01行业背景:托管式 Agent 成为主流方向
Cloud Native
AI Agent 正从技术概念快步走向生产应用。然而,当开发者试图将原型推向生产环境时往往发现:从“跑通 Demo”到“稳定上线”,每一步都是对基础设施的真实考验。更聪明的模型解决不了这道鸿沟——企业真正需要的,是一个能全面承接底层复杂性的基础设施平台。
这正是阿里云 AgentRun 的出发点。 自 2025 年 12 月正式发布以来,AgentRun 以生态开放、灵活组装为设计理念,为 AI Agent 提供从开发、部署到运维的全生命周期管理。在已落地的企业客户中,平均 TCO 降低 60%。
与此同时,托管式 Agent 正在成为行业共识。Anthropic 推出 Claude Managed Agents,进一步印证了这一方向的确定性——越来越多的平台开始把 Agent Loop、沙箱隔离、会话管理这些底层复杂性从开发者手里接管过来,开发者只需声明“需要一个什么样的 Agent”,剩下的推理、工具调用、上下文管理交给平台承接。
这套托管范式的核心设计已逐渐收敛,通常围绕四个概念展开:
- Agent 定义:声明模型、系统提示词、可用工具,创建一次,多个会话复用。
- 运行环境:Agent 的容器模板,定义网络策略、文件系统等隔离边界。
- 会话:将 Agent 与运行环境绑定,代表一次完整的任务执行。
- 事件流:会话内的消息通道,实时推送用户输入、模型回复、工具调用,一次典型的执行流程是:声明 Agent → 初始化运行环境 → 创建会话 → 发送消息 → 接收事件流。
作为一站式 Agentic AI 基础设施平台,阿里云 AgentRun 在这条主线上走得更深:模型无关是基础——通义千问、DeepSeek、智谱 AI、自部署开源模型均可自由接入;企业级能力是重点投入——数据不出域、多租户隔离、全链路可观测、Serverless 原生弹性。
这些在真实落地中反复被客户验证的能力,构成了 AgentRun 区别于通用托管产品的核心差异。
02AgentRun 如何定义托管 Agent
Cloud Native
AgentRun 的几个核心抽象,可以和上述托管范式对应起来:
-
超级 Agent:内置 Agent Loop 的可执行对象,对应“Agent 定义 + 内置运行时”。
-
Agent Runtime 与 Sandbox:运行环境和隔离沙箱,底层是阿里云函数计算FC。
- 会话管理:一次任务对应一个会话,持有上下文、中间状态、事件流。
- MCP 工具 与 Skills 市场:工具级扩展 + 任务级扩展,两条路径并存。
- 模型服务 ModelService:模型代理层,解耦 Agent 逻辑和模型选择。
- 记忆与知识库:长期记忆和 RAG 检索,作为 Agent 常驻上下文。
使用流程上和其他托管平台一致:声明一个超级 Agent、创建会话、发送消息、接收事件流。差异落在能力拆分的粒度、模型接入方式、以及企业场景的深度支持上。
03AgentRun 拥有的差异化能力是什么
Cloud Native
Claude Managed Agents 把 Agent 托管需要的几件核心事情做齐了:Agent 定义、Environment 容器沙箱、Session 会话、Events 事件流,再加上绑定 Claude 模型与一组内置工具(Bash、文件操作、Web 搜索)。这套组合足以支撑大多数通用场景,也把托管 Agent 的产品范式清晰地立了起来。
AgentRun 在同一条主线上,因为定位是云平台视角的运行时,在四个地方做了更深一些的投入:运行时与沙箱基于阿里云函数计算 FC,启动到毫秒级,内核级隔离下能装下代码解释器、浏览器自动化、Computer Use 这类更重的能力;模型服务做到厂商无关,通义千问、DeepSeek、OpenAI、自部署开源模型可以自由切换和组合;工具与技能同时支持 MCP 和 Skills 市场,覆盖工具级和任务级两个粒度;会话与记忆把长期记忆和知识库作为 Agent 常驻的一等上下文,业务层不用再自建一套。
▍3.1 Agent 运行时与 Sandbox:更低的隔离层级
Agent 运行时与 Sandbox 底层基于阿里云函数计算 FC。每个沙箱与运行时独立内核,启动在毫秒级。
这样设计有两个原因:
一是多租户隔离更彻底。不同租户、不同会话的沙箱从内核就是隔离的,不存在容器逃逸的风险面。
二是沙箱能装下更重的能力。代码解释器需要挂 Jupyter Kernel、浏览器自动化需要 Headless Chromium、GUI 自动化需要完整桌面环境。这些在 MicroVM 里做,资源控制和兼容性空间更大。
目前 Sandbox 内置的能力:
- Bash 与文件系统:完整 Shell 环境,文件上传下载双向打通。
- 代码解释器:Python、Node.js、Java 的 Jupyter Kernel,执行状态跨多轮保留。
- 浏览器自动化:基于 CDP over WebSocket,支持完整 Chromium 控制。
- Computer Use:桌面级 GUI 操作能力。
▍3.2 厂商无关的模型服务:将模型选择留给用户
AgentRun 不绑定特定模型厂商。通过模型服务层,同一个 Agent 可以在通义千问、DeepSeek、OpenAI、自部署开源模型之间切换,也可以按任务类型路由到不同模型。
这是云平台视角产品的一个自然选择。面向不同行业和合规要求的客户,模型无关是一种基础能力:
- 成本敏感场景优先走小模型,必要时 Fallback 到大模型。