通过三个界面驱动同一个智能体
同一个脚本化运行通过 print、JSON 和 RPC 给出的答案完全相同;观察者不同,失败契约也随之不同。
终端是驱动这个智能体的五种方式之一,而切换驱动改变的是你如何观察它,不是它是什么。下面两个微小的驱动把那个论断摆到同一个 agent-core 智能体面前,而一个随附二进制文件的测试把它推过 print、JSON 和 RPC。这里的一切都在 1.0.4 上、在一个脚本化模型之下运行——它演练的是每个界面如何观察这个智能体,而不是某个 provider 的输出。
两个驱动,一个智能体
下面的文件是本章那一对建立在同一个智能体之上的规范界面,原样复制:
import type { Agent } from "@earendil-works/pi-agent-core";
// Interface 1: streaming. What a terminal does: draw text as it arrives.
export async function drive_streaming(agent: Agent, prompt: string, draw: (chunk: string) => void): Promise<void> {
const off = agent.subscribe((e) => {
if (e.type === "message_update" && e.assistantMessageEvent.type === "text_delta") {
draw(e.assistantMessageEvent.delta);
}
});
try {
await agent.prompt(prompt);
} finally {
off();
}
}
// Interface 2: one-shot. What print mode does: no events, the final text and a status.
export async function drive_oneshot(agent: Agent, prompt: string): Promise<{ text: string; ok: boolean }> {
await agent.prompt(prompt);
const last = [...agent.state.messages].reverse().find((m) => m.role === "assistant") as any;
const text = last.content.filter((b: any) => b.type === "text").map((b: any) => b.text).join("");
return { text, ok: last.stopReason !== "error" && last.stopReason !== "aborted" };
}预期结果
两个完全相同的脚本化智能体,各以一种方式驱动,产生了形状相同、provider 调用次数相同的转录记录;唯一的区别是每个观察者看到的东西——流式驱动看到分成几块的答案,一次性驱动看到完整的答案。
在随附的二进制文件上,同一个脚本化运行通过 print、JSON 和 RPC 以相同的最终答案结束,而 JSON 和 RPC 产生了相同的生命周期事件(tool_execution_start、tool_execution_end、turn_end、agent_end、agent_settled),顺序相同,工具在两者里都运行。
| JSON | RPC | ||
|---|---|---|---|
| 你观察到什么 | 一个字符串,别的什么也没有 | 事件,没有命令响应 | 响应和事件 |
| 一次失败的响应 | 非零退出状态,stderr 上有消息 | 以 0 退出,失败在事件流里 | 失败在事件流里;prompt 命令本身成功了 |
| 它什么时候算完成 | 进程退出 | agent_settled,然后退出 |
agent_settled,进程保持运行 |
| 你如何匹配一条回复 | 不需要 | 不需要 | 通过请求 id |
智能体在三列里都是同一个;表里的一切都属于驱动。
机制与局限
有文档记载:cli-integration.md 陈述全部模式使用同一个智能体、会话、资源和工具,以及 SDK"不是一个 CLI 模式"。已观察:drivers.test.ts(智能体内核,进程内)和 binary.test.ts(随附二进制文件,子进程)都在 1.0.4 上、用脚本化响应运行,断言相同的答案、相同的事件顺序、观察者差异,以及上面的失败契约差异。
那个随附二进制文件的运行是一个带真实参数解析和真实配置目录的真实子进程,但没有 provider——脚本化模型是通过一个扩展注入的。那个有界的论断是同一个智能体、相同的答案、每个界面背后相同的生命周期事件。它不是"任何界面都能替换任何其他界面",它不是真实模型的响应,而一个能确认的界面不仅仅是一个不同的观察者。本章的规则:如果切换界面改变了一个扩展决定的东西,这个扩展就把呈现混进了策略。
完整源码与测试 。
Understand this example
Copy this prompt into your AI tool. No code runs here.
Apply this example
Copy this prompt into your AI tool. No code runs here.