从让模型少想一点,到让 Runtime 少管一点:重新理解 Agent、Runtime、MCP 与 Skill 的分工
把 AI 接入产品,难点不只是让它会做事,还要知道每件事究竟由谁负责。
先看一个教学示例:同事请助手比较两份基金说明书,列出关键差异并保存报告。模型能理解“哪些条款发生变化”;读取工具负责拿到两份文件;保存程序知道报告是否真的落盘。如果把这些决定都塞进一个“总管”,看似集中,出了问题反而难以说清谁的判断有效。
这篇文章要回答一个普通的架构问题:哪些事需要 AI 理解,哪些事应由工具和程序按事实处理? 我们用这个小任务解释四种角色,再回看 ETF Agent 中两次真实演进:早期让模型维护过多执行状态,后来又让运行系统承担了不属于它的业务解释。
在这里,**Model(模型)**负责理解和选择;**Skill(技能说明)**提供分析方法;MCP 工具提供可调用能力;**Runtime(运行系统)**记录权限、调用和结果。这是帮助理解责任的地图,不是四个必须独立部署的服务。本文的迁移历史以 2026 年 9 月的原始记录为依据;不把当时未完成的替换写成今天已全面落地的事实。
一、第一步:模型说“我保存了”,不等于文件存在
早期我们让模型交回一个结构化的 AgentTurn,除了下一步动作,还包含证据缺口和完成声明:
{
"actions": ["search"],
"gaps": ["还缺来源"],
"completionClaim": false
}这个方案当时有道理:研究要分步进行,系统也要知道为何继续。但随着权限、预算、工具回执和发布状态越来越多,模型不得不复述一份运行系统已经知道的状态。两份记录一旦不一致,就会出现“模型说完成,文件却没保存”的争议。
于是研究逐步转向原生工具调用:模型提出“下一步读取什么”,真正的工具执行、允许范围和保存结果由程序记账。模型可以改变看法,但不能用一句自述改写已经发生的操作。 这就是原生工具循环替代状态镜像的主要理由。
二、程序要记执行事实,但不用替模型做研究
对一份报告来说,“还剩几次读取机会”“文件写入有没有回执”“用户是否允许读取私人资料”应由程序判定;不能让模型靠猜。运行系统负责这些可核对的事实,并在中断后使用原有记录,而不是重新编造过程。
但另一个极端也不对:看到一段逻辑不适合模型,就全部塞进 Runtime。例如“比较基金时应该先核对披露日期”是一种研究方法,不是进程调度;“读取哪个基金组合”则由已经提供这种数据能力的工具定义。程序负责安全执行,不代表程序要重新发明业务知识。
三、同一个工具说明写了三遍,为什么难维护
2026 年 9 月的工具整理暴露了一个很实际的问题:工具叫什么、哪些参数可用、应该调用哪条路径,在不同接线位置重复维护。一处更新了“读取基金持仓”的定义,其他位置可能仍保留旧名字或旧参数。
当时先把重复映射收敛成一份工具约定,让各处从它派生。这避免了“三处各自解释同一件事”,但没有自动解决更深的问题:剩下的那份定义,真的由提供数据能力的一方负责吗?
这也是工具可见性专文与本篇的分工:前者讨论模型最终看到了哪些工具,本篇讨论谁应该定义工具及其规则。
四、工具已经能“查某项”,为什么还要包成“查全部”
拿组合查询举例:数据工具已经分别提供“读取组合概览”“查看某个持仓”“读取分组持仓”等能力。为了统一管理,研究侧曾再包出一个宽泛的 read_portfolio。它看起来给模型一个简单入口,却让“究竟能查什么”在两处都有解释。
可以把它想成:图书馆已经按书名、作者和主题提供检索,门口又设一个只接受“帮我查书”的窗口。窗口不是没有用——它可以检查读者证件和借阅限额;但它不应该再创造一套与馆藏目录不同的分类和书目。
因此,设计方向是让工具的能力描述来自真正提供它的地方,Runtime 保留授权、预算、调用回执和结果大小等保护。历史上的整层替换没有在当时一次完成:现有工具表面能消费发现的能力描述,不代表所有旧包装、映射已无条件退役。
读者可以用一个很简单的办法检查这类封装:删掉中间包装后,必要保护还在不在?如果都在,而重复名字和参数映射消失了,它可能只是把复杂度搬来搬去。
五、职责分工:模型 / 技能 / MCP / 运行时
这次重新划分后,我更愿意把四层理解成四种不同的复杂度。
按起点分组阅读关系与条件;完整图保留在下方。
- → 模型选择行动
- → 当前可用工具
- → 模型选择行动
- → 执行前钩子
- → MCP 工具
- → 执行后钩子
- → 模型继续研究
- → 当前可用工具
- → 执行前钩子
- → 执行后钩子
完整关系图 · 可放大查看细节
关系或判断条件:
- SkillGuidance → ModelSelectsAction:辅助关联。
- RuntimeLifecycle → AvailableTools:辅助关联。
- RuntimeLifecycle → PreToolHook:辅助关联。
- RuntimeLifecycle → PostToolHook:辅助关联。
这张图表达职责划分。当前实现与局部回归已体现该划分;它不证明所有环境、恢复组合与 live 行为均已验收。
模型:负责语义复杂度
模型适合回答:
用户到底想解决什么?
还缺什么信息?
下一步该查哪一类资料?
两个证据冲突时应该继续查哪边?
最后该怎么解释?这些问题没有一个固定规则能在所有上下文下得到唯一答案。
技能:负责方法复杂度
Skill 更像一套可复用的方法,而不是数据接口。
例如“分析我的基金是不是重复”这个任务,Skill 可以规定:
先看整体组合
→ 再看集中度
→ 对候选基金读取关系证据
→ 区分同产品、同指数和底层持仓重叠
→ 回答时带日期和覆盖范围Skill 可以声明 allowed-tools、required-tool-attempts 或回答结构,但它不应该自己下载持仓、管理 sourceRef、缓存页面或维护恢复状态。
一句话:
Skill 说明这类问题怎么做。
MCP:负责能力复杂度
MCP 回答的是:
系统能做什么?
一个业务 Tool 的 identity、description、input schema 和 output semantics,天然应该由提供这个 capability 的 owner 定义。
例如:
portfolio__get_bucket_holdings本身就已经表达一个完整能力:读取某个 Portfolio bucket 的持仓。
它不应该先变成一个更模糊的 Runtime Tool,再被映射回来。
所以我现在更愿意把 MCP 理解成:
capability interface,而不只是 data connector。
运行时:负责过程复杂度
Runtime 负责的是一次 run 怎么活着走完:
当前 phase
预算与消耗
取消
checkpoint
recovery
receipt
continuation
publication orchestration
terminal conditionRuntime 可以提供:
remainingReadActions = 3
phase = finalization-only但它不应该因为自己知道这些状态,就顺手定义 Portfolio、Market、Web 各自有哪些业务 Tool。
六、一个具体例子:同一句持仓问题,四层分别做什么
假设用户问:
“红利低波这一块我到底买了哪些基金?是不是重复得太多?”
下面是教学示例,使用合成数据,不对应任何真实持仓,也不是现行 wire contract。
模型首先做语义判断:
{
"goal": "检查红利低波桶的组成与重复关系",
"nextStep": "读取该 bucket 的持仓,再按需要读取关系证据"
}Skill 提供方法约束:
不要仅凭基金名字判断重复;
需要区分产品关系、同指数和 measured constituent overlap;
部分穿透不能写成全量重叠率。MCP 提供能力:
portfolio__get_bucket_holdings
portfolio__get_portfolio_relationships一次 bucket read 的结构化结果可以类似:
{
"bucket": "dividend_low_volatility",
"items": [
{
"fundCode": "F001",
"fundName": "示例基金 A",
"value": 10000,
"weight": 0.08
},
{
"fundCode": "F002",
"fundName": "示例基金 B",
"value": 7000,
"weight": 0.056
}
],
"coverage": {
"requested": 2,
"returned": 2,
"complete": true
}
}Runtime 不需要知道“红利低波是不是重复太多”。
它只需要知道:
这项 Portfolio capability 是否已经授权?
当前 Tool 是否可执行?
调用是否完成?
结果是否在大小边界内?
receipt 是否已经落库?这样每一层都只承担自己真正拥有的复杂度。
七、Hook 的边界:治理调用,不重新实现业务语义
把 Tool 语义还给 MCP,并不意味着 Tool 调用不再治理。
PreToolUse / PostToolUse 很适合做跨层的机械治理。
PreToolUse:只做确定性的单字段处理
适合:
2026/9/30 → 2026-09-30
1万 → 10000
确定市场后的证券代码规范化
人工审核过的一对一枚举 alias这些处理有共同特点:
- 输入已经位于明确字段;
- 映射唯一;
- 不需要理解整句话;
- 可以稳定测试。
不适合:
“腾讯最近跌得很多”
→ 猜测用户其实想查 0700.HK 并分析是否减仓这已经是语义理解,应留给 Model。
PostToolUse:可以收窄,不要重新造业务模型
适合:
删除敏感字段
减少模型不需要的内容
做最终大小检查
保留 coverage / provenance如果一个 Tool 每次返回后都需要在 PostHook 里重新分类、重新聚合、重新分页、重新构造业务语义,通常说明 Tool Interface 设计得不对。
更合理的修复是:
回到 MCP,增加一个真正适合该场景的 view。
而不是让 Runtime 或 Hook 长成第二套业务层。
八、回看两次改变:不是“集中越多越好”
| 当时的办法 | 后来发现的问题 | 更合适的责任 |
|---|---|---|
| 让模型同时写下一步动作和执行状态 | 模型的“完成”与工具实际回执可能冲突 | 模型提议动作,程序记录事实 |
| 多处各自维护同一工具说明 | 改一个名字还要改多处,容易遗漏 | 由一处工具能力定义派生展示与调用 |
| 用宽泛的研究工具包装已有的业务能力 | 原始工具的具体用途被遮蔽 | 工具本身描述能力,运行系统保留安全治理 |
三次观察并不能证明“所有包装都该删”。只有当包装不再独立承担必要职责时,删除才真正减少维护负担。
九、失败与降级边界:分工变清楚,不代表边界变软
把职责拆开,并不是把所有逻辑交给模型。
恰恰相反,有些硬边界必须继续由确定性代码执行。
私有 Tool 在授权前不可见
目标设计里,Portfolio 这类私有 Tool 在 capability grant 前不进入本轮 Tool Surface;授权成功后,下一 ModelTurn 才能看到。
即使可见,PreToolUse 仍然要重新检查本次调用是否允许。
可见性不是授权。
机械 canonicalization 有歧义就停止
日期、金额、证券代码或精确 alias 可以规范化,但只要需要理解句子或存在多个合理映射,就不猜。
返回结构化纠正信息,让模型重新决定。
结果太大就显式不可用
不能为了让模型“至少拿到一点”就把一个声称 complete 的持仓列表静默截成 Top N。
complete-or-unavailable 比“看起来成功”更重要。
Web source state 不能为了拆 wrapper 而丢失
如果当前 Web wrapper 承担同一 Run 内的来源句柄校验、先读取再查找,以及失效或撤销的 Web 来源句柄拒绝访问等约束,就必须先把这些责任迁回 Web MCP / Gateway,再删除 wrapper。这里撤销的是 Web 来源句柄,不是重新撤销 Host 已记录的 Run 授权;现行授权在同一 Run 及其恢复过程中保持有效。
删除中转层的目标是消灭重复 owner,不是消灭安全边界。
十、现在我会用五个问题判断逻辑应该放在哪里
以后再看到一段 Agent 逻辑,我会先问:
1. 这件事需要理解意义吗?
是 → Model
例如用户意图、下一步调查、证据冲突、解释。
2. 这件事是在描述“这类任务怎么做”吗?
是 → Skill
例如基金重叠分析需要哪些步骤、需要尝试哪些能力、回答包含哪些部分。
3. 这件事定义的是“系统能做什么”吗?
是 → MCP / capability owner
例如读取组合、查询基金、浏览页面、获取指数成分。
4. 这件事是运行过程中可确定的状态吗?
是 → Runtime
例如预算、取消、receipt、checkpoint、recovery、terminal。
5. 如果删掉这一层,复杂度到底去哪了?
- 复杂度扩散给多个调用方:这层可能有价值;
- 复杂度被一个更深的 owner 吸收:应该 deepening;
- 只有 mapping、schema copy、alias 和自测消失:大概率应该删。
第五个问题尤其重要。
我们之前已经做对了“多 owner → 单 owner”,但这次才真正补上:
单 owner 之后,还要继续问 owner 是否放对了地方。
十一、和主流 Agent 框架放在一起看,哪些分工是我们的选择?
前面的 Model / Skill / MCP / Runtime 四分法,是面对实际维护问题得到的责任地图,不是要求其他框架都照此组织,更不是声称这些分工由某个开放协议强制规定。
| 外部参照 | 公开定义与实现重点 | 与本文的对照 |
|---|---|---|
| Anthropic · Building Effective Agents | 区分预设代码路径的 Workflow 与模型自主选择动作的 Agent;从足够简单的组合开始,在确有收益时才加入复杂编排。 | 我们同样不要求所有任务先过固定 Planner 或 Reviewer;Native Loop 保留模型对研究下一步的判断,同时让实际执行事实由 Host 负责。 |
| OpenAI Agents SDK | 提供 Agent、工具、Handoff、Guardrails、Session 与 Trace 等编排与调试原语,也允许应用按需扩展。 | SDK 可以承载许多相同任务;本文更关心哪些状态和效果最终归谁负责,而不是再发明一套有相同功能的 Agent 编排层。 |
| MCP 官方架构 | 用 Host、Client、Server 及 Tools/Resources 等机制规定能力连接方式。 | MCP 解决如何描述、发现、调用外部能力,但具体金融授权、持仓口径、资料撤权和效果回执仍须由应用及相应能力 Owner 落实;“使用 MCP”不是业务许可本身。 |
因此,与行业实践的共同点是尽量保持工具与研究循环简单、可组合、可观察;我们的额外工程取舍是让长任务的资格、可恢复状态和持久效果有明确归属,避免后续业务功能把 Runtime 改成又一套业务裁决层。这不是框架能力排名,也没有通过横向实测证明某个 SDK 更快或更可靠。
一个实用判断是:如果现有 SDK 的 Loop、Handoff、工具执行已满足需求,就复用它;只有当原有责任归属无法满足可验证的金融授权、持久回读或恢复需求时,才增加最小适配层,并定义未来如何退出。区别来自任务契约,而不是品牌或模块数量。
十二、现行结构与历史尝试需要分开看
Native 工具循环、工具契约与 Host 能力查询的职责已经经历实际收敛,减少了重复的工具映射与准入判断。但历史上也有只做完局部接线、未完成整体替换的路线,不能因为部分代码存在就宣布整个架构迁移成功。
这个案例足以解释为什么一份工具定义也可能放在错误的责任归属里,却不能仅凭受控回归证明模型选工具更准、投研成果更好,或者研发成本已经下降。最有价值的不是完成项清单,而是下一次新增能力时如何判断该增加、迁移还是删除一层。
最后:下次评审新规则,先决定它应该在哪里
从 AgentTurn 到原生工具调用,我们首先学会让模型专注研究,Runtime 保留执行事实。后来又学会另一半:Runtime 能执行一件事,并不代表它应该解释那件事的业务意义。
例如,基金资料是否读回,是工具和来源事实;是否再查一项风险指标,是研究判断;是否已授权、是否真实发生,则要由执行效果的原责任方确认。
这一分工可以简记为:
Model → 语义复杂度
Skill → 方法复杂度
MCP → 能力复杂度
Runtime → 过程复杂度下次评审 Validator、Tool、Hook 或 Skill,先问三个问题:它在解释用户意图吗?它定义可复用的方法或能力吗?还是仅处理本次运行的资格、顺序与回执? 不同答案不应被同一个新增总管吞下。
让每一层维护自己真正拥有的知识,不让其他层重复裁决。 这比不断把规则下沉 Runtime 更利于长期升级。相关设计检查见原则 2与方法 2。
延伸阅读
阅读与实现口径(2026 年 10 月)
本文以 ETF Agent 的设计演进解释职责边界,而非把所有历史尝试视为现行完整功能。想动手观察一条范围明确的公开路径,可以看 Open ETF Agent v0.11 固定源码和当前运行说明:公开版的文档比较、结果传递与本地 PDF 演示主要使用合成资料和脚本动作,不能代表完整内部投研系统或真实模型效果。