拆解 Agent Workspace 三条技术路线:WorkBuddy、Claude Tag 与 EragonAI(上)

 

 

编者按:Agent Workspace 是企业级 Agent 落地绕不开的一环,但市面上的讨论大多停留在功能罗列,很少有人真正拆开代码与架构逐一核对。本文选取 WorkBuddy、Claude Tag、EragonAI 三条比较有代表性的技术路线,逐一做技术拆解,回答一个问题:Agent Workspace 的底层技术,究竟走到哪一步了。全文共两篇:上篇聚焦三款产品各自的架构选型与技术门槛;下篇转向场景层面,对照评估这些能力在真实业务场景中的覆盖程度,将于近日发出。
核心发现
  • WorkBuddy、Claude Tag、EragonAI 是当前 Agent Workspace 领域三条比较有代表性的技术路线,本文对它们做一次技术拆解和比较。
  • 三款产品分别代表 Workspace 的三种基础形态。WorkBuddy 将多人、多 Agent、项目上下文和任务接力放进同一工作空间,是原生协作型 Workspace,工程完成度最高;Claude Tag 以频道内共享 Agent 为核心,通过独立身份、权限继承和记忆隔离构建了目前最成熟的 Agent 治理体系;EragonAI 以常驻运行、多渠道接入、记忆、Skill 和自然语言运维为特征,更接近一个共享 Agent 运行平台。三者共同验证了任务执行、Agent 调度、上下文管理、连接器和 Skill 等基础能力已经趋于成熟,Agent Workspace 的底层技术不再构成研究级门槛。
  • 三款产品在业务承载层留有相近的空白:都还没有作为正式节点接入企业审批流程,操作 CRM/ERP 等遗留系统的公开案例有限,用户/Agent/凭证/记忆/审计层面的统一治理也都还在完善。
  • 从技术路线看,三者的能力大致落在三个层次:基础设施层(多 Agent 框架、Memory、Runtime、模型路由、MCP)已经有较多开源和商业方案可以参考;治理层(身份权限、记忆边界、审计)目前 Claude Tag 的架构提供了较多可借鉴的设计思路;业务承载层(流程对接、遗留系统集成、行业化)是三款产品公开证据都比较薄弱的部分。
  • WorkBuddy 把 Agent 协作放进自有工作台,Claude Tag 把受治理的共享 Agent 放进既有协作频道,EragonAI 则进一步暴露了共享 Agent 背后的运行环境和运维控制面。三者分别侧重协作层、治理层和运行层,但都还没有提供完整的业务流程承载层。这三个方向不是相互替代关系,更像是 Agent Workspace 从协作、治理到运行基础设施逐步完善的不同切面。
一、产品定位与技术路线总览

三种路线的侧重点不同:WorkBuddy 把 Agent 协作放进自有工作台,Claude Tag 把受治理的共享 Agent 放进既有协作频道,EragonAI 则进一步暴露了共享 Agent 背后的运行环境和运维控制面。三者分别覆盖协作层、治理层和运行层,但都没有提供完整的业务流程承载层。从行业演进视角看,这三个方向并不是相互替代关系,而更像 Agent Workspace 从协作、治理到运行基础设施逐步完善的不同切面。未来企业级 Workspace 很可能同时具备这三层能力,并进一步向业务流程层延伸——这也是目前最明显的产业空白。

表1 WorkBuddy、Claude Tag 和 EragonAI 产品定位对比

维度
WorkBuddy
Claude Tag
Eragon AI
出品方
腾讯云 CodeBuddy 团队
Anthropic
EragonAI 团队
上线时间
2026年3月9日(国内版),5月下旬(海外版)
2026年6月23日
2025年9月4日
核心问题
多 Agent 如何协作完成复杂任务
多人如何安全共用一个 Agent
共享 Agent 如何常驻运行,并通过多个外部渠道持续服务
技术核心
SubAgent 通信协议(两模式四通道三上下文)+ 上下文压缩
Agent Identity 权限治理模型
Gateway 运行时、Linux Workspace、长期记忆、Skill、Cron/Heartbeat、模型路由、多渠道 Presence
交互形态
桌面客户端 + IM 机器人(企微/飞书/钉钉/QQ/海外 Slack)
Slack 内 @Claude
EragonAI Web 管理界面 + Slack/飞书等机器人 + Remote Desktop/SSH
底层模型
混元/DeepSeek/GLM/Kimi 多模型路由
Claude 系列模型
Claude 系列模型
工具连接
MCP + Skill 市场 + 专家中心
Connectors Directory(50+,MCP 协议)
渠道插件、浏览器/CDP、文件系统、终端、Skills、外部连接器
护城河来源
腾讯社交生态(微信/企微)深度整合 + 多 Agent 协作工程化
权限治理体系 + Anthropic 模型能力本身
Agent 运行组件的一体化整合、自然语言运维、跨渠道状态与长期运行数据;企业治理成熟度仍需验证
开源程度
闭源,定制空间有限
闭源,但 MCP 协议开放
闭源;部分技术机制与一些开源项目、协议和研究方向高度重合,具体代码关系不明确
二、WorkBuddy 技术拆解

2.1 主要技术门槛评估

WorkBuddy 架构选型(16 类 Agent 分工、四通道通信、双阈值上下文压缩、沙盒隔离+Skill 标准化)在业界都有公开可参考的对标方案,单点技术均可复现。真正的门槛集中在多 Agent 长时间协作下的工程稳定性,包括 Worker Agent 后台常驻的状态一致性、生命周期看门狗绑定、消息投递语义、100ms 沙箱冷启动背后的资源池化和快照复用,以及大规模异构生态的持续治理——7 万+ Skills 的版本管理、依赖冲突、权限继承和安全审核,100+ MCP 连接器在国内外市场的差异化配置。

腾讯采用的解法整体偏"轻量级约束+持续迭代打补丁",例如 Teammate 纯文本输出对其他 Agent 不可见这条硬性约束,就是用工程规则规避上下文膨胀而不是重构架构;两个月 43 个版本的迭代节奏也印证了这一路径。这套解法与其自有工作台+国内 IM 生态的产品定位匹配,但也意味着这类问题很难通过一次性架构设计彻底解决,需要长期投入运维打磨和真实任务反馈才能收敛。

腾讯官方给出的硬指标是:100ms 沙箱冷启动、7 万+ Skills、100+ MCP。

2.2 SubAgent 交互机制:两模式 + 四通道 + 三上下文

WorkBuddy 定义了 16 种 Agent、4 条通信通道、3 种上下文模式(基于 v5.1.7 product.json 逆向分析)。

两种通信范式动态切换

  • 模式 A 是一次性子代理调用,函数调用语义,上下文完全隔离,单次返回后终止,结果以 XML 注入主 Agent,用于简单委派任务。
  • 模式 B 是持久团队协作,组织协作语义,后台 detached 常驻,通过 SendMessage 双向通信 + TaskList 共享状态 + shutdown 协议优雅终止,用于复杂多步骤协同。Worker Agent 保留了自己的上下文(工作记忆、已完成任务、代码理解),下次接到新任务时不需要从零开始,对复杂项目非常关键。

One-shot 模式(模式 A):

主 Agent → 起一个 SubAgent → SubAgent 干完活 → 返回结果 → SubAgent 消失
(类似打电话问一个问题,挂了电话就结束)

Team 模式(模式 B):

主 Agent(Team Lead)
├── Worker A(一直在后台跑,等新任务)
├── Worker B(一直在后台跑,等新任务)
└── Worker C(一直在后台跑,等新任务)
(类似组建一个团队,成员一直在工位上,随时接活)

四条通信通道

  • SendMessage
    :点对点或广播消息,必须指定收信人和 5–10 词的 summary
  • TaskList
    :共享任务看板,通过 owner和 blockedBy字段实现分布式任务分配,状态机为 pending → in_progress → completed
  • Agent Notification
    :把子 Agent 结果伪装成 user-role 消息注入主 Agent 上下文
  • FileSystem
    :隐式共享存储,跨会话传递记忆文件

一个关键工程约束:Teammate 的纯文本输出对其他 Agent 不可见,必须走 SendMessage。这是应对上下文膨胀、注意力稀释、耦合失控三个问题的直接对策,相当于给每次跨 Agent 信息传递加了一道门槛。

2.3 上下文压缩:预防 + 抢救双 Agent 机制

上下文窗口的分配、隔离与压缩,是所有多 Agent 系统必须回答的核心问题。WorkBuddy 没有走"堆更大 context 模型"的路线,而是通过多级阈值触发主动压缩,由两个专职 Agent 分工:

compact Agent:预防性压缩,40% Token 时触发,产出 结构化摘要,明确写入指令"所有任务已完成,不要重新执行"防止 Agent 重复动作

contextSummary Agent:抢救性压缩,90% Token 时触发,输出 9 段式结构

这套设计和 CodeBuddy 的两级"压缩 → 摘要"策略同源,本质是一种"有损但保结构"的 JPEG 式压缩,代价是丢失了"为什么这样做"的推理过程。

压缩后的上下文包含

  • Primary Request and Intent —— 用户原始意图(压缩后仍保留)
  • Key Technical Concepts —— 涉及的技术概念
  • Files and Code Sections —— 关键文件和代码片段
  • Errors and fixes —— 遇到的错误和修复方式
  • Problem Solving —— 已解决和待解决的问题
  • All user messages —— 所有用户消息(仅 contextSummary 模式)
  • Pending Tasks —— 未完成的任务
  • Current Work —— 当前正在进行的工作
  • Optional Next Step —— 可选的下一步

2.4 安全执行与生态集成

WorkBuddy 企业版三大核心能力:7×24 专家数字员工、人与 AI 协作的"团队"模式、企业级管理后台。办公智能体套件把腾讯文档、腾讯网盘、腾讯乐享三大产品能力原生打通到工作台,覆盖"内容创作—知识沉淀—能力复用"全链路。安全机制上采用沙盒隔离+Skill 标准化+危险操作拦截三层防御,高危指令(删除系统文件、修改注册表)会被直接拦截并提示,所有操作默认本地执行不上传云端。工具连接层面国内版对接企微/飞书/钉钉/QQ,海外版新增 GitHub/GitLab/Jira/Confluence/Google Drive/Gmail/Notion/Slack 的 MCP 连接器矩阵。WorkBuddy 的连接器能力是市场分层配置的,同一套 Agent 内核,上层根据市场换连接器配置。生态扩展有 Skill 市场(SkillHub)和"专家中心"(官方宣传 100+ 专家)。

2.5 技术实现难点

分布式任务认领的状态一致性问题。TaskList 用 owner+blockedBy 字段实现黑板式协调,多个 Worker 并发认领任务时存在竞态风险,更新日志里明确记录过"团队队列一次性推送所有任务的问题"这类真实缺陷,说明这不是设计层面能一次性解决的问题,需要经过多轮线上迭代打磨。…

— 以上为试看内容(约 40%),开通会员后阅读全文 —