11. 延伸阅读

官方文档（必读）

• OpenAI Agents SDK
  • 厂商原生 Agent SDK，学习 Agent、Tool、Handoffs、Guardrails、Tracing 设计。
• LangGraph Documentation
  • 生产级状态图编排，重点看 StateGraph、Persistence、Human-in-the-loop。
• LangChain Function Calling
  • 工具调用与 JSON Schema 生成机制。
• Smolagents Documentation
  • 轻量级代码优先 Agent 框架。
• PydanticAI Documentation
  • 类型安全 Agent 框架。
• CrewAI Documentation
  • 角色化多 Agent 团队框架。

论文

• ReAct: Synergizing Reasoning and Acting in Language Models
  • ReAct 范式的原始论文。
• Toolformer: Language Models Can Teach Themselves to Use Tools
  • 模型使用工具的早期工作。

工程文章

• Agent Runtime 与 Agent OS：2026 年 AI 产品的工程底座 — Diors.tech
  • 中文视角下的 Runtime 与 Agent OS 边界。
• quant67 — Agent 框架工程
  • 大模型基础设施工程系列中的 Agent 框架篇。
• 从 Function Call 到 MCP → SKILLS
  • 工具能力封装从 function call 到 skills 的演进。
• Agent Memory Systems — Steve Kinney
  • Agent 记忆系统设计。

云厂商 Runtime

• AWS Bedrock Agents / AgentCore
• Azure AI Agent Service
• Google Vertex AI Agent Engine

相关主题

• Agent Runtime 详解 — 本主题。
• Memory 详解 — Agent 的记忆系统：工作记忆、长期记忆、向量检索与持久化。
• Multi-Agent 详解 — 多 Agent 协作、角色定义、协调调度与共享黑板。
• Reflection 详解 — Agent 自我反思与纠错：生成、批判、评估、修订闭环。
• MCP 详解 — Agent 能力发现与调用协议，Runtime 的重要搭档。
• Planning 详解 — 复杂任务分解、计划表示与动态重规划，与 Runtime 内嵌 Planner 形成分层。
• Tool Use 详解 — Agent 工具调用层：Schema、解析、校验、执行与结果格式化，Runtime 的直接依赖。
• LLM Gateway 详解 — Agent Runtime 通常通过 Gateway 调用模型。
• vLLM 详解 — 可作为 Agent Runtime 的上游推理引擎。
• SGLang 详解 — 结构化生成与 LLM Program 执行引擎。
• Triton Inference Server 详解 — 多框架推理服务入口。

推荐学习路径

1. 先读 ReAct 论文，理解 reasoning + acting 的基础。
2. 用 OpenAI Agents SDK 跑通一个带工具调用的简单 Agent。
3. 用 LangGraph 实现一个带 checkpoint 的多步 Agent。
4. 阅读本主题的 Mini Demo，手写一个最小 ReAct Runtime。
5. 结合 生产实践 思考沙箱、护栏、可观测与评测落地。

本章小结

Agent Runtime 的生态系统正在快速分化：OpenAI Agents SDK 适合快速落地，LangGraph 适合复杂生产工作流，Smolagents 适合教学，PydanticAI 适合强类型应用。结合本主题的 Mini Demo、生产实践 与 最佳实践，可以从理论到工程全面掌握 Agent Runtime。

参考来源

• OpenAI Agents SDK Docs
• LangGraph Docs
• Smolagents Docs
• PydanticAI Docs
• Diors.tech — Agent Runtime 与 Agent OS
• quant67 — Agent 框架工程