AgentRun 开源：托管 Agent 不只要稳定运行，还要越跑越便宜

11 月 12 日，Grep AI 背后的 Parcha 团队正式开源 AgentRun，并将其从一套 Agent 工作流 DSL 扩展为完整的托管运行平台。项目采用 Apache-2.0 许可证，支持自托管，目前覆盖 Pi、Claude Code、Codex 和 OpenCode 四种 Agent Harness；截至发稿，GitHub 仓库已有 469 个 Star。(github.com)

**AgentRun 是一个围绕现有 Agent Harness 构建的开源运行与管理平台。**它不负责取代 Claude Code、Codex 这类 Agent 的推理循环，而是接管运行记录、状态恢复、计算环境、成本上限、人工审批、工作流和跨任务学习。

这一区别很重要。过去两年，大部分 Agent 框架都在解决“模型下一步应该调用什么工具”；AgentRun 想解决的则是另一组更接近生产环境的问题：任务执行到一半进程挂了怎么办、同一套调查步骤为什么每次都要重新推理、Agent 学到的经验怎样审查和版本化、多个不同 Harness 能否放进同一个控制台管理。

需要特别说明的是，这次开源的 AgentRun 来自 Parcha Labs/Grep AI，与国内云厂商使用的同名 AgentRun 产品没有关系。名称相同，但技术栈、代码仓库和产品定位并非同一个项目。

它不是新的 Agent 框架，而是 Agent 的运行操作系统

**Agent Harness 是负责模型推理、工具调用和循环决策的执行框架。**Claude Code、Codex、OpenCode 和 Pi 都可以被视为不同形态的 Harness：它们知道怎样读代码、调用工具并根据结果继续工作，但通常不会替开发团队解决统一部署、故障恢复、权限治理和长期经验管理。

AgentRun 的架构被拆成四层：

• Server：提供 /v2 API 和 Web 控制台，接收任务、记录命令并展示运行状态。
• Store：保存 Agent、版本、任务和每一步执行日志，默认使用 SQLite，也支持 Postgres。
• Runner：从 Store 中领取任务，执行模型调用、成本检查、审批策略和工具调用。
• Hands：Agent 真正执行操作的环境，包括任务目录、Linux 沙箱、桌面、浏览器或 Android 设备。

这种拆分方式更像 Temporal 加上一层 Agent 控制面，而不是另一个 LangChain。Server 可以不运行 Agent 循环，Runner 则可以横向扩容；每个 Agent 的定义和每次运行都绑定到明确版本，方便定位“这次结果到底由哪版提示词、技能和工作流产生”。(github.com)

AgentRun 当前支持 Docker、Daytona、Modal、E2B 等 Linux 沙箱，并可连接 Browserbase、Kernel 等浏览器环境。不同计算环境共用同一套 Agent API，开发者不必为每家沙箱供应商重新设计任务状态和文件接口。(github.com)

所谓自我改进，不是让模型偷偷训练自己

AgentRun 的自我改进是指 Agent 在任务结束后，把有效经验整理成可审查、可版本化的知识与流程，而不是更新大模型权重。

当一个 Agent 开启学习能力后，每次完成任务都会获得一个额外回合，用来回顾过程并提出三类内容：

1. Note：一条适合下次复用的事实、规则或上下文。
2. Skill：一套完成特定任务的方法，例如怎样审查 Pull Request、怎样验证公司注册信息。
3. Workflow：把重复步骤固定成带类型约束的流程，让后续任务不再依赖完整 Agent 循环。

这些内容不会直接进入生产环境。AgentRun 会先执行结构检查，再交给一个模型评分器判断是否值得保留；通过后，内容才会提交到该 Agent 独立的 Git 目录。下一次运行会从固定的 Git Commit 读取经验，因此历史任务不会因为学习库后来发生变化而失去可复现性。(github.com)

这一机制更接近“Agent 自动维护自己的操作手册”，而不是科幻意义上的递归自我进化。

AgentRun 还给学习过程加了不少限制。只有成功完成任务的运行才能生成 Skill；当一项 Skill 被使用 3 次后，系统才会尝试将其改写为 Workflow；工作流草案必须先完成不调用模型、不执行真实工具的 Dry Run，才能进入学习库。包含敏感信息、隐藏字符、越权路径或来源可疑规则的提案会被丢弃，扩大权限、处理资金或放松安全检查的规则则需要所有者批准。(github.com)

这套设计有两个现实意义。

第一，Agent 的经验终于不必只存在于一段越来越长的系统提示词里。Git 历史能够说明每条规则是谁添加、何时添加、由哪个任务触发，也允许用户停用或恢复错误经验。

第二，学习结果可以逐步从自然语言升级为确定性更高的工作流。一次性的复杂任务继续交给 Agent 推理，而高频、稳定的路径则被“编译”为成本更低的流程。

真正省钱的是减少重复推理

AgentRun 的降本逻辑不是寻找更便宜的模型，而是减少模型重复规划、查文档和试错的次数。

一个企业调查 Agent 第一次处理某国公司时，可能需要搜索注册机构、理解字段、判断接口限制，并设计验证顺序。如果这些经验没有保存，第二次任务仍然要重新走一遍。传统 RAG 可以找回文档，却不一定能保存“这类任务应该怎样做”；普通对话记忆可以保存历史，却很难区分一次性信息和长期有效流程。

AgentRun 则把经验分成知识、技能和工作流三个层次：知识告诉 Agent“什么是真的”，技能告诉它“应该怎样做”，工作流则直接规定“按哪些步骤执行”。

项目团队披露的案例显示，其商户分类任务最初使用 Claude Opus 探索流程，之后把经验交给更便宜的模型复用，单个商户成本从 0.89 美元降至 0.12 美元，降幅约为 86.5%。代码审查案例中，团队此前的月度账单从 180 美元增加到 6451 美元，约增长 35.8 倍；自建审查 Agent 后，单次审查成本约为 0.18 美元，并在 30 个未见过的 Pull Request 上发现了竞品 1.6 倍的真实问题。(github.com)

这些数字值得关注，但不能当成通用基准。30 个 Pull Request 的样本仍然很小，不同代码库的语言、测试覆盖率和缺陷类型差异极大；学习回合和评分器本身也会产生额外成本。AgentRun 官网对“每次运行都会更便宜”的表述更适合作为产品目标，而不是已经得到大规模验证的结论。

Workflow DSL 是这次开源的技术核心

**AgentRun Workflow 是一种用类型化节点描述 Agent 任务的 JSON 工作流语言。**它允许开发者把工具调用、模型步骤、条件分支、并行映射、有限循环和子工作流组合在一起，并在遇到模糊情况时把任务重新交回 Agent。

这解决了 Agent 产品中的一个典型浪费：很多任务看起来需要 Agent，实际只有少数步骤需要推理。

以客服工单为例，读取工单、查询订单和返回重置密码链接都是确定性操作；只有“用户描述是否与已知问题匹配”可能需要模型判断。如果整个过程都交给 Agent 循环，模型会反复决定下一步工具，成本高且行为不稳定。AgentRun 允许把确定性部分固定下来，只在分类置信度不足时调用 Agent 调查。

工作流中的快速判断可以输出是或否、类别、分数和置信度，并按阈值选择路径。例如，审批概率为 0.61，而业务设置的自动批准阈值为 0.75，系统就不会把 0.61 包装成确定答案，而是转入人工审核或 Agent 调查。(github.com)

这不是绝对确定性。模型输出的置信度仍然只是路由信号，不是真实概率；类型约束能够保证返回结构正确，却不能保证判断事实正确。AgentRun 的价值在于把不确定性限制在少数明确节点，而不是假装模型已经变成传统程序。

Agent 挂了以后，任务不必从头再来

持久执行是指系统把任务进度和已完成结果写入持久存储，使进程中断后能够继续执行。

AgentRun 将 Agent、版本、运行和每个步骤保存在同一个 Store 中。服务器中断后重新启动，Runner 可以继续未完成任务；在多 Runner 部署下，如果某个 Runner 失联，其他 Runner 会在其 30 秒租约到期后接管任务。已经完成的步骤不会再次执行，而中断发生在写操作中间时，系统会将其标记为 interrupted，而不是盲目重试。(github.com)

这里的处理比“失败就重跑”更谨慎。读取网页失败可以安全重试，但发送邮件、提交订单或修改数据库可能已经产生副作用。若系统无法判断写操作是否成功，自动重试反而可能制造重复操作。AgentRun 选择暴露不确定状态，让开发者通过幂等键或业务对账解决，而不是用一个成功状态掩盖问题。

与 LangGraph、Temporal 和 OpenAI Agents SDK 有什么区别

**AgentRun 的核心竞争力是把 Harness、持久执行、自我学习、计算环境和控制面打包为一个可自托管平台。**单独看每一项能力都不是全新发明，但将这些能力围绕 Agent 运行统一起来，目前仍不常见。

| 产品 | 核心定位 | 持久执行 | 原生自我学习 | 多 Harness 管理 | 更适合的场景 | |---|---|---:|---:|---:|---| | AgentRun | Agent 运行平台与控制面 | 是 | 是，沉淀 Note、Skill、Workflow | 是 | 托管多个 Agent、降低重复推理成本 | | LangGraph | 状态化 Agent 编排运行时 | 是 | 需要应用自行实现 | 不以 Harness 管理为核心 | 精细控制图状态、节点和人工介入 | | Temporal | 通用分布式持久工作流引擎 | 是，成熟度更高 | 否 | 否 | 长周期业务流程与高可靠任务编排 | | OpenAI Agents SDK | 多 Agent 应用开发框架 | 支持 Session、追踪和人工介入 | 非 AgentRun 式经验演化 | 主要管理 SDK 内 Agent | 构建工具调用、转交和多 Agent 协作 |

LangGraph 已经提供 Checkpoint、跨线程 Store、故障恢复和 Human-in-the-loop，它与 AgentRun 的重叠最大。但 LangGraph 更像供开发者组装系统的底层运行时，AgentRun 则试图直接交付控制台、Agent 版本、成本治理、Runner 和学习生命周期。(github.com)

Temporal 的持久执行和分布式可靠性更成熟，但它本质上是通用业务编排引擎，不理解 Agent 的提示词、模型费用、工具权限和学习材料。OpenAI Agents SDK 则偏向应用层开发，核心是 Agent、工具、Guardrail、Handoff、Session 和 Tracing，而不是统一托管不同公司的 Harness。(github.com)

现在能不能上生产

AgentRun 已经具备完整平台轮廓，但仍处于高速变化的 Beta 阶段。

11 月 12 日发布的最新版本为 v0.1.0-beta.35，对应启动器版本 0.4.3 和 Python 客户端 0.3.3。该版本要求 Node.js 24.22.3 或更高版本，并加入工具调用次数上限、学习效果展示，以及将学习到的工作流提升为独立 Agent 等能力。(github.com)

项目当前的优势很明确：

• 能在本地用 SQLite 启动，也能切换到 Postgres 和多个 Runner。
• Agent 定义、学习材料和运行记录都有明确版本。
• 成本上限、人工审批和工具权限不是事后日志，而是运行时机制。
• 不绑定单一 Agent Harness，适合同时评估 Claude Code、Codex 和开源 Harness。
• 自我学习不是直接修改生产提示词，而是经过检查、评分和 Git 提交。

风险同样明显：

• Beta 阶段的数据格式、CLI 和部署方式仍可能快速变化。
• 自我学习依赖额外模型评分，错误经验仍可能通过评分器。
• 学习内容会改变后续任务行为，生产团队必须建立回归评测和审批流程。
• 多个沙箱、浏览器和模型供应商组合后，故障边界与成本核算会变复杂。
• 项目目前的性能和降本数据主要来自团队自身案例，缺少独立的大规模基准测试。

因此，AgentRun 现阶段最适合两类团队：一类已经拥有可用 Agent，但正在被恢复、监控、权限和成本问题拖累；另一类拥有大量重复任务，希望把 Agent 探索出来的方法逐渐固化为工作流。

如果团队只是做一个简单聊天机器人，AgentRun 会显得过重；如果业务要求银行核心系统级别的持久执行保证，现阶段也不应直接把它等同于 Temporal。更稳妥的方式，是先选择一个高频、结果可评测、写操作风险较低的任务，观察学习前后总成本、准确率和人工介入次数。

判断：Agent 平台正在从“会跑”进入“会积累”

AgentRun 最值得关注的地方，不是又开源了一个 Agent 框架，而是它把经验积累变成了一等公民。

过去的 Agent 基础设施主要围绕一次运行展开：给模型工具、保存对话、记录 Trace、失败后恢复。AgentRun 开始把关注点移向多次运行之间：上一次任务学到了什么、哪些步骤可以复用、哪些开放式推理可以收敛成固定流程，以及经验出错后怎样撤回。

方向是对的。企业真正需要的 Agent 不是每天重新成为一次聪明新人，而是像一个可靠员工一样记住流程、接受审查，并逐渐减少重复劳动。

但“自我改进”也是一个容易被滥用的词。AgentRun 目前改进的是外部记忆、技能和工作流，不是模型本身；它能降低重复推理，却不能自动解决幻觉、数据质量和业务责任问题。将经验写进 Git、设置权限边界、保留人工批准，比宣传一个能够无限进化的 Agent 更务实，也更接近生产系统真正需要的能力。

参考来源

• Parcha-ai/AgentRun GitHub 仓库：项目代码、许可证、Star 数量与整体产品定位。
• AgentRun README：自我学习、工作流、计算环境、模板和系统架构说明。
• AgentRun Server 文档：Store、Runner、学习目录、恢复机制和服务端实现细节。
• AgentRun Releases：最新 Beta 版本、Node.js 要求与客户端版本信息。
• LangGraph 官方文档仓库：持久化、长期记忆、状态图和 Human-in-the-loop 机制。
• Temporal TypeScript SDK：通用持久工作流引擎及 TypeScript 运行时定位。
• OpenAI Agents SDK：Agent、工具、Guardrail、Handoff、Session 与 Tracing 能力说明。