasInfo` / `DraftMeta` / `VersionMeta` / `HasPublished` / `LatestPublishedVersion`；应用另有 `PublishStatus` 生命周期（Packing → Packed / Auditing / PublishDone）+ `PublishRecordID`；数据库**直接拆成 `draft_database_info` / `online_database_info` 两张表** | 开源版 Coze Studio |
+| **Dify** | `Workflow` 表带 `version` 字段（`'draft'` 或不可变版本串）；版本控制为 Current Draft / Latest Version / Previous Versions，Publish 把 draft 变成 Latest 并生成新 draft | 官方文档 |
+| **Langflow** | `FlowVersion` 表存 `id` / `flow_id` / `user_id` / `data`（整图 JSON）/ `version_number`（按 flow 自增）/ `created_at`，是**不可变快照**；主 flow 是工作副本；`FlowVersionDeploymentAttachment` 把版本挂到 Deployment | 官方文档 |
+| **Relevance AI** | **每次 draft 保存与每次 publish 都自动生成一个版本**；草稿不影响已发布版本，restore 会存成带 `(restored)` 后缀的新 draft，活跃版本标记 **Live** | 官方文档 |
+| **腾讯云 ADP** | 配置修改不立即生效，**必须显式发布**；`CreateRelease` 管理类接口；每次发布**生成一个版本快照，可追溯**；提示词也单独有版本记录与「内容对比」diff | 官方文档 |
+| **阿里云百炼** | 发布是观测与评测的**前置条件**（「需为已发布的应用」）；官方明确「**同一智能体的不同版本被视为不同的、独立的应用**」 | 官方文档 |
+
+### 3.2 运行记录是「两族表」，pj0235 只有一族
+
+| 平台 | 运行侧数据模型 |
+|---|---|
+| **Dify** | `WorkflowRun`（运行）+ **`WorkflowNodeExecutionModel`（节点级**，含 inputs / process_data / outputs / status / elapsed / metadata）两族独立模型，Celery 异步执行 + SSE 推流 |
+| **n8n** | `IRunExecutionData` 内含 `runData[nodeName]` **数组**，索引即 `runIndex`；另有 `executionIndex` 表示相对发生序 |
+| **Coze 罗盘** | 观测单元是 **Span**，字段含 `TraceID` / `SpanID` / `ParentID` / `SpanType` / Input / Output / SystemTags / Tags / Annotations；Span 类型含 model / agent / prompt / function / graph / embedding / plugin / vector_store |
+| **华为云 AgentArts** | API 层有 `ListOpsTrace` / `ShowOpsTrace` / `TagOpsTraceLabel` / `UpdateOpsTraceFeedback` / `ListOpsAgentLog`；观测对象含应用指标、应用调用链、会话分析、高代码运行数据、分箱工具数据、网关数据、**人工标注 Trace**、**数据回流** |
+| **LangGraph** | Checkpointer 在每个 **super-step** 边界落一个 `StateSnapshot`；`get_state_history()` 即天然的执行审计日志；**pending writes** 保证同一 super-step 内已成功节点不重跑 |
+
+### 3.3 会话 / 消息必须持久化
+
+| 平台 | 消息与会话 |
+|---|---|
+| **Coze** | 关系链 `Conversation 1─N Section─N RunRecord─N Message` |
+| **飞书 aily** | 一等对象含 **Run** 与 **Conversation**；应用含审计日志 |
+| **Claude Agent SDK** | Session 自动落盘，支持 `continue` / `resume` / `fork` |
+| **LangGraph** | thread（ID，把一串 run 归组）+ checkpoint 链 + Store（跨 thread 长期记忆） |
+| **百度千帆 AppBuilder** | **反面案例**：`conversation_id` 有效期 7 天，且官方问答页明确「**暂不支持通过接口查看 conversation_id 对应的历史会话记录**」 |
+
+### 3.4 对 pj0235 的对照
+
+以代码现状为准（`eai_agentplatform/backend-go/`）：
+
+| 项 | 行业 | pj0235 现状 |
+|---|---|---|
+| 定义态 draft / published | 全行业标配 | **无**。`specialist` / `skill_definition` / `xapp_definition` 三张表改完即生效，没有「发布」这个动作 |
+| 定义版本快照 | 全行业标配 | **无**。表内无 version / snapshot 字段 |
+| 运行实例表 | 有（`task_run`） | **有** ✅ |
+| 节点级执行表 | 全行业标配 | **无**。`task_run` 只有整体状态，步骤进度无处安放 |
+| 产物表 | 有（`task_artifact`） | **有** ✅ |
+| 消息 / 会话持久化 | 全行业标配 | **无**。对话内容不入库，前端 `frontend/src/store/taskRuntime.js` 内存态 |
+
+**已有痛感印证**：本项目已知问题「`task_run` 的 `status` 恒为 `done`，步骤进度不在 run 表里，配对靠中文名、改名即静默断链」—— 这正是**节点级执行记录缺失**的直接后果，而这一层在全行业都是标配。
+
+---
+
+## 4. 发现三：编排正在「去图化」，且已分裂成两派
+
+pj0235 缺第 3 层（总线与编排）。行业本身**没有统一答案**，这对补层方式的选择有直接影响。
+
+### 4.1 图派（DAG / 状态图）
+
+| 平台 | 编排模型 |
+|---|---|
+| **Dify** | DAG + 事件驱动。图由 `GraphEngine` 在 worker pool 上调度，**事件流式**（`GraphRunStartedEvent` → `Succeeded` / `PartialSucceeded` / `Failed` / `Aborted` / `Paused`）而非返回单值；支持迭代/循环、human_input 暂停与恢复（存 `WorkflowResumptionContext`，从暂停点续跑**不重放整图**）；步骤持久化 |
+| **n8n** | DAG，但官方强调 **「画布 ≠ 执行」**。`Workflow` 类把定义对象转成运行时图；数据单位是 **item 数组**；连线不隐含顺序（起始节点按画布 Y 排序）；`SplitInBatches` 不是语言循环，靠恢复已存执行状态推进 |
+| **Coze** | DAG（Eino 图编排）。`BuildAgent` 把 SingleAgent 编译成 `compose.Runnable`；**有工具时从简单 chat 节点切成 ReAct Agent**；图拓扑三阶段（并行预处理 → 提示词组装 → LLM 推理）；默认同步运行（超 10 分钟超时），可开异步（延到 24h） |
+| **Langflow** | **原生 LangGraph**，是这批里唯一能表达**带环状态图**的（cycles / conditional routing / state machine），不只是 DAG；有 Freeze（冻结组件及其上游不再重算） |
+| **Microsoft** | Agent Framework 的 Workflows 是**图**（executor + edge），带 type-safe routing、**checkpointing**、HITL |
+| **CrewAI** | `Process.sequential` / `Process.hierarchical` 两种（`Process` 是 Enum）；要更自由须下沉到 **Flow**（`@start` / `@listen` / `@router` + `self.state`） |
+
+### 4.2 ReAct / 交接派（新，且是大厂主场）
+
+| 平台 | 编排模型 |
+|---|---|
+| **Zapier Agents** | **明确不是 DAG，是 ReAct 推理循环**：读指令 → 看请求 → 决定下一步（调工具 / 检索知识 / 交给另一个 agent / 反问）→ 循环至终答；可在歧义、报错、鉴权失败或预设决策点暂停等人 |
+| **Salesforce Agentforce** | **单 agent + Topic/Action**，靠 **Atlas Reasoning Engine** 跑 ReAct 循环（Goal → Reason → Act → Observe → Evaluate → Refine）。**既不是 handoff，也不是图**。官方建议每个 Topic 不超过 15 个 Action |
+| **ServiceNow** | **编排者-工作者**。Orchestrator 用 **ReAct prompt**（把 reflection 与 planning 合并），并引入 **Route** 调度模式做**异步并行工具执行**；候选 agent 超过理想区间（8–10 个）时用 **Dynamic Orchestrator** 做映射 |
+| **OpenAI Agents SDK** | 官方原话：**「Python-first，用语言特性编排，而不是学新抽象」** —— 即**不是**图编排。两条路径：**handoffs**（转移控制权）与 **agents as tools**（保留控制权）；官方选择标准是「专家只做有界子任务就用 agents-as-tools，路由本身是工作流一部分就用 handoff」 |
+| **OpenAI Swarm** | 全部抽象只有 `Agent` + `handoff`（**handoff 就是「一个函数返回另一个 Agent」**）。**完全无状态**：README 明确写「does not store state between calls」。自身标为 experimental / educational，已被 Agents SDK 取代 |
+| **OpenAI Deep Research** | 最极端：官方原话「trained using **end-to-end reinforcement learning** on hard browsing and reasoning tasks」——**规划、反思、工具使用被 RL 训练进模型权重，而不是靠外部编排层** |
+| **Google ADK** | sub_agents 树 + LLM 驱动 transfer；另有确定性的 `SequentialAgent` / `ParallelAgent` / `LoopAgent`（不调 LLM，顺序有保证）与 `AgentTool`。**注意 ADK 2.0 中模板工作流已被 graph-based workflows 与 dynamic workflows 取代** |
+
+### 4.3 对 pj0235 的含义
+
+- pj0235 现有路线（`ChooseTaskStrategy` 二选一 + SY23 的「专员岗位说明书进 prompt」）形态上更接近 **Salesforce / ServiceNow 那一派**（角色路由 + ReAct），而**不是** Dify 那块 DAG 画布。
+- 因此：**补第 3 层时不必然要做工作流画布**。是否真做画布，值得单独拍板 —— 这是本稿能省下的最大一笔投入。
+- 若要做画布，`docs/09_Research/Workflow_Canvas_Interaction_Research.md` 已有交互层准备；但该稿是**交互**调研，不含编排引擎与运行记录设计。
+
+---
+
+## 5. 发现四：Skill 包已经标准化
+
+### 5.1 Agent Skills 成为开放标准
+
+**2025-12-18 发布为开放标准**，规范站 `agentskills.io`。官方首页定义：**「a skill is a folder containing a SKILL.md file」**，标准布局：
+
+```text
+my-skill/
+├── SKILL.md      # 必需：metadata + instructions
+├── scripts/      # 可选：可执行代码
+├── references/   # 可选：文档
+├── assets/       # 可选：模板、资源
+└── ...
+```
+
+目标写明是「build a skill once and use it across any skills-compatible agent」。
+
+**采纳情况（这是判断「是不是真标准」的关键证据）**：
+
+| 采纳方 | 证据 |
+|---|---|
+| **Claude Code** | 官方明说自己 follow 该开放标准，只在其上加扩展，并在文档里逐项标注哪些 frontmatter 字段属于标准、哪些是扩展。上传到 claude.ai / Skills API 时**只接受标准那六个字段**（`name` / `description` / `license` / `compatibility` / `metadata` / `allowed-tools`），乱加字段会直接报错 |
+| **MCP 官方** | 新增专页 **"Build with Agent Skills"**，提供 `mcp-server-dev` 插件，内含 `build-mcp-server` / `build-mcp-app` / `build-mcpb` 三个组合 skill，明说「the files follow the open format and work with any agent that implements the standard」 |
+| **Google ADK** | 已把 Skills 列为一等扩展机制，文档直接链到 `agentskills.io` |
+| **OpenAI Agents SDK** | Sandbox 的 Capabilities 里放了 `Skills`（与 Filesystem / Shell / Memory / Compaction 并列） |
+
+### 5.2 两个值得直接借鉴的设计点
+
+**（1）渐进式披露三级加载**。官方原话：「Progressive disclosure is the core design principle that makes Agent Skills flexible and scalable.」
+
+| 级别 | 内容 | 何时进上下文 |
+|---|---|---|
+| Level 1 | 每个已安装 skill 的 `name` + `description` | **启动时预载**进 system prompt（约 100 token/skill） |
+| Level 2 | `SKILL.md` 正文 | **任务匹配到该 skill 时**才整篇读（官方建议正文 ≤ 500 行） |
+| Level 3 | 目录内被引用的附加文件（`reference.md` 等） | **真正需要时**才读 |
+
+关键补充：**脚本经 Bash 执行，脚本本身与它处理的数据都不进上下文窗口，只有输出进**，且代码是确定性的、可重复的。因此官方称一个 skill 能打包的上下文量「实际上是无限的」。
+
+**（2）纯文件系统制品，无需反注册**。Claude Agent SDK 官方原话：「**Unlike subagents... you create skills as files on disk. The SDK doesn't provide a programmatic API for registering them.**」—— 删目录即卸载。
+
+**安全边界**：官方强调只从可信来源安装并审计不可信 skill，因为恶意 skill 可能引入漏洞或造成数据外泄。
+
+### 5.3 Skill / MCP tool / function 的定位差异
+
+三者**不在同一层，是互补的三层**：
+
+- **OpenAI function / MCP tool** 解决「**动作**」层：带 JSON Schema、可调用、无状态、输入输出明确。
+- **MCP** 在此之上加「**接入标准化**」：一次编写、到处接入。
+- **Skill** 解决「**程序性知识与上下文**」层：不是可调用函数，而是一包**指令 + 资源 + 脚本**，回答「这类任务该怎么做」。
+
+比喻（官方口径）：**MCP tool 是 API，Skill 是操作手册**（官方原话是「像给新员工准备一份 onboarding guide」）。
+
+### 5.4 对 pj0235 的含义
+
+- 本项目 `backend-go/internal/skills/packages/`（22 个包）+ `specialists/packages/`，以及 `docs/02_Architecture/AR11_Skill_Specialist_Connector_Removable_Packaging_Specification.md` 的「可删除封装」思想，**与开放标准方向完全一致**。
+- 值得做的低成本动作：**对齐 `agentskills.io` 的 manifest 字段**（`name` / `description` / `license` / `compatibility` / `metadata` / `allowed-tools`）。成本很低，但换来的是将来能吃外部技能生态。
+- 值得评估的动作：本项目的技能定义目前是**全量进 prompt 还是三级加载**？若为全量，则随技能数增长会线性吃掉上下文 —— 渐进式披露是行业已验证的解法。
+
+---
+
+## 6. 发现五：本体层是选答题，但做了就是护城河
+
+### 6.1 六家大厂里只有 Palantir 真做成运行时层
+
+**判断依据不是营销页，而是可配置的产品行为**。Palantir **Ontology MCP（OMCP）** 官方原文：
+
+> **Each action type included in the application becomes its own MCP tool, so agents can invoke a specific, predefined action to write data into the ontology**
+
+且定位是「designed for **ontology consumers**: external AI agents that need to safely **write data to your ontology**」，并通过 application restrictions 限制 agent 可执行的动作集。
+
+即：**对象类型 = 读，Action Type = 写，Function = 算**，三条通道都直接映射成 agent 工具，权限由 Ontology 侧统一裁决。这已超出「语义检索层」，是**运行时的对象-动作总线**。
+
+Palantir 另有一组分工明确的 MCP：**OMCP**（面向消费者，**能写**生产 ontology 数据）与 **PMCP**（面向 builder，70+ 工具，**不能**写 ontology 数据，只改结构）。
+
+### 6.2 其余五家分三档
+
+| 档位 | 平台 | 判断 |
+|---|---|---|
+| **最接近但性质不同** | **Salesforce** | Data Cloud 确实是官方层叠图里的独立一层，也确实在运行时被 Dynamic Grounding 使用。但它是**数据层**（实时 lakehouse + 统一 profile + vector DB），**没有可写回的业务动词一等对象**。真正在运行时横切所有请求的是 **Einstein Trust Layer**（masking / grounding / toxicity / zero-retention），那是**合规层**不是本体层 |
+| **有能力、未成层** | **Microsoft** | Dataverse 的 table/column + semantic model/glossary 是真实的业务语义设施，Copilot Studio 会用它把自然语言改写成结构化查询。但官方资料显示该 semantic model **目前并不覆盖 Dataverse MCP Server**，两套语义路径分叉；Dataverse 也从未被画成 agent 架构的独立一层 |
+| **部分具备** | **ServiceNow** | CMDB + CSDM 事实上就是它的对象模型，官方 blueprint 称其给 AI「real-time awareness of who is involved, what assets are affected」。但**没有独立成层**，也没有公开的「对象类型 → agent 工具」映射机制 |
+| **没有** | **OpenAI / Google** | ADK 的 Session / State / Memory / Artifact 是**上下文与状态管理**，不是业务语义对象；OpenAI 的 Session 同理。两家的 RAG 能力（Vertex AI Search、File Search）是检索层而非对象层 |
+
+一句话：**Palantir 的本体是运行时执行面（execution plane），Salesforce 的 Data Cloud 是运行时取数面（grounding plane），其余四家最多是检索面或数据底座。**
+
+### 6.3 国内反而有跟进者
+
+| 厂商 | 本体设施 |
+|---|---|
+| **用友 BIP 6** | **YonOnto 企业本体平台**，定位「语义中枢 / 语义护栏」，围绕客户、供应商、产品、组织、员工、合同、订单、项目、资金、资产建模，支持业务本体 / 数据本体 / 文档本体，提「活态闭环 Living Loop」；配套 **YonWork 企业 AI 工作台**，并有「本体智能体（Ontology-Driven Agent）」与 **LOM 本体大模型**（2026-02） |
+| **中电金信** | 「源启·智能决策操作系统」采用「本体 + 智能体」，由**本体管理平台（OMP）** + **本体智能体管理平台（OIP）** 组成。OMP 结构化沉淀**对象、关系、动作、规则、权限、数据标准和版本体系**，并统一管理智能体 / 知识库 / MCP 服务 / CapaMesh |
+| **腾讯云（技术文章）** | 给出本体作为「智能体的世界模型」「多 Agent 共享黑板」「审计闭环」等协同模式，并有一句可引用的判断：**「大模型越强，本体论越重要，而不是越不重要」** |
+
+**海外同类参照**：Microsoft Fabric IQ Ontology（可从已发布语义模型**一键 Generate Ontology**，作为 Foundry IQ 的**知识源**供智能体运行时查询）、AWS《Semantic Layer for Agentic AI using Ontology, Symbolic Reasoning, and Virtual Knowledge Graph》（本体 T-Box + 实例 A-Box，神经符号 AI）、Databricks Genie Ontology。
+
+### 6.4 对 pj0235 的含义
+
+- 本项目第 2 层现状：**只剩 `ontology_binding_json` 一个自由文本字段**（`backend-go/internal/skills/model/skill_definition.go`「字段可存可校验，运行时无人读取」），无对象类型 / 动作类型 / 状态类型 / 关系类型体系。
+- 行业现实：这东西**不是必答题**（六家大厂五家没有），但**做了就是护城河**（Palantir 的差异化几乎全在这里）。
+- 务实路径：以本项目「先通用、后行业包」的路线，**先做「小本体」** —— 把**对象类型 + 动作类型**两样映射到已有的 `skill` / `action`，让本体立刻在运行时可用（即复刻 Palantir 的「Action Type → 工具」最小机制），而不是先搞理论本体论。
+
+---
+
+## 7. 发现六：连接层正在被 MCP 统一
+
+### 7.1 六家大厂全部原生支持 MCP
+
+| 平台 | MCP 支持 | 原有连接体系 |
+|---|---|---|
+| **ServiceNow** | **AI Agent Fabric** 定位「communication backbone」，走 **MCP + A2A**；Zurich Patch 1 起 ServiceNow AI Agent 可作为 **MCP client**（协议版本 2025-03-26，支持 authless / API key / OAuth 2.1） | **Integration Hub / Workflow Data Fabric**（zero-copy 连 450+ 系统如 SAP、Salesforce） |
+| **Salesforce** | Agentforce 3 起原生支持（自带 MCP client，连 Salesforce 托管或外部 MCP server） | **MuleSoft** —— MCP Connector、Flex Gateway MCP 支持、API Catalog 把 MCP server 同步进 org、Agentforce Registry 做白名单；MuleSoft Agent Fabric / Agent Registry 做跨平台 agent 发现 |
+| **Microsoft** | **Toolbox**「groups those tools into a single, reusable unit … one managed MCP-compatible endpoint」；另有 Dataverse MCP Server、远程 MCP | **Power Platform connectors**（官方称 1,400+ 企业数据源） |
+| **Google** | MCP 是 ADK 一等工具类型，Agent Engine 内置 MCP client；Cloud API Registry（Preview）管 MCP server 与 tool 白名单 | **Integration Connectors**（100+ 企业应用）、Apigee API Hub、Application Integration |
+| **OpenAI** | MCP 是一等工具类型（「MCP server tool calling: Built-in integration that exposes remote MCP tools」）；**Connector Registry** 供管理员统一管数据/工具连接 | 预置连接器（Dropbox、Google Drive、SharePoint、Teams） |
+| **Palantir** | OMCP + PMCP（见 §6.1） | Pipeline（batch / streaming / CDC） |
+
+### 7.2 MCP 自身的分层
+
+MCP 自己分成**两层**：
+
+- **Data layer** —— 基于 JSON-RPC 2.0，含版本与能力发现、核心原语、通知
+- **Transport layer** —— stdio / Streamable HTTP，含连接建立、消息分帧、鉴权
+
+Data 是内层、transport 是外层。
+
+**原语分两侧**：
+- **Server 侧三个核心原语**：Tools（可执行函数）、Resources（上下文数据源）、Prompts（可复用交互模板），各有 `*/list`、`*/get`，tools 另有 `tools/call`，列表是动态的。
+- **Client 侧**：Elicitation（server 向用户要补充信息或确认，走 `elicitation/create`）。
+
+**注意一处较新变化**：**Sampling 与 Logging 已在协议版本 `2026-07-28` 被标记为 deprecated**（新实现应直接对接 LLM provider API / 写 stderr 或用 OpenTelemetry）—— 许多二手资料仍在写 sampling，引用时需注意时效。
+
+协议**自身是无状态的**：每个请求在 `_meta` 里带协议版本与该请求相关的能力，server 不从前序请求推断；server 通过强制的 `server/discover` 宣告支持的版本与能力。另有可选 **extensions**，如 **Tasks 扩展**让 server 为长时请求返回持久句柄供 client 轮询。
+
+### 7.3 A2A 与 MCP 的分层关系
+
+A2A 官方文档自己给出了最干净的分层表述：
+
+> **MCP is vertical. It deepens a single agent.** 每加一条 MCP 连接，就给 agent 多一件工具、资源或技能。
+>
+> **A2A is horizontal. It connects agents across that boundary.** 对方 agent 可能属于另一个团队、另一个部门或合作伙伴组织。
+>
+> **Used together, MCP gives each agent depth, and A2A gives your system reach.**
+
+**核心分野**：A2A 明确规定「对 client 而言，remote agent 是一个**不透明的黑盒**：其内部机制、记忆与工具保持隐藏」—— 这与 MCP「工具必须是结构化、可描述」的假设根本冲突，也是两者不能合并成一个协议的原因。
+
+**A2A 的任务生命周期**（对设计运行态有参考价值）：agent 可回 `Message`（即时、无状态）或 `Task`（长时）。Task 会进入**中断态**（`input-required` / `auth-required`）或**终态**（`completed` / `canceled` / `rejected` / `failed`）；**终态后不可重启**，同一任务的后续细化必须在同一 `contextId` 下新建 task。核心元素含 **Agent Card**（发现）、**Task**、**Message**、**Part**（`oneof` text/raw/url/data）、**Artifact**（有 `artifactId`，可增量流式推送）、**`contextId`**。
+
+**把多层画进同一张图的三家**：A2A 官方文档自身；**AGNTCY**（唯一把「本体/模式层」显式画进栈图的：OASF 模式层 + Agent Directory Service 发现 + Identity 身份 + SLIM 传输 + SHADI 运行时沙箱 + Observability 横切）；MCP 官方新增的 "Build with Agent Skills" 页（承认 skill 层与 tool 层是两回事）。
+
+**学术判断**：一篇 2026-06 的 taxonomy 论文（对 9 个活跃协议做五维分类）结论是——短期存在收敛压力，会走向统一 agent-to-agent 与 agent-to-context 通信的协议；但**长期看没有任何单一协议能同时最大化通用性、效率与可移植性，领域更可能演化成联邦式、分层化的协议栈**。该文同时指出**去中心化发现目前仍然罕见**。
+
+### 7.4 对 pj0235 的含义
+
+- 本项目 `backend-go/internal/connectors/` 结构为 `api` / `core`（含 `contracts`）/ `packages` / `query` / `registry`，**只有 `packages/kingdee` 一个真实现**，其余为代码内静态 demo；且**无 `connector_definition` / `connector_binding` 表**（无绑定、无 DB 模型）。
+- **战略选择**：继续自研连接器协议，还是把 **MCP 作为连接层的标准**？本项目的「连接器」概念（外部系统查询链路 + registry + 可卸载包）与 MCP server **几乎同构**。接 MCP 等于免费获得生态；不接则每条连接器都要自己写一遍。
+- **不能忽略的现实约束**：**RPA 兜底**是国内 to B 绕不开的一只脚。钉钉把**拟人操作（RPA）**列为 AI 助理四类能力之一（DDAutomator 框架 + `ai-plugin.json` 协议）；来也 CEO 在 InfoQ 访谈里的原话是「**别被 MCP 的包装骗了…关键时刻还是 RPA 兜底**」。老旧 C/S 系统、无 API 的国产软件、信创环境都不吃 MCP 这一套。
+
+---
+
+## 8. 国内企业级平台的特殊性
+
+### 8.1 唯一与 pj0235「三对象」同构的官方口径
+
+**来也科技**自述三层，是本次调研中唯一与「专员 / 技能 / 应用」结构真正同构的官方口径：
+
+1. **技能层（Skill Layer）** —— 解决「能不能干好活」，能力引擎为 **APA**（智能体流程自动化，确定性执行）、**ADP**（文档处理）、**ACX**（客户体验）、**Revor AI**。官方比喻：「**APA 是手，ADP 是眼，ACX 是记忆**。」
+2. **执行层（Execution Layer）** —— **Laiye Worker**，「每位员工的持久化数字伙伴」，理解目标、编排技能、与人协作，管理**跨天跨周的长周期多步骤任务，异步推进、关键节点由人审阅**。
+3. **控制平面（Control Plane）** —— **Laiye Shifu**，面向管理者和 IT，提供可审计、可观测、可共享、可控制的企业级治理。
+
+关键界定：**「数字员工」是平台整体叫法，不是某个产品名**；具体产品叫 Laiye Worker。APA 把流程沉淀为**自然语言流程文档**并做确定性执行、自愈与验证，让流程从「一次性脚本」变「可长期复用的资产」。
+
+**其他可参照的层级口径**：
+
+- **联通 UniEmployee（开源）**：**Employee → Workflow/SOP → Skill → Connector → Tool 五层**能力模型，技能以 `SKILL.md` 沉淀（含触发条件与执行步骤），关键业务流程用 **StateGraph 状态机**固化（含人工审批节点）
+- **社区提出的三层**：工具（Tool）→ 数字员工（Digital Employee）→ 智能体平台（Agent Platform），中间层被定义为「多工具组合的**业务流程模块**」
+- **浪潮海岳 Mano Team**：以「**企业角色封装**」定义数字员工的岗位边界与能力标准，分个人助理型与专家岗位型，**三级能力等级**（个人助理级 / 业务协作级 / 自主员工级）
+
+**重要提醒**：**「岗位」在国内多数厂商那里只是交付话术，不是对象模型**。金智维原话「智能体是大脑负责思考规划，RPA 是双手负责执行落地，**数字员工是面向岗位的自动化交付**」—— 这里的「岗位」不在对象模型里。只有来也把它做成了真实架构层。本项目 SY23 走「专员岗位说明书」方向是对的，但不要被话术带偏。
+
+### 8.2 国内平台 vs Dify / Coze 这类通用平台的明显差异
+
+1. **「工作流」的地位不同** —— 国内大厂把它当交付物，不一定当一等对象。百度千帆官方原话最极端：**「组件是用于扩展智能体应用能力边界的配置项，工作流是创建组件的编排工具」**（工作流是造组件的工具，组件才是被引用对象）。华为盘古的工作流也可**脱离应用独立存在**且导出为 JSON 资产。而 Dify / Coze 语境里，工作流就是与应用并列的一等对象。**这个差别会直接影响对象模型的顶层设计。**
+
+2. **分层话语权在研究院和生态厂商，不在平台文档里** —— 见 §2.2。
+
+3. **信创与私有化是硬约束，不是选项** —— 金智维把「全栈信创适配」做成核心卖点（全自研 C/C++ 微内核 + 麒麟/统信 + 鲲鹏/飞腾/海光/兆芯/龙芯 + 达梦/人大金仓）；影刀兼容统信 UOS 与银河麒麟；悟空提供行业专属模型私有化部署；来也 Worker 强调**本地脱敏、敏感数据不出本地**。Dify 的私有化是「可以 Docker 部署」，国内厂商的私有化是「必须适配国产 OS/CPU/DB 并拿到认证」。
+
+4. **治理不是「加个可观测」，而是内置审计与控制面** —— 来也专门做了 Laiye Shifu 控制平面；华为 AgentArts 的治理对象细到分箱工具、网关、人工标注、数据回流，API 层就有 `TagOpsTraceLabel` / `UpdateOpsTraceFeedback`；悟空的安全是「架构在安全体系之上」（双层规则 + **权限取用户权限与提问人权限的交集** + 容器级沙箱 + Skill 上架扫描 + 运行时 Policy 引擎阻断 + 网络请求可追溯）；飞书 aily 的知识检索**继承飞书云文档 ACL**（用户仅能检索自己有权限访问的云文档）。
+
+5. **RPA 是默认存在的一只脚，通用平台完全没有** —— 见 §7.4。
+
+6. **「数字员工」是行业级一等叙事** —— Dify / Coze 的最上层对象是「应用 / 智能体」，**不存在「岗位」这一层**。
+
+7. **会话持久化口径普遍比通用平台更「克制」，且写法各不相同** —— 百度千帆 7 天且不支持回查历史会话；腾讯 ADP 在 2025-11 把「应用变量」**从 Session 隔离改为非 Session 隔离**（跨会话可读写）；扣子罗盘用 Redis 存 `PreSpanID` 链支持会话历史查询；飞书 aily 技能 API **同步 1 分钟超时、不支持流式**。
+
+8. **反过来说，通用平台在 AgentOps 工程化上确实领先国内大厂平台** —— 除扣子（**扣子罗盘**是国内最完整的 AgentOps，独立成产品：评测集 / 评估器 / 实验，离线 + 在线评测，Trace 回流评测集）与华为 AgentArts 外，其余国内平台的「评测 — 发布版本 — Trace 回流」闭环大多不完整：百度千帆基本没有，腾讯元器没有，飞书 aily 只有审计日志。
+
+---
+
+## 9. 平台详表
+
+### 9.1 编排与工作流型平台
+
+| 平台 | 一等对象 | 分层口径 | 编排模型 | 运行记录 | 扩展机制 | 定义文件形态 |
+|---|---|---|---|---|---|---|
+| **Dify** | App（workflow / chatflow / agent / completion 四模式）/ Workflow / Tool / Knowledge(Dataset) / Plugin（六类）/ Model | 官方无明示分层；代码分 app → workflow → **graphon** 引擎 → tools/rag/plugin，引擎内有 Layer 扩展层（WorkflowPersistenceLayer、LLMQuotaLayer、ObservabilityLayer、PauseStatePersistenceLayer） | DAG + 事件流；多步链式，支持迭代/循环/human_input 暂停恢复（`WorkflowResumptionContext`，不重放整图）；步骤持久化 | `WorkflowRun` + `WorkflowNodeExecutionModel` 两族表，Celery 异步 + SSE | Plugin Daemon（独立 Go 服务）+ `.difypkg`(ZIP) + `manifest.yaml` + Marketplace（RSA-4096 签名校验，50MB 上限） | **YAML DSL**（version / kind / app / workflow / dependencies）+ REST API + CLI（`difyctl`） |
+| **Coze / 扣子** | 工作空间 → 项目 → 智能体 / 应用 / 工作流（含**对话流 Chatflow**）/ 插件 / 知识库 / 数据库 | Coze Studio 自称 **DDD 五层**：api（Hertz）→ application → domain（agent/workflow/conversation/knowledge/memory/plugin 六域）→ crossdomain → infra；另有 Apache Thrift IDL 层 | DAG（Eino 图编排）；有工具即切 **ReAct Agent**；三阶段图拓扑；默认同步（超 10 分钟超时），可开异步（24h） | `RunRecord`（Status / Error / Usage）；`Conversation 1─N Section─N RunRecord─N Message`；发布状态机 `PublishStatus` | 插件商店 + 自定义插件（**同插件内工具须同域名**） | 工作流以 **DSL** 存库转可执行图；对外发布为网页 / API / SDK |
+| **n8n** | Workflow / Node / Connection / Execution / Credential / **Agent（预览）** | monorepo 单向依赖：n8n-workflow ← n8n-core ← cli；三层执行数据 item → run → execution（社区总结，非官方原话） | DAG，**画布 ≠ 执行**；item 数组为单位；连线不隐含顺序；SplitInBatches 靠恢复状态 | `IWorkflowBase`（定义） vs `IRunExecutionData`（运行，含 resultData **+ executionData 调度态**）；手动/部分/生产三模式，生产只跑已发布版本 | npm 包，`n8n-nodes-*` 前缀 + `n8n-community-node-package` keyword + package.json `n8n` 字段注册 | **JSON 定义文件** + REST API + SDK + Git source control |
+| **Flowise** | Flow（Assistant / Chatflow / Agentflow）/ Node（= Integration）/ Tool / Variable / Evaluation | 官方无分层，只有 Capabilities 能力分区 | Agentflow V2 显式编排 + node-dependency/execution queue；支持循环/分支/HITL；**Flow State** 管共享数据 | Execution logs / visual debugging / Tracing & Analytics（外接 Arize、Langfuse 等）；**原生 Prometheus 仅高层指标**（官方明说「only high-level metrics」） | Integrations + Template marketplace + 自定义 JS 节点；MCP client/server | 导出 **JSON flow**；REST API + Python/TS SDK + CLI；**无 YAML** |
+| **Langflow** | Flow / Component / Project / **FlowVersion** / Deployment | 官方无分层；组件按 Core components（按用途分组）/ Bundles（按厂商）/ Legacy 分组 | **原生 LangGraph**：带环状态图（cycles / conditional routing / state machine），**唯一非纯 DAG 者**；可单组件跑或整图跑；有 Freeze | `FlowVersion` 表（不可变快照 + version_number + DeploymentAttachment）；`/v1/monitor/*`；原生 trace 落库 + 多家 tracer | Custom Components（继承 `Component` 的 Python 文件，放进目录即加载）+ Bundles + Tool Mode + MCP | **JSON**（导入导出 ZIP）+ REST API + **`lfx` DevOps SDK**（`.lfx/environments.yaml` + flows/ JSON 版本化） |
+| **Zapier Agents** | Agent / Tool（= app action，7000+ 应用 / 30000+ 动作）/ Knowledge source / Trigger / Zap / Table / **Pod** / AI Actions | 仅第三方索引（MIT AI Agent Index）给出 model layer / observation space / action space，**非官方** | **ReAct 推理循环（非 DAG）**；可暂停等人工；agent 之间可互相调用（agent-as-tool） | Activity dashboard + All Activity + run history + trace（tool calls / errors）；评测用三层金字塔（单元式 evals / trajectory evals / A/B 分阶段发布）；**表结构闭源未查到** | AI Actions API + **Zapier MCP**（8000+ 应用 / 30000+ 动作）；无包格式概念 | **纯 UI / 表单编排**；未查到 YAML/JSON DSL 或 SDK |
+| **Relevance AI** | **Agents**（the workers）/ **Tools**（the actions）/ **Workforces**（the team）/ **Knowledge**（the context）+ Task / Version / Node / Trigger | **未查到**官方分层 | 图（workforce canvas）+ **两种边语义**：AI connection（自主交接）vs Next step（强制顺序）；Tool 内部线性 steps。**已知限制：agent 通信单向，subagent 一次只跑一个、不并行** | `Task`（一次运行，含 status / credits / run time / linked tools，Running / Completed / Paused / Timed out）；版本历史（**Live** 标记）+ **Evals**（可要求 eval 通过才能发布） | Tools 步骤库 + 任意 API + 自定义 Python；Marketplace 克隆/提交 | UI 编排 + Invent 自然语言构建；**未查到**公开 DSL 或 SDK |
+
+### 9.2 大厂 Agent 平台
+
+| 平台 | 一等对象 | 编排模型 | 会话与运行记录 | 本体层地位 | 连接层机制 |
+|---|---|---|---|---|---|
+| **OpenAI** | Agent / Handoff / Guardrail / Session / Tool / Trace·Span；平台侧 Agent Builder / Connector Registry / ChatKit | handoff + agents-as-tools（**非图**，官方明说 Python-first） | Session 持久化（InMemory / SQLAlchemy / Redis / MongoDB / 加密）；Tracing 落 trace/span；Evals 与 trace grading；HITL 专章 | **无** | MCP 一等工具类型；Connector Registry 管预置连接器 |
+| **Microsoft** | Agent（prompt / hosted 两型）/ Conversation / Tool / **Toolbox** | Agent Framework：sequential / concurrent / Group Chat / **Handoff** / **Magentic** + 图 workflow（executor + edge，带 **checkpointing**、HITL）；平台侧 A2A + MCP | 会话级持久化 + 三种 memory（procedural / user / session）；OTel tracing；Foundry evaluations + Agent optimizer | **Dataverse** 语义模型存在，但偏数据/检索层，**未覆盖 Dataverse MCP Server**，未单列成层 | MCP 全面（Toolbox 单端点、Dataverse MCP）；原有 **Power Platform connectors（1,400+）** |
+| **Google** | Agent(LlmAgent) / Tool / Session / State / Event / Memory / **Artifact** / Runner / sub_agents | sub_agents 树 + LLM transfer；Sequential / Parallel / Loop 确定性 workflow agents；AgentTool；**Graph Workflows**；A2A | Session 三后端；**Events 记录完整执行史**；Memory Bank 跨会话；Agent Engine evaluation + Cloud Trace | **未查到** | MCP 一等；Cloud API Registry 管 MCP；原有 **Integration Connectors（100+）**、Apigee API Hub |
+| **Salesforce** | Agent / **Topic** / **Action** / **Instruction** / Subagent / Agent Script | **单 agent + Topic/Action**，Atlas 跑 ReAct；无 handoff、无图。官方建议每 Topic ≤ 15 个 Action | **Session Tracing Data Model（基于 OpenTelemetry）**；Command Center 实时观测（延迟/升级率/错误率）；Testing Center 会话回放与 backtesting；Trust Layer audit trail | **Data Cloud 是单独一层且运行时真在用**（Dynamic Grounding），但属**数据层**，非对象-动作语义层 | Agentforce 3 原生 **MCP client**；**MuleSoft**（MCP Connector、Flex Gateway、API Catalog、Agent Registry）；A2A |
+| **Palantir** | **Object Type / Object / Property / Link Type / Action Type / Function / Object Set / Interface** | 无固定范式：AIP Logic（低代码）或 Code Workspaces（专业代码）做 durable orchestration；运行时是「LLM 推理 + Ontology grounding + 工具执行」 | 端到端 observability（每个 action 有日志、可追 chained execution）；**AIP Evals 与 Ontology 联动**；动态安全（role-/marking-/purpose-based）+ audit logging | **核心卖点，且运行时真的用**（见 §6.1） | **OMCP**（可写生产 ontology）/ **PMCP**（builder 侧，70+ 工具，不写数据）；Pipeline 做 batch/streaming/CDC |
+| **ServiceNow** | AI Agent / **AI Agent Orchestrator** / AI Agent Studio / Use Case / Tool / Trigger / AI Agent Fabric | **编排者-工作者**：Orchestrator 为中心，ReAct prompt + Route 调度支持异步并行工具；Dynamic Orchestrator 做候选过多时的路由；支持 **user impersonation** | 成套 eval（traces / metrics / issues / optimization）、guardian、**kill switch**、LTM 分类；治理上收 AI Control Tower | **部分**：CMDB/CSDM 是真实操作对象，官方 blueprint 称其给 AI「real-time awareness」；但未单列成层，也无 Action → 工具的公开映射 | **AI Agent Fabric** 走 **MCP + A2A**；原有 **Integration Hub / Workflow Data Fabric**（zero-copy 连 450+ 系统） |
+
+### 9.3 框架
+
+| 框架 | 一等对象 | 状态持久化 | 多智能体模型 | 扩展机制 |
+|---|---|---|---|---|
+| **LangGraph** | State / Node / Edge / Checkpointer / Store。**没有「Agent」这个一等对象** | Checkpointer + `thread_id`；每个 **super-step** 一个 checkpoint（`StateSnapshot`）；**pending writes** 保证同 super-step 内成功节点不重跑；InMemory / Sqlite / Postgres / Mongo；**Store** 管跨 thread 长期记忆；durability `sync`/`async`/`exit`。已知坑：PostgresSaver 的 `thread_id` 要 < 255 字符；checkpoint 会无界增长需定期裁剪 | 无内建角色抽象，靠**子图 + 手写图**表达（supervisor / swarm 均需自建） | 自定义 Node + 自定义 reducer + 自定义 checkpointer 实现 |
+| **CrewAI** | Crew / Agent / Task / Process / **Flow** | `Crew(checkpoint=True)` → `CheckpointConfig(location, on_events, provider=Json\|Sqlite, max_checkpoints)`，默认 `task_completed` 触发；`Crew.from_checkpoint()` 恢复。**粒度是任务级，非 super-step 级** | **Sequential** 与 **Hierarchical**（须给 `manager_llm` 或 `manager_agent`），`Process` 是 Enum | `@tool`；Flow 的 `@start` / `@listen` / `@router` + `self.state`；四层 memory（short / long / entity / 外部） |
+| **AutoGen v0.4** | Agent(`RoutedAgent`) / Team / **Runtime** / Topic。采用 **actor 模型**，拆三库：autogen-core / agentchat / ext | **`save_state()` / `load_state()`**（agent 与 team 两级），默认实现存空状态，自定义 agent 须自行覆写 —— **「开发者自己管持久化」路线** | RoundRobinGroupChat / SelectorGroupChat / Swarm / Magentic-One / GraphFlow | `autogen-ext`；自定义 agent；**可替换 Runtime**（本地 / Orleans 分布式） |
+| **AG2** | ConversableAgent / GroupChat / GroupChatManager（v0.2 语义的社区延续） | 会话内 message history；**官方称可持久化，独立分析指出 0.x 默认内存态、跨会话不保留**（两方说法冲突，未下结论） | GroupChat（selector 函数 + 全共享消息池）+ Swarm + beta network 的 Hub / `TransitionGraph` | 自定义 selector；`knowledge=` / `compact=`；OpenTelemetry |
+| **OpenAI Swarm** | Agent / **handoff（返回 Agent 的函数）** / context_variables | **无 —— stateless between calls**，靠调用方把 `Response` 喂回去 | handoff 网络（单一原语表达 agent / workflow / task） | Python 函数即工具，自动生成 JSON Schema |
+| **OpenAI Agents SDK** | Agent / handoff / **Session** / **SandboxAgent** | **Sessions**（SQLite / AsyncSQLite / Redis / SQLAlchemy / Dapr / Mongo / Encrypted / AdvancedSQLite）；run 前取历史、run 后写回；`to_state()` + `interruptions` + `approve()` 恢复 | **handoffs**（专家接手当前 turn）vs **agents as tools**（`Agent.as_tool()`，manager 持有答案）；两者可混用 | 自定义 tool / guardrail / MCP server；**Sandbox Capabilities**（Filesystem / Shell / Memory / **Skills** / Compaction）+ `Manifest` / `SandboxRunConfig` |
+| **Claude Agent SDK** | Agent loop / **Session** / **Subagent** / **Skill** / Hook / Permission | Session 自动落盘，`continue` / `resume` / `fork`；**关键边界：Session 持久化对话，不是文件系统** —— 文件回滚另用 file checkpointing | **Subagent**（上下文隔离、可并行、可限工具）+ Plugins | **Skills（SKILL.md）**、Hooks、MCP、Permissions、Plugins |
+| **Google ADK** | Agent(LlmAgent) / Session / State / Event / **Artifact** / Runner | **`SessionService`**（InMemory / Database / VertexAI）管会话生命周期；**`MemoryService`** 管跨会话检索；**Artifacts** 版本化二进制（session 级或 user 级，同名保存即产生新版本） | `sub_agents` 层级 + 模板工作流 + **ADK 2.0 graph / dynamic workflows** + `RoutedAgent`（带失败回退） | Tools、Skills、Plugins、Callbacks |
+
+### 9.4 协议
+
+| 协议 | 解决的问题 | 所在层 | 与相邻层的关系 |
+|---|---|---|---|
+| **MCP** | 模型/agent **如何接入外部工具、数据与提示** | **垂直层**（单个 agent ↔ 工具/上下文）。自身分 **Data layer**（JSON-RPC 2.0、发现、原语、通知）+ **Transport layer**（stdio / Streamable HTTP） | A2A 官方定位其为「给 agent 深度」的互补下层；**OpenAI Apps SDK 直接构建在其上**；自身通过 extensions 向新层扩张（**Tasks** 长时任务句柄、**Apps** UI）；官方新增 skill 层协作页 |
+| **A2A** | **不透明 agent 之间如何互相发现、协商与协作** | **水平层**（agent ↔ agent）。HTTP(S) + JSON-RPC 2.0；**Agent Card**（发现）+ **Task 生命周期** | 官方明确与 MCP **互补**；提供**跨层桥接**：A2A Server 的 skill 可作为 MCP 兼容 resource 暴露 |
+| **AGNTCY** | 跨厂商多智能体系统的**发现、身份、消息、运行时与观测**基础设施（Internet of Agents） | **跨层栈**，**唯一把「本体/模式层」显式画进栈图**：OASF（模式/本体）+ Agent Directory Service（发现）+ Identity（DID / 可验证凭据）+ SLIM（传输层，MLS 加密、pub/sub、流式）+ SHADI（运行时层，OS 沙箱）+ Observability / CSIT（横切）；**ACP** 提供调用远端 agent 的 OpenAPI REST 接口 | **让 A2A agent 与 MCP server 可被发现**，用 SLIM 承载消息 —— 即位于二者**之上/之间**而非替代。2025-03 Cisco Outshift 开源，2025-07-29 捐给 Linux Foundation |
+| **OpenAI Apps SDK** | 让第三方 app 在 ChatGPT 内**既有工具能力又有可交互 UI** | **应用/表现层**，构建在 **MCP 之上** | 复用 MCP 的 tools/resources 作骨架，用 **`_meta`** 扩展出 UI（`ui.resourceUri` / `openai/outputTemplate` / `ui.domain` / `ui.csp` / `ui.visibility`）与宿主 API **`window.openai`** |
+
+### 9.5 通用 Agent 产品的运行时沙箱
+
+隔离粒度上高度一致：**每任务/每会话一台隔离机器**。Manus 官方措辞是「为每个任务分配的完全隔离云虚拟机」；Devin 文档写「**每个 Devin session 跑在自己独立的机器上**」；Operator system card 把「用虚拟机隔离环境」写成对开发者的推荐最佳实践。
+
+技术底座趋同于 **microVM 而非容器**：Manus 用 **Firecracker + E2B**（AWS 新闻稿称约 125 ms 启动、5 MiB 内存；E2B 案例解释弃用 Docker 是因为其 10–20 s 启动且不是完整 OS）。
+
+**权限模型**：Manus 讲得最细 —— **Zero Trust + sandbox 内 root**：用户与 agent 在 sandbox 内有完整控制权（可改系统文件、甚至格式化磁盘），但操作被限制在 sandbox 内，**碰不到会话/账户数据，也影响不到服务稳定性**；发生不可恢复错误时自动替换新 sandbox。
+
+**「产物 vs 中间态」的边界（对 pj0235 最有参考价值）**：Manus 的沙箱生命周期是 **Create → Sleep/Awake → Recycle/Recreate**，回收后新建 sandbox 时**只恢复 Manus artifacts、上传附件、Slides/WebDev 等重要文件；中间代码与临时文件不恢复**。这实际上定义了一条边界：**只有被标记为产物的东西才进持久层**。
+
+**框架侧正在把它抽象化**：Google ADK 的 **Artifacts** 是「命名 + 版本化的二进制数据」，作用域 session 级或 user 级，**同名保存即产生新版本** —— 这是把「产物沉淀」做成一等对象的最完整实现。
+
+**一条重要边界提醒**（Claude Agent SDK）：**Session 持久化的是对话，不是文件系统**；要快照与回滚 agent 改过的文件必须用另一套 file checkpointing。
+
+**另一条被低估的路线**：OpenAI Operator 的**无状态沙箱** —— API 文档明确提示「延续 response 并不会恢复浏览器会话、登录态或运行时变量」。即隔离性与可恢复性在此**显式分开**，与 Manus/Devin 那种「沙箱即持久工作区」的取向相反。
+
+**Devin 的部署形态划分**（对企业交付有参考价值）：**Enterprise Cloud**（brain 与 devbox 都在 Cognition 多租户云，**每 session 独立机器**）vs **Customer Dedicated Deployment**（单租户 VPC，你方 VPC 通过 AWS Private Link 或 IPSec 隧道连接，Devbox 落在客户专属 VPC）。两个组件：**The Brain**（无状态的云服务）与 **The Devbox**（安全虚拟环境）。
+
+---
+
+## 10. pj0235 六层 vs 行业对照与建议
+
+### 10.1 逐层对照
+
+| 层 | pj0235 代码现状（`eai_agentplatform/backend-go/internal/`） | 行业对照 |
+|---|---|---|
+| **1 外部连接层** | `connectors/`（api / core / packages / query / registry），仅 `packages/kingdee` 一个真实现，8 个静态 demo；**无 `connector_definition` / `connector_binding` 表** | **全行业收敛到 MCP**；国内还需 RPA 兜底 |
+| **2 本体语义层** | 仅 `ontology_binding_json` 一个自由文本字段（`skills/model/skill_definition.go`、`model/action_definition.go`），运行时无人读取 | **选答题**（六家五家没有），做了是护城河 |
+| **3 总线编排层** | **无此包**。最近似物是 `specialists/runtime/task_runtime.go` 的 `ChooseTaskStrategy`（二选一：`UseAI` 或单个 `ConnectorKey`）与 `api/chat_message.go` 的 `TaskPlan`/`Step`（仅响应结构体，步骤不入库不执行） | **分裂中**：图派 vs ReAct 派，未收敛，**不必默认做 DAG** |
+| **4 能力层** | skill 已落地（`skills/`，22 个 packages）；action 部分（`model/action_definition.go`）；**policy 缺失**（只有 `policy_refs_json` 字符串数组，校验后从不解析执行） | **Skill 包已标准化**（agentskills.io），方向对 |
+| **5 对象层** | 三套并列表：`specialist` / `skill_definition` / `xapp_definition`（+ `action_definition`）。只做到**命名规范统一**（`Key`/`Label`/`DisplayCode`/`EAILogicCode`/`Source`/`State`/`SortOrder`，编码由 `store/object_code.go` 统一生成），无统一表、无统一 ID | 行业也不统一（Dify 的 App/Workflow/Tool、Coze 的智能体/工作流/应用） |
+| **6 工作台治理层** | 有 `task_record` / `task_run` / `task_artifact` + `api/task_runtime.go`、`my_task.go`、`workbench_overview.go`；前端 `views/workbench/`。**缺节点级执行表**，**缺消息持久化**（对话不入库，`frontend/src/store/taskRuntime.js` 内存态） | 缺的这两条**全行业都有** |
+
+**补充事实**：`task_record` 只有 `SpecialistKey` 一个绑定字段（即 `SY24 §5.1` 点名要修的「task 不能只挂一个 specialist_key」）；「任务挂多个对象」目前只存在于前端内存（`store/taskRuntime.js` 的 `setTaskFocusedObject`，无持久化）。
+
+### 10.2 建议（按优先级）
+
+**① 给三张定义表补 draft/published + 版本快照（第 5 层）**
+- 依据：全行业标配（n8n / Coze / Dify / Langflow / Relevance AI / 腾讯 ADP / 阿里百炼）。
+- 最小可行做法：加 `version` / `publish_state` 字段 + 一张 `<object>_version` 快照表；发布动作生成不可变快照，运行只读已发布版本。
+- 收益：解决「改完即生效」带来的不可追溯问题，且是后续 A/B、灰度的前提。
+
+**② 补节点级执行记录与消息持久化（第 6 层，本项目已有痛感）**
+- 依据：节点级 run 表全行业都有（Dify `WorkflowNodeExecutionModel`、n8n `runData[nodeName]`、扣子 Span、华为 `ListOpsTrace`）；消息持久化全行业都有（Coze `Conversation─Section─RunRecord─Message`、飞书 aily `Run`+`Conversation`、Claude SDK session）。
+- 直接对症：本项目已知问题「`task_run.status` 恒为 `done`，步骤进度不在 run 表里，配对靠中文名、改名即静默断链」。
+- 可借鉴的字段设计：扣子罗盘的 `TraceID` / `SpanID` / `ParentID` / `SpanType` 四件套（能同时表达「谁发起 / 谁执行 / 父子关系」），恰是 `SY24 §5.2` 提出的同一诉求。
+
+**③ 认真评估连接层直接站到 MCP 上（第 1 层，生态账）**
+- 依据：六家大厂全部原生支持 MCP；本项目「连接器」概念与 MCP server 几乎同构。
+- 需同时评估：**RPA 兜底**路径（国内 to B 绕不开），以及信创/私有化约束。
+
+**④ 对齐 agentskills.io 的 skill manifest 字段（第 4 层，低成本）**
+- 依据：Agent Skills 已成为开放标准，且被 Claude Code / MCP 官方 / Google ADK / OpenAI Agents SDK 采纳。
+- 动作：核对本项目 `skills/packages/` 的包结构，评估与 `SKILL.md` + `manifest` 字段的对齐成本；并评估**技能定义是否全量进 prompt**（若是，渐进式披露三级加载是已验证的解法）。
+
+**⑤ 第 3 层的补法需要单独拍板，不要默认做 DAG 画布**
+- 依据：行业分裂为图派与 ReAct 派，本项目现有路线形态上更接近 Salesforce / ServiceNow 一派。
+- 若要复刻 ReAct 派的运行态语义，A2A 的 Task 生命周期是个好参照：**中断态**（`input-required` / `auth-required`）与**终态**（`completed` / `canceled` / `rejected` / `failed`），且**终态后不可重启**。
+
+**⑥ 第 2 层若要做，先做「小本体」**
+- 依据：只有 Palantir 真做成运行时层，其机制可复刻 —— 把**对象类型 + 动作类型**映射成 agent 可用工具（对象=读、Action=写、Function=算）。本项目已有 `ontology_binding_json` 占位与 `action_definition` 表，具备最小落地条件。
+
+---
+
+## 11. 未查证 / 存疑项
+
+**明确未查到的项**：
+
+- **Dify、Coze、Flowise、Relevance AI、百炼、ADP、千帆、飞书 aily、盘古/AgentArts、元器** 任何一家的「模型层 / 平台层 / 应用层」官方分层原话 —— 均未查到。国内分层原话全部来自研究侧文件（信通院 / 电信 / IDC / 华为云白皮书）。
+- **百度千帆 AppBuilder 的平台级评测、发布版本快照**官方文档。
+- **飞书 aily 的评测集 / 评估器产品**。
+- **腾讯元器的官方文档站 / 帮助中心** —— 检索中只出现开发者社区与百科文章；元器信息请按第三方可信度打折。
+- **影刀、实在智能的官方架构文档原文**（影刀有官方飞书 wiki 但内容未能取到）。
+- **Flowise 的草稿/发布版本机制与 Run 级实体**（官方文档未给出 Run 级实体）。
+- **Zapier Agents 的表结构与定义文件形态**（闭源）。
+- **Relevance AI 的官方分层与 DSL**。
+- **Coze 开源版与线上 SaaS 的表结构一致性证据**。
+- **「专员 / 技能 / 应用」这个确切的三层命名** —— 未查到任何厂商使用这组词。最接近的三组是：来也**技能层 / 执行层 / 控制平面**、UniEmployee **Employee → Workflow/SOP → Skill → Connector → Tool**、社区 **Tool → 数字员工 → Agent Platform**。
+
+**存疑 / 说法冲突的项**：
+
+1. **Genspark** —— 官方博客与官网对脚本抓取一律 403，**无法从一手来源核实任何架构细节**。二手来源一致描述为 MoA（Mixture-of-Agents）架构 + 30+ 模型 + 150+ 自研工具 + lead agent 协调多个专精 sub-agent，并预告按需创建 ephemeral agent（YAML 配置）；GAIA 自报 87.8%。**以上全部为二手转述与厂商自报，未经独立验证，请勿当作已核实的架构事实使用。**
+2. **AG2 的持久化能力** —— `ag2.ai` 官方宣传「持久可恢复」与独立技术分析「0.x 默认内存态、跨会话不保留」**直接冲突**，本稿未替任何一方下结论。
+3. **ACP 的详细机制**（event stream、Threads、容器化暴露为 REST）来自二手分析文章，**未在 `agntcy/acp-spec` 仓库 README 中逐条核实**。
+4. **Manus / E2B 的保留期数字不一致** —— Manus 官方博客写 Free 7 天 / Pro 21 天，E2B 客户案例写付费用户最长 14 天。已并列，未强行统一。
+5. **Palantir Ontology 的 Semantic / Kinetic / Dynamic 三层** —— 中文圈常用口径，**未在官方页面上核到原话**，只算二手。
+
+**时效提醒**：
+
+- **MCP 的 Sampling 与 Logging 已在协议版本 `2026-07-28` 被标记为 deprecated**；许多二手资料仍在写 sampling，引用时需注意。
+- **Google ADK 2.0 中模板工作流已被 graph-based workflows 与 dynamic workflows 取代**；旧的 `google.github.io/adk-docs/agents/multi-agents/` 路径已失效，新域名为 `adk.dev`。
+- **扣子开发平台（低代码）不再向新注册用户开放**，官方引导去扣子编程（`code.coze.cn`）。
+
+---
+
+## 12. 来源清单
+
+### 12.1 编排与工作流型平台
+
+- Dify：[文档首页](https://docs.dify.ai/en/introduction) · [插件介绍](https://docs.dify.ai/en/plugins/introduction) · [版本控制](https://docs.dify.ai/en/cloud/use-dify/build/version-control) · [知识库](https://docs.dify.ai/en/guides/knowledge-base/README) · [工作流与图执行（DeepWiki）](https://deepwiki.com/langgenius/dify/5.1-workflow-system-and-graph-execution) · [persistence.py 源码](https://github.com/langgenius/dify/blob/4b2badb6/api/core/app/workflow/layers/persistence.py) · [插件守护进程](https://deepwiki.com/langgenius/dify-plugin-daemon/1.2-plugin-system)
+- Coze：[使用低代码工作流](https://docs.coze.cn/api/open/docs/guides/use_workflow) · [关于低代码项目](https://docs.coze.cn/about-low-code-project.md) · [插件介绍](https://docs.coze.cn/api/open/docs/guides/plugin) · [Coze Studio 架构](https://deepwiki.com/coze-dev/coze-studio/2-architecture) · [后端架构](https://deepwiki.com/coze-dev/coze-studio/2.2-backend-architecture) · [领域服务](https://deepwiki.com/coze-dev/coze-studio/5.3-domain-services)
+- n8n：[Save and publish workflows](https://docs.n8n.io/build/understand-workflows/save-and-publish-workflows.md) · [Types of executions](https://docs.n8n.io/build/understand-workflows/understand-executions/types-of-executions.md) · [View change history](https://docs.n8n.io/build/manage-workflows/view-change-history.md) · [Build and manage agents](https://docs.n8n.io/build/build-and-manage-agents.md) · [Building community nodes](https://docs.n8n.io/integrations/community-nodes/building-community-nodes.md) · [The Canvas Is Not the Execution](https://github.com/sandgardenhq/dh-library/blob/main/content/en/n8n/03-the-canvas-is-not-the-execution.md) · [Items, Runs, and pairedItem](https://github.com/sandgardenhq/dh-library/blob/main/content/en/n8n/05-items-runs-and-paireditem.md)
+- Flowise：[文档首页](https://docs.flowiseai.com/) · [Agentflow V2](https://docs.flowiseai.com/using-flowise/agentflowv2) · [Prediction API](https://docs.flowiseai.com/using-flowise/prediction) · [Monitoring](https://docs.flowiseai.com/using-flowise/monitoring.md) · [Integrations](https://docs.flowiseai.com/integrations)
+- Langflow：[Visual editor](https://docs.langflow.org/concepts-overview) · [Build flows](https://docs.langflow.org/concepts-flows) · [Components overview](https://docs.langflow.org/concepts-components) · [Custom components](https://docs.langflow.org/components-custom-components) · [Flow Versioning](https://deepwiki.com/langflow-ai/langflow/4.15-flow-versioning) · [Flow DevOps SDK](https://docs.langflow.org/next/flow-devops-sdk)
+- Zapier Agents：[Build an agent](https://help.zapier.com/hc/en-us/articles/24393442652557-Build-an-agent-in-Zapier-Agents) · [Start an agent from a Zap](https://help.zapier.com/hc/en-us/articles/35859160812685-Start-an-agent-from-a-Zap) · [Pods 改版公告](https://zapier.com/blog/zapier-agents-pods-dashboards/) · [Agent 编排公告](https://zapier.com/blog/orchestrate-zapier-agents/) · [MIT AI Agent Index](https://aiagentindex.mit.edu/2025/zapier-agents/) · [ZenML LLMOps 记录](https://www.zenml.io/llmops-database/building-production-ai-agents-platform-for-non-technical-users)
+- Relevance AI：[Build with Relevance AI](https://relevanceai.com/docs/build/introduction) · [Introduction to Nodes](https://relevanceai.com/docs/build/workforces/build-an-ai-workforce/introduction-to-nodes) · [Tools](https://relevanceai.com/docs/get-started/core-concepts/tools) · [Version history](https://relevanceai.com/docs/build/agents/build-your-agent/version-history) · [Tasks](https://relevanceai.com/docs/build/agents/give-your-agent-tasks/task-overview)
+
+### 12.2 大厂 Agent 平台
+
+- OpenAI：[Agents SDK](https://openai.github.io/openai-agents-python/) · [Sessions](https://openai.github.io/openai-agents-python/sessions/) · [Tracing](https://openai.github.io/openai-agents-python/tracing/) · [Agent orchestration](https://openai.github.io/openai-agents-python/multi_agent/) · [Sandbox API](https://openai.github.io/openai-agents-python/ref/sandbox/) · [Introducing AgentKit](https://openai.com/index/introducing-agentkit/)
+- Microsoft：[Agents in Microsoft Foundry](https://learn.microsoft.com/en-us/azure/ai-foundry/agents/overview) · [Agent 365 与 Foundry 集成](https://learn.microsoft.com/en-us/azure/foundry/agents/concepts/agent-365-integration) · [Copilot Studio 是什么](https://learn.microsoft.com/en-us/microsoft-copilot-studio/fundamentals-what-is-copilot-studio) · [Dataverse MCP](https://learn.microsoft.com/en-us/power-apps/maker/data-platform/data-platform-mcp) · [Microsoft Agent Framework](https://learn.microsoft.com/en-us/agent-framework/overview/)
+- Google：[ADK 文档](https://google.github.io/adk-docs/) · [ADK Agents](https://google.github.io/adk-docs/agents/) · [Agent Engine 概览](https://docs.cloud.google.com/agent-builder/agent-engine/overview) · [Vertex AI Agent Builder 公告](https://cloud.google.com/blog/products/ai-machine-learning/more-ways-to-build-and-scale-ai-agents-with-vertex-ai-agent-builder) · [ADK Session](https://adk.dev/sessions/session/) · [ADK Artifacts](https://adk.dev/artifacts/)
+- Salesforce：[Salesforce Architecture（Trailhead）](https://trailhead.salesforce.com/content/learn/modules/starting_force_com/starting_understanding_arch) · [How Agentforce works](https://www.salesforce.com/agentforce/how-it-works/) · [Atlas Reasoning Engine](https://www.salesforce.com/agentforce/what-is-a-reasoning-engine/atlas/) · [Agentforce 3 新闻稿](https://investor.salesforce.com/news/news-details/2025/Salesforce-Launches-Agentforce-3-to-Solve-the-Biggest-Blockers-to-Scaling-AI-Agents-Visibility-and-Control/default.aspx) · [MuleSoft MCP Servers](https://blogs.mulesoft.com/news/connect-agentforce-to-any-system-with-mulesoft-mcp-servers/)
+- Palantir：[AIP architecture](https://www.palantir.com/docs/foundry/architecture-center/aip-architecture) · [Ontology MCP (OMCP)](https://www.palantir.com/docs/foundry/ontology-mcp) · [The Ontology system](https://www.palantir.com/docs/foundry/architecture-center/ontology-system) · [Ontology 产品页](https://www.palantir.com/platforms/ontology/)
+- ServiceNow：[Understand AI agents](https://www.servicenow.com/docs/bundle/zurich-intelligent-experiences/page/administer/ai-agent-studio/concept/understand-na-aia.html) · [AI Agent Fabric 介绍](https://www.servicenow.com/community/now-assist-articles/introducing-ai-agent-fabric-enable-mcp-and-a2a-for-your-agentic/tac-p/3411719) · [Blueprint for Agentic Business](https://www.servicenow.com/content/dam/servicenow-assets/public/en-us/doc-type/brief/servicenow-blueprint-for-agentic-business-the-technical-foundation.pdf) · [AI Control Tower 新闻稿](https://www.nasdaq.com/press-release/servicenow-launches-ai-control-tower-centralized-command-center-govern-manage-secure)
+
+### 12.3 框架与通用 Agent 产品
+
+- LangGraph：[Graph API overview](https://docs.langchain.com/oss/python/langgraph/graph-api) · [Persistence](https://docs.langchain.com/oss/python/langgraph/persistence)
+- CrewAI：[Crews](https://docs.crewai.com/en/concepts/crews) · [Processes](https://docs.crewai.com/en/concepts/processes) · [Flows](https://docs.crewai.com/en/concepts/flows) · [Memory](https://docs.crewai.com/en/concepts/memory)
+- AutoGen：[AutoGen 0.4 发布公告](https://devblogs.microsoft.com/autogen/autogen-reimagined-launching-autogen-0-4/) · [Managing State](https://microsoft.github.io/autogen/stable/user-guide/agentchat-user-guide/tutorial/state.html) · [AG2 vs AutoGen](https://www.ag2.ai/compare/autogen)
+- OpenAI Swarm：[README](https://github.com/openai/swarm)
+- Claude Agent SDK：[Agent SDK overview](https://code.claude.com/docs/en/agent-sdk/overview) · [Subagents](https://code.claude.com/docs/en/agent-sdk/subagents) · [Sessions](https://code.claude.com/docs/en/agent-sdk/sessions) · [Skills](https://code.claude.com/docs/en/skills)
+- Agent Skills 标准：[Equipping agents for the real world with Agent Skills（Anthropic 工程博客）](https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills) · [Agent Skills spec](https://agentskills.io/) · [MCP: Build with Agent Skills](https://modelcontextprotocol.io/docs/develop/build-with-agent-skills)
+- Manus：[Understanding Manus sandbox](https://manus.im/blog/manus-sandbox) · [AWS 新闻稿](https://press.aboutamazon.com/aws/2025/12/manus-selects-aws-to-power-general-purpose-ai-agent-serving-millions-globally) · [How Manus Uses E2B](https://e2b.dev/customers/how-manus-uses-e2b-to-provide-agents-with-virtual-computers)
+- Devin：[Enterprise Deployment](https://docs.devin.ai/enterprise/deployment/overview) · [Introducing Devin](https://cognition.ai/blog/introducing-devin) · [Devin is Getting a Windows PC](https://cognition.ai/blog/devin-is-getting-a-windows-pc)
+- OpenAI Operator / Deep Research：[Operator System Card (PDF)](https://cdn.openai.com/operator_system_card.pdf) · [Computer-Using Agent](https://openai.com/index/computer-using-agent/) · [Introducing deep research (PDF)](https://cdn.openai.com/API/docs/deep_research_blog.pdf)
+- Genspark（**二手，抓取失败**）：[Multi-Agent Orchestration 博客](https://www.genspark.ai/blog/genspark-multiagent-orchestration)
+
+### 12.4 协议
+
+- MCP：[What is MCP](https://modelcontextprotocol.io/docs/getting-started/intro) · [Architecture overview](https://modelcontextprotocol.io/docs/learn/architecture)
+- A2A：[What is A2A](https://raw.githubusercontent.com/a2aproject/A2A/main/docs/topics/what-is-a2a.md) · [Core Concepts](https://raw.githubusercontent.com/a2aproject/A2A/main/docs/topics/key-concepts.md) · [Life of a Task](https://raw.githubusercontent.com/a2aproject/A2A/main/docs/topics/life-of-a-task.md) · [A2A and MCP: Detailed Comparison](https://raw.githubusercontent.com/a2aproject/A2A/main/docs/topics/a2a-and-mcp.md)
+- AGNTCY：[Documentation](https://docs.agntcy.org/) · [acp-spec](https://github.com/agntcy/acp-spec) · [oasf](https://github.com/agntcy/oasf) · [Linux Foundation 新闻稿](https://www.linuxfoundation.org/press/linux-foundation-welcomes-the-agntcy-project-to-standardize-open-multi-agent-system-infrastructure-and-break-down-ai-agent-silos)
+- OpenAI Apps SDK：[openai-apps-sdk-examples](https://github.com/openai/openai-apps-sdk-examples) · [Apps SDK build docs](https://developers.openai.com/apps-sdk/build/mcp-server)
+- 学术：[A Technical Taxonomy of LLM Agent Communication Protocols (arXiv:2606.19135)](https://arxiv.org/abs/2606.19135)
+
+### 12.5 国内企业级平台
+
+- 阿里云百炼：[应用介绍](https://www.alibabacloud.com/help/zh/model-studio/application-introduction) · [应用观测](https://help.aliyun.com/zh/model-studio/application-observation) · [自动评测](https://help.aliyun.com/zh/model-studio/application-auto-evaluation) · [应用参数透传](https://help.aliyun.com/zh/model-studio/pass-through-of-application-parameters) · [Agent Studio 产品手册转述](https://developer.aliyun.com/article/1763850)
+- 悟空（阿里/钉钉）：[官方新闻稿](https://www.alibabagroup.com/document-1971078136456019968) · [新华网](https://www.news.cn/tech/20260319/f8d8c6927a1b482b806e96ada3989669/c.html) · [极客公园](http://www.geekpark.net/news/361293)
+- 腾讯云 ADP：[产品文档](https://cloud.tencent.cn/document/product/1759/104193) · [发布与版本](https://cloud.tencent.com/document/product/1759/104191) · [变量与记忆](https://cloud.tencent.com/document/product/1759/133868) · [国际站文档](https://intl.cloud.tencent.com/document/product/1254/69966)
+- 腾讯元器（**二手**）：[开发者社区文章](https://cloud.tencent.cn/developer/article/2447597) · [另一篇](https://cloud.tencent.cn/developer/article/2609249)
+- 百度千帆 AppBuilder：[千帆文档](https://cloud.baidu.com/doc/qianfan-docs/s/tm983fszw) · [AppBuilder 文档](http://ai.baidu.com/ai-doc/AppBuilder/klv0f0ckc) · [会话查询 FAQ](https://cloud.baidu.com/ask/10077) · [app-builder SDK](https://github.com/baidubce/app-builder)
+- 扣子罗盘：[评测是什么](https://docs.coze.cn/cozeloop_what-is-evaluation.md) · [Re-Act Agent 评测](https://docs.coze.cn/cozeloop_evaluate_trace_of_react_agent.md) · [Trace 回流评测集](https://docs.coze.cn/cozeloop_save-trace-to-dataset.md) · [coze-loop 开源](https://github.com/coze-dev/coze-loop)
+- 火山方舟：[文档](https://docs.volcengine.com/docs/82379) · [AgentLoop](https://docs.volcengine.com/docs/TorchLogService/2550927)
+- 钉钉 AI 助理：[开放平台概览](https://open.dingtalk.com/document/aipass/overview-4) · [拟人操作插件协议](https://open.dingtalk.com/document/aipass/adaptive-plug-in-description-protocol-1) · [DDAutomator 框架](https://open.dingtalk.com/document/aipass/the-ddautomator-framework) · [直通模式](https://open-dingtalk.github.io/developerpedia/docs/explore/tutorials/assistant_ability/passthrough_mode/overview/)
+- 飞书 aily：[帮助中心](https://aily.feishu.cn/hc/8qluoxsa/kmcc4e3h) · [技能 API](https://bytedance.larkoffice.com/wiki/ZkKnwxogliNj3ik9ppEc0cFUnAd) · [数据知识列表](https://open.larkoffice.com/document/aily-v1/data-knowledge/data-knowledge-management/list)
+- 华为云：[盘古 Agent 开发](https://support.huaweicloud.com/intl/zh-cn/usermanual-pangulm/pangulm_04_0423.html) · [工作流](https://support.huaweicloud.com/intl/zh-cn/usermanual-pangulm/pangulm_04_0541.html) · [AgentArts 运营运维 PDF](https://support.huaweicloud.com/ops-agentarts/智能体运营运维-pdf.pdf) · [AgentArts API PDF](https://support.huaweicloud.com/api-agentarts/agentarts-api-pdf.pdf) · [AI-Native 白皮书](https://res-static.hc-cdn.cn/cloudbu-site/china/zh-cn/about/download/whitepapers/AI-Native.pdf) · [HUAWEI CONNECT 2026 新闻](https://www.huawei.com/cn/news/2026/9/hc-agentic-infra-industry-ai)
+- 来也科技：[三层架构官方稿](https://laiye.com/news/post/3029.html) · [InfoQ 专访](https://www.infoq.cn/article/izaxmqd9wqqkagm3kfka)
+- 实在智能：[行业百科](https://www.ai-indeed.com/encyclopedia/15198.html) · [官方新闻](https://www.ai-indeed.com/aboutNews/21606.html)
+- 金智维：[行业动态](https://www.kingsware.cn/hangyedongtaislx/953) · [另一篇](https://www.kingsware.cn/hangyedongtaislx/636)
+- 影刀：[产品百科](https://yingdao.com/encyclopedia/detail?uuid=951354527115943936) · [社区文章](https://www.yingdao.com/community/detaildiscuss?id=938613239750086656)
+- 联通 UniEmployee（开源）：[GitHub](https://github.com/zj-unicom-ai/UniEmployee)
+- 浪潮海岳 Mano Team：[新闻](https://haiyue.inspur.com/ecloud/gywm/xwdt/2026062915183651345/index.html)
+- 用友 YonOnto：[BIP 6 本体平台](https://yonyou.com/subject/yonbip/news/6610)
+- 中电金信 OMP/OIP：[详情页](https://www.gientech.com/detail/1854.html)
+- 本体协同模式（腾讯云技术文章）：[文章](https://cloud.tencent.cn/developer/article/2695251)
+- 社区三层口径：[腾讯云开发者文章](https://cloud.tencent.com.cn/developer/article/2708773)
+
+### 12.6 本仓库内相关文档
+
+- `docs/01_System_Overall/SY21_Unified_Role_Skill_Action_Architecture.md` —— 六层架构与命名收口
+- `docs/01_System_Overall/SY22_Role_Skill_App_Unified_Task_Architecture.md` —— 第五层升级为对象层、App 升为一级对象
+- `docs/01_System_Overall/SY24_Platform_Architecture_Rethink.md` —— 历史稿（4 层领域分层：定义/安装/实例/运行），结论已并入 SY21/SY22
+- `docs/2026-09-17_六层架构与三对象建设重点阶段性复盘.md` —— 六层不变的正式收口
+- `docs/02_Architecture/AR09_Object_Naming_Standard.md` —— 对象命名规范（规范性文件）
+- `docs/02_Architecture/AR10_XApp_Removable_Packaging_Specification.md`、`docs/02_Architecture/AR11_Skill_Specialist_Connector_Removable_Packaging_Specification.md` —— 可删除封装规范
+- `docs/09_Research/Workflow_Canvas_Interaction_Research.md` —— 画布交互调研（Dify / n8n / Make / Zapier / Coze / Langflow）
+- `docs/AionUi源码深度扫描与办公智能体架构对比.md`、`docs/微趣MyGPT调研与办公智能体架构对比.md` —— 源码级 / 成品级对比