Agent-native Architecture — 架构原则与接口定义
本页承载 Agent-native Architecture 的定义、设计原则与接口层积累。组织与运营维度见 product-trends/agent-native-org-model;产品案例与待验证清单见 product-trends/agent-native-cases-ledger。
What it is
Agent-native 架构把产品能力暴露为 agent 可直接操作的工具、状态、文件和工作流 primitives,而不是只提供给人点击的 UI 流程。Agent 成为一等操作者;人仍使用产品,但产品同时服务两类「用户」。
Core principles
- Parity:UI 能完成的事,agent 也应能通过工具完成。
- Granularity:工具是小而原子的 primitives,复杂功能由 agent/skill 组合。
- Composability:原子工具可组合出团队未显式设计过的新功能。
- Emergent capability:开放式目标下 agent 能探索工具组合,而不是只被路由到既有按钮。
- Improvement over time:应用通过 context、skills、prompt、observed demand 持续改进。
基础来源:Every 的 agent-native 架构 essay、Dan Shipper「Claude Code in a trench coat」、Stainless/MCP 设计约束、Google I/O 2026 的平台化版本(AINews/The Rundown 同期报道补充:这同时是平台分发策略)。
实现层规则:code-as-interface
Stainless/MCP 补充的硬规则:把每个 API endpoint 都暴露成工具不是 agent-native。复杂服务更好的接口是少量命名良好、输出范围紧的工具;agent 可在 sandbox 内调用的 SDK/typed client;让 agent 发现 primitives 的文档搜索;住在产品/API 层而非 prompt 文本里的权限与 auth 边界。
这重新定义 headless mode:agent-native 需要机器可操作状态、清晰失败模式、可恢复动作、人类可读审计轨迹。
接口分层积累(2026-05 ~ 2026-10)
- 谁主导布局:以人为主 = 工作区居中;以 agent 为主 = 对话区居中(Codex App、Claude Desktop、Cursor Agent 均采用后者)。设计 agent 产品先回答「谁主导」(2026-05-28, dotey)。
- WebMCP / action-readable website:网站不只暴露内容,还暴露 search/booking/buying/quote 等动作;对应商业测试是 agent mystery shopper 能否走完购买路径,断点算 agent-conversion bug(2026-08-28, Isenberg)。
- 凭证隔离登录:ChatGPT Work 的 credential-isolated browser login widget 让 agent 操作受保护服务而密码不进入 context——身份、权限、登录态成为 agent 可调用的安全 primitive(2026-08-28 Ben's Bites;2026-09-01)。产品启示:提供「agent 可用但不可见凭证」的机制,而不是把账号密码塞进 prompt。
- Web 三层:人类高质感体验、agent 可读信号(markdown/data/API/MCP)、按需生成工具层;中间工具型 UI 可能由 agent 即时生成(2026-08-29, Rauch)。是产品架构观点,非已验证预测。
- AI Native 流程测试:流程仍以人执行为主体、局部加 AI 辅助的,不是 AI Native;agent 是执行主体,人负责定义问题和验收(2026-08-30, dotey)。
- 执行面形态:WebMCP(站点原生暴露 tool calls + 生成视图)、userscript 层(Sider Code)、MCPX 外接执行面——可用性取决于状态持久化、权限边界、人的接管位置和额度归属(2026-09-02)。
- 工具发现顺序:先发现页面/服务显式暴露的工具 → 调用 → 浏览器自动化只作回退兼容层;否则 agent 只能从 UI 状态猜下一步,成本、失败率、信任负担都上升(2026-09-03, ctatedev;2026-09-04 Fable 5.1)。公开 capability surface 会扩大滥用面,需与凭证隔离、限流、审计一起设计。
- Agent 专用浏览器:Obscura 类基础设施保留 JS/DOM/网络/截图,减掉面向人类的浏览器负担(2026-09-03, MaxForAI)。
- 桌面工作面 + Site Tools:ChatGPT desktop app 成为浏览器式工作面;支持 Site Tools 的网站在内置浏览器直接暴露工具,地址栏成为能力发现入口(2026-09-03)。可用性取决于账号、网站支持和工具 schema。
- 后台执行:Claude Code / Cowork 在用户离开时后台用电脑,产品问题从独占桌面会话转为调度、隔离、状态可见、安全交接;后台工作需要可观测的成本与结果边界(2026-09-04;参见 AI cost governance)。
- 可命名扩展点 + 人类可感存在:Claude Code Function Hooks 用声明机制而非纯 prompt 定制行为;Grok Bot 的头像/固定交互说明 agent-native 同时有机器面与人类面(2026-09-04)。
- 页面本地工具:Next.js dev page 把调试/状态检查/修复入口直接暴露给正在测该 tab 的 agent;页面 + 浏览器 + 工具 schema 合成同一工作面(2026-09-05、2026-09-07, Rauch)。
- 前置澄清:编码前 agent 先问会改变方案方向的歧义,再评估 UX/DX/AX 取舍——入口从「立即执行」改为「先形成可检查的共同问题定义」;agent 不能自行决定权限、安全或范围扩张(2026-09-13, Voxyz)。
- 入口可消失,控制面不能消失:语音 front door、主动建议任务、后台规模化成立的前提是状态、权限、预算、暂停、accepted result 仍可见(2026-09-16)。
- Generative UI:后端用受控 JSON 选择组件/信息/动作,不同用户不同布局,不必等客户端同步发布;要求设计系统、权限、排序、身份、审计成为可观察原语(2026-09-19)。架构主张,不代表完成率已提升。
- 驾驶舱 → 控制面:产品围绕 Objective、Work Item、Agent、状态和权限组织;游戏化反馈不能替代审计和验收(2026-10-04、2026-10-05)。
- UI / OS / 调度三层同时推进:Intelligent UI 把图表控件变成答案;OS 级应用控制;Scheduled Tasks + 多人代理进入持续后台协作,需要预算、失败告警、暂停机制(2026-10-08)。
- 验证与交易边界:能力暴露为可组合原语之外,agent 带来的支付确认、真实世界模拟要求状态、授权、证据、接管、恢复同时可见(2026-10-12)。
Product tests
- 任取一个 UI 操作,agent 是否有等价工具路径?
- 未显式开发的领域任务,agent 能否组合现有 primitives 完成?
- 不可逆操作的确认在工具代码里强制,还是只写在 prompt 里?
- 改行为是编辑 skill/prompt,还是必须改产品代码?
- agent 产物是否对人可检查、可恢复、可审计?
- 流程以 agent 为执行主体,还是人执行 + 局部 AI 辅助?
Open questions
- 原子工具与领域工具的最佳边界在哪里?
- 哪些高频路径应从 agent orchestration「毕业」到确定性代码?
- agent-native 是否会让文件系统和 CLI 重新成为产品架构的核心接口?
- WebMCP 类 capability surface 的协议成熟度、权限模型、跨站 schema 质量仍缺实测。