工具

AgentRun 开源背后:Agent 平台开始接受自带运行时

GREP.AI 将自用的 AgentRun 框架开源,并扩展为托管平台。本文分析 ACP 兼容层、自托管方案和 Agent 执行基础设施的取舍。

字号

GREP.AI 开源 AgentRun,并扩展成托管平台。它通过 ACP 兼容 Claude Agents、Codex 等运行时,重点放在执行环境,而不是再包一层模型。

Agent 平台过去常把模型、工具和工作流绑成一个产品。用户换一个模型或 Agent harness,往往要重写代码、重配环境,连调试记录也带不走。

GREP.AI(YC F26)的做法相反。它开源 AgentRun,并把它扩展成完整的 managed agents 平台。README 的原话是:

We (GREP.AI, YC F26) are open-sourcing AgentRun and turning it into a full managed agents platform.

它试图成为模型与运行时之上的控制层。

从自用框架到开放平台

AgentRun 的起点不是通用云平台,而是 GREP.AI 内部使用的 Agent harness。

这条路径很关键。先把内部任务跑通,再开放执行环境、工具接入、行为分析和服务托管。平台提供一套完整执行链:

  • Web-grounded workflows
  • 多种 sandbox 与 computer environments
  • 数千种工具和集成
  • Agent 行为分析与自我改进能力

AgentRun 同时支持自托管。部署和使用说明都放在 GitHub README。

因此有两种产品形态:

  1. 托管版。用户不必自己维护容器、浏览器、凭据和运行环境。
  2. 自托管版。用户保留数据和基础设施控制权,同时继续使用 AgentRun 的核心能力。

这个拆分比“全套托管”更实用。Agent 执行过什么、调用过哪个工具、留下了什么文件,都可能涉及企业数据。是否上云,不能只按省事程度决定。

ACP 才是兼容层的支点

AgentRun 的核心主张可以概括为:bring your own agent。

README 写得很明确:

AgentRun works with Pi, Claude Agents, Codex, OpenCode, and any other harness that supports ACP.

ACP 在这里承担类似适配层的作用。AgentRun 不要求所有团队统一使用某一种 harness。只要对方支持 ACP,就可以接入。

这会直接影响迁移成本。

假设一个团队先用 Claude Agents 跑代码任务,后来发现某类批处理更适合 Codex,或者想测试 OpenCode。过去常见的做法是重建工具调用、状态管理和沙箱配置。接入 ACP 后,至少执行协议可以保持一致。

但兼容 ACP,不等于模型能力、上下文管理、提示词策略和工具行为完全一样。

不同 harness 对任务拆解、错误恢复、工具选择和上下文压缩的处理仍可能不同。AgentRun 解决的是“如何接入和运行”,不是“不同 Agent 是否具有同等效果”。

模型之外,运行环境才是重头戏

大模型只是 Agent 的一层。真正执行任务的,是浏览器、代码沙箱、文件系统、网络访问、API 凭据和外部工具。

这也是 AgentRun 把重点放在 managed agents 上的原因。

它提供 Web-grounded workflows,让 Agent 可以基于真实网页完成任务。平台还提供多种 sandbox 和 computer environments,以及数千种工具和集成。对企业用户而言,这些东西比再包一层模型 API 更接近实际成本。

部署一个能工作的 Agent demo,通常不难。难的是稳定处理下面这些细节:

  • 浏览器会话如何隔离
  • 代码在哪个容器执行
  • API key 存在哪里
  • 任务超时后如何恢复
  • 外部网页挂了怎样重试
  • 一次任务生成了哪些文件和日志
  • 不同任务之间会不会互相污染

托管平台真正出售的是这些工程能力。

从产品角度看,这也解释了为什么 AgentRun 强调“自带 Agent”。模型可以替换。Claude、Codex 或其他 LLM 都可以作为推理引擎,但执行环境、权限边界和观测数据仍在平台手里。

Self-improving 需要可观测性兜底

AgentRun 将两件事列为核心能力:

  • Self-improving agents
  • Detailed analytics on how your agents behave

两者必须放在一起看。

没有轨迹、工具调用和环境状态记录,自我改进基本只是换一套提示词,然后猜哪里出了问题。一次 Agent 任务失败,可能来自模型判断,也可能来自浏览器超时、凭据失效、工具返回格式变化,或者沙箱状态被污染。

如果系统只看到最终失败,它没有足够信息决定该改模型、改 prompt,还是修工具。

细粒度行为分析至少应记录:

  1. 每一步选择了什么工具。
  2. 工具收到了什么参数。
  3. 返回结果和环境状态是什么。
  4. Agent 为什么继续、重试或放弃。
  5. 最终结果与预期目标差在哪里。

有了这些轨迹,自我改进才可能从“根据失败样本猜 prompt”变成针对具体失败环节做修改。

不过,行为分析也带来隐私和安全问题。Agent 轨迹里可能出现用户输入、网页内容、文件片段和凭据相关上下文。平台必须明确数据保留周期、脱敏方式和访问控制。否则观测能力越强,泄露面也越大。

Agent 平台未必该绑定模型

AgentRun 最有价值的地方,不是再造一个 Claude 或 Codex,而是把模型、harness 与执行环境之间的边界做清楚。

模型能力还在变化。闭源 API 的价格、上下文长度和工具协议会调整,新的开源模型也会不断出现。团队如果把应用逻辑与某个 Agent runtime 深度绑定,升级就会变成迁移工程。

ACP 提供了一个可替换接口。AgentRun 则进一步提供运行和观测基础设施。两者组合起来,平台更像 Agent 的“操作系统”或控制面,而不是某个模型的附属品。

这也会改变托管版与自托管版的取舍。

托管版适合任务量大、运行环境复杂、团队不想维护基础设施的团队。自托管版适合数据敏感、已有 Kubernetes 能力,或者需要深度修改执行环境的团队。

但自托管并不等于零成本。容器镜像、浏览器、凭据管理和日志存储都要有人负责。

AgentRun 是否真能降低迁移成本,目前还不能只看兼容性列表。ACP 支持范围、不同 harness 的功能差异,以及托管版对具体 runtime 的支持深度,都需要实际项目验证。

编辑思考

AgentRun 的重要性不在于开源了一个 Agent 框架,而在于它把竞争焦点从模型移到运行时。模型可以替换,工具会变化,真正昂贵的部分往往是执行环境、状态管理和失败追踪。ACP 如果足够稳定,团队就能少做迁移;AgentRun 如果提供一致的工具语义和可观测数据,自托管与托管版也更容易互换。

我的判断是,未来值得观察的不是 AgentRun 接入了多少模型,而是它能否让不同 harness 在同一套观测与评测体系下公平运行。这与过去只比较模型榜单、上下文长度或 Agent demo 成功率不同。评测对象变成了完整执行链。

但现在下结论还早。README 没有消除几个关键不确定性:ACP 覆盖哪些真实能力,Claude Agents、Codex 和 OpenCode 接入后是否保持同等行为,以及细粒度分析会不会带来明显成本与数据风险。自我改进尤其需要验证标准。一次偶然成功,不足以证明系统学到了可复用能力。

来源

https://github.com/Parcha-ai/agentrun/blob/main/README.md

来源: https://github.com/Parcha-ai/agentrun/blob/main/README.md