5.4 企业级 Agent 运行时 — 从个人脚本到生产基础设施

本节导读：理解从个人终端循环脚本到企业级 Agent 运行时的关键差距，掌握审计追踪、权限控制、成本治理等企业级需求的设计方法。

学习目标

• 理解个人循环与企业级运行时的核心差距
• 掌握企业级 Agent 运行时的关键需求
• 了解 TrueFoundry 等企业级解决方案的架构
• 学会设计多租户 Agent 运行时

核心概念

Osmani 指出循环工程目前的主要形态："It's, as practiced, an individual-developer pattern running on individual laptops."（循环工程目前的实践形态是个体开发者在个人电脑上运行的模式。）但从个人脚本到企业基础设施之间存在巨大差距。

TrueFoundry 在其企业级分析中精准定义了这个差距：

从个人到企业的五大差距

环境准备 / 前置知识

• 已完成 5.3 节学习
• 了解企业软件基础设施概念
• 有团队或企业环境 Agent 部署需求

分步实战

步骤 1：设计企业级 Agent Harness

"""
enterprise_harness.py - 企业级 Agent Harness 框架
"""
from dataclasses import dataclass
from typing import List, Dict, Optional
from enum import Enum
import time
import json

class Permission(Enum):
    READ = "read"
    WRITE = "write"
    EXECUTE = "execute"
    ADMIN = "admin"

@dataclass
class AgentConfig:
    """Agent 配置"""
    name: str
    model: str
    skills: List[str]
    permissions: List[Permission]
    max_tokens: int
    sandbox: bool

class ApprovalPolicy(Enum):
    AUTO = "auto"           # 自动执行
    REVIEW = "review"       # 执行后人工审查
    PRE_APPROVE = "pre"     # 执行前人工审批
    BLOCKED = "blocked"      # 完全禁止

@dataclass
class ActionRecord:
    """操作审计记录"""
    timestamp: str
    agent: str
    action: str
    tool: str
    input_hash: str
    output_hash: str
    tokens_used: int
    approved_by: Optional[str]
    status: str

class EnterpriseHarness:
    """
    企业级 Agent 运行时
    提供沙盒、审批、追踪、成本治理等企业能力
    """

    def __init__(self, config: AgentConfig):
        self.config = config
        self.audit_log: List[ActionRecord] = []
        self.token_budget = config.max_tokens

    def execute_action(self, action: dict) -> dict:
        """执行 Agent 操作，带审批和审计"""
        # 1. 权限检查
        required_perm = self._get_required_permission(action)
        if required_perm not in self.config.permissions:
            return {"status": "denied", "reason": "权限不足"}

        # 2. Token 预算检查
        estimated = action.get("estimated_tokens", 10000)
        if estimated > self.token_budget * 0.3:
            return {"status": "denied", "reason": "单步成本超过预算30%"}

        # 3. 审批策略
        policy = self._get_approval_policy(action)
        if policy == ApprovalPolicy.PRE_APPROVE:
            approval = self._request_human_approval(action)
            if not approval:
                return {"status": "blocked", "reason": "人工未批准"}

        # 4. 执行
        start = time.time()
        result = self._run_in_sandbox(action)
        elapsed = time.time() - start

        # 5. 记录审计
        record = ActionRecord(
            timestamp=time.strftime("%Y-%m-%d %H:%M:%S"),
            agent=self.config.name,
            action=action["type"],
            tool=action.get("tool", "none"),
            input_hash=str(hash(str(action["input"]))),
            output_hash=str(hash(str(result))),
            tokens_used=estimated,
            approved_by=approval.get("approver") if policy != ApprovalPolicy.AUTO else "auto",
            status="success" if result else "failed"
        )
        self.audit_log.append(record)
        self.token_budget -= estimated

        return {"status": "success", "result": result}

    def _run_in_sandbox(self, action: dict) -> dict:
        """在沙盒中执行操作"""
        if self.config.sandbox:
            print(f"🔒 沙盒执行: {action['type']}")
        return {"output": "执行结果"}

    def get_cost_report(self) -> dict:
        """生成成本报告"""
        total_tokens = sum(r.tokens_used for r in self.audit_log)
        used = self.config.max_tokens - self.token_budget
        return {
            "agent": self.config.name,
            "total_tokens_used": total_tokens,
            "budget_remaining": self.token_budget,
            "budget_total": self.config.max_tokens,
            "usage_percent": used / self.config.max_tokens,
            "action_count": len(self.audit_log)
        }
​

步骤 2：实现多租户隔离

class MultiTenantRuntime:
    """
    多租户 Agent 运行时
    每个租户有独立的 Agent 配置、权限和 Token 预算
    """

    def __init__(self):
        self.tenants: Dict[str, EnterpriseHarness] = {}

    def register_tenant(self, tenant_id: str, config: AgentConfig):
        self.tenants[tenant_id] = EnterpriseHarness(config)

    def execute(self, tenant_id: str, action: dict) -> dict:
        if tenant_id not in self.tenants:
            return {"status": "error", "reason": "未知租户"}

        return self.tenants[tenant_id].execute_action(action)

    def get_all_reports(self) -> list:
        return [t.get_cost_report() for t in self.tenants.values()]
​

步骤 3：MCP Gateway 的 FinOps 控制

class MCPGateway:
    """
    MCP Gateway: 统一管理 MCP 连接器的调用
    提供成本治理和访问控制
    """

    def __init__(self):
        self.rate_limits = {}  # tool -> calls per minute
        self.cost_tracking = {}

    def call_tool(self, tenant_id: str, server: str,
                  tool: str, args: dict) -> dict:
        # 速率限制检查
        key = f"{tenant_id}:{server}:{tool}"
        if not self._check_rate_limit(key):
            return {"error": "rate_limit_exceeded"}

        # 成本估算
        cost = self._estimate_cost(server, tool, args)
        if not self._check_budget(tenant_id, cost):
            return {"error": "budget_exceeded"}

        # 执行调用
        result = self._forward_call(server, tool, args)
        self._track_cost(tenant_id, cost)

        return result
​

常见问题 FAQ

Q1：企业级运行时最大的挑战是什么？

A：不是技术，是信任和组织文化。让 AI Agent 在企业环境中自主执行操作，需要管理层和工程师的信任。这需要：清晰的权限边界、全面的审计追踪、可控的预算、以及渐进式部署——先从低风险任务开始，验证可靠后再扩大范围。

Q2：小团队需要企业级运行时吗？

A：取决于团队的规模和风险偏好。3-5 人的团队可能只需要 Claude Code + Skills + 基本的 Token 预算管理就够了。但如果你处理敏感数据（用户隐私、金融信息）或需要合规（SOC2、GDPR），即使小团队也需要审计追踪和权限控制。

Q3：TrueFoundry 和自建运行时怎么选？

A：TrueFoundry 适合不想运维基础设施的团队。它提供了开箱即用的 Agent Harness、Sandbox、Approvals、Traces 等企业能力。自建运行时适合有特殊需求（如内部工具深度集成、特殊合规要求）或预算有限的团队。大多数团队建议从 TrueFoundry 开始，需求明确后再考虑自建。

最佳实践与避坑

• 渐进式部署：先低风险 → 验证 → 逐步扩大
• 权限最小化：只给 Agent 必需的最小权限
• 审计一切：所有操作都记录，包括 Token 消耗
• 预算隔离：每个团队/项目有独立的 Token 预算
• 沙盒必须：所有执行都在隔离环境中

本节小结

本节探讨了从个人循环到企业级运行时的关键差距和解决方案。企业级需求包括沙盒隔离、权限控制、审计追踪、成本治理和合规——这些是循环工程从个人实践走向生产基础设施的关键。

下一节我们将展望 Loop Engineering 的未来趋势。

延伸阅读

• TrueFoundry: Enterprise Agent Runtime
• Addy Osmani: Long Running Agents
• 相关章节：5.5 Loop Engineering 的未来趋势

关键词：Loop Engineering, 企业级运行时, Agent Harness, 沙盒, 权限控制, 审计追踪, FinOps, TrueFoundry, 教程, 高级