2026 开源行业解决方案创新赛 · 赛道一（开源基础软件与解决方案）参赛作品
申报主体：PandaaX | 项目负责人：刘钰恺
开源许可证：Apache-2.0
随着大语言模型（LLM）与智能体（Agentic AI）在产业界的快速演进，企业级智能体正在从早期的“实验性原型”与“单体聊天机器人”跨入“生产级自动化工作流”时代。然而，现有主流智能体框架在企业关键任务（Mission-Critical）场景落地时面临核心瓶颈：
- 状态不可追溯与不可复现：长流程执行中遇到进程崩溃、网络超时或 OOM 时，状态全部丢失，重新执行导致高昂的 Token 成本和重复副作用。
- 服务治理与容错能力缺失：缺乏分布式多智能体间的调用网格治理、流量调度、熔断降级与主备自愈机制。
- 协议孤岛与工具耦合：缺乏跨框架互操作性，工具调用接口私有化，未全面拥抱 MCP（Model Context Protocol）标准化生态。
- 安全权限失控：智能体执行本地代码或系统工具时缺乏细粒度能力沙箱，容易引发越权与提权风险。
AgentMesh 是专为解决上述工业落地瓶颈而设计的开源基础软件。它创新性地将“确定性事件溯源运行时”与“智能体微服务网格”深度融合，提供基于 DAG 的确定性状态机、SHA-256 密码学事件链断点自愈、原生 MCP 工具网格路由、细粒度能力安全沙箱以及 OpenTelemetry 全链路审计，为企业构建高可靠、可审计、零重复损耗的生产级智能体基础设施。
| 评估维度 | AgentMesh (本方案) | LangGraph | AutoGen / AG2 | CrewAI |
|---|---|---|---|---|
| 状态一致性模型 | 严格事件溯源 (Event Sourcing) + SHA-256 链 | 节点 State 快照 | 消息列表追加 | 内存状态传递 |
| 故障断点自愈 | 原生支持崩溃重放，零重复执行已完成步骤 | 部分支持 (需外置 DB) | 不支持 | 不支持 |
| 网格治理与熔断 | 原生集成 CircuitBreaker、流量权重与备用降级 | 无 (需自行外挂) | 无 | 无 |
| 协议标准 | 深度集成 MCP (Model Context Protocol) 标准 | 需额外封装 | 需插件适配 | 专有工具格式 |
| 执行安全沙箱 | 基于能力模型 (Capability-based ACL) 强隔离 | 无内置沙箱 | Docker 基础沙箱 | 无内置沙箱 |
| 可观测与审计 | 原生 OpenTelemetry Span 上下文与 Token 审计 | LangSmith 专有绑定 | 基础 Logging | 基础 Logging |
| 状态与代码分离 | 严格物理隔离，遵循生产级持久化规约 | 默认本地嵌入 | 默认本地嵌入 | 默认本地嵌入 |
+------------------------------------------------------------------------+
| AgentMesh Application Layer |
| [ 智能体 AIOps 运维 ] [ 自动化金融审计 ] [ 知识流处理 ] |
+------------------------------------------------------------------------+
|
+------------------------------------------------------------------------+
| AgentMesh Mesh Layer |
| +--------------------+ +---------------------+ +---------------+ |
| | MeshRouter | | CircuitBreaker | | MCP Client | |
| | 动态路由与负载均衡 | | 熔断检测与自愈 | | 标准化协议接入| |
| +--------------------+ +---------------------+ +---------------+ |
+------------------------------------------------------------------------+
|
+------------------------------------------------------------------------+
| Deterministic Core Engine |
| +--------------------+ +---------------------+ +---------------+ |
| | DAG Graph | | CheckpointManager | | EventReplayer | |
| | 状态机拓扑调度 | | 物理隔离快照引擎 | | 密码学链重放 | |
| +--------------------+ +---------------------+ +---------------+ |
+------------------------------------------------------------------------+
|
+------------------------------------------------------------------------+
| Security & Observability Infrastructure |
| +---------------------------------+ +---------------------------+ |
| | SecuritySandbox | | AgentTracer | |
| | 细粒度能力访问控制 (Path/Cmd/Net) | | OpenTelemetry 上下文追踪 | |
| +---------------------------------+ +---------------------------+ |
+------------------------------------------------------------------------+
- Python 3.10+
- Docker / Docker Compose (可选)
# 1. 克隆代码仓库
git clone https://github.com/PandaaX/AgentMesh.git
cd AgentMesh
# 2. 安装依赖
pip install -e ".[dev]"
# 3. 运行完整单元测试集 (7 项核心测试自动化校验)
pytest
# 4. 运行混沌工程故障自愈演练 (Chaos Recovery Demo)
python examples/chaos_recovery_demo.py# 构建并运行生产容器 (状态数据自动隔离至专用 Docker Volume: agentmesh-state)
docker compose up --buildimport asyncio
from agentmesh import Graph, State, CheckpointManager, EventReplayer
async def step_ingest(state: State):
state.set("records_processed", 5000)
async def step_analyze(state: State):
# 模拟复杂计算或大模型推理
state.set("risk_score", 92)
# 构建确定性图拓扑
g = Graph("audit_pipeline")
g.add_node("ingest", step_ingest)
g.add_node("analyze", step_analyze)
g.add_edge("ingest", "analyze")
g.set_entry_point("ingest")
g.set_finish_point("analyze")
# 物理隔离的状态快照管理器
ckpt_mgr = CheckpointManager(base_dir="/tmp/agentmesh/checkpoints")
state = State(workflow_id="wf-001")
# 执行工作流，每个节点完成后自动保存不可变快照与哈希链
await g.run(state, checkpoint_manager=ckpt_mgr)from agentmesh import MeshRouter, AgentEndpoint
router = MeshRouter()
# 注册主智能体与故障回退（Fallback）智能体
router.register_endpoint(
endpoint=AgentEndpoint(agent_id="primary_analyst", role="Primary LLM Analyst"),
handler=primary_agent_func,
fallback_agent_id="backup_rule_engine",
failure_threshold=3, # 连续失败 3 次自动熔断进入 OPEN 状态
)
router.register_endpoint(
endpoint=AgentEndpoint(agent_id="backup_rule_engine", role="Deterministic Rules"),
handler=backup_rule_func,
)
# 自动处理异常并平滑转移流量至备用服务
result = await router.route_and_call("primary_analyst", {"query": "风险排查"})from agentmesh import SecuritySandbox, CapabilityPolicy, PermissionDeniedError
policy = CapabilityPolicy(
policy_name="safe_worker",
allowed_read_paths=["/tmp/safe_inputs"],
allowed_write_paths=["/tmp/safe_outputs"],
allowed_commands={"grep", "wc"},
allow_network=False,
)
sandbox = SecuritySandbox(policy=policy)
# 安全校验拦截
try:
sandbox.validate_file_access("/etc/shadow", mode="r")
except PermissionDeniedError as e:
print("成功拦截未授权系统文件访问:", e)在多智能体长流程混沌测试（模拟节点随机崩溃与重启）实验中，AgentMesh 与传统无状态框架的对比数据如下：
| 指标 | 传统无状态智能体框架 | AgentMesh 确定性运行时 | 改进效果 |
|---|---|---|---|
| 节点故障后恢复时延 | 需从头完全重跑 (平均 18.4s) | 载入最近检查点恢复 (< 120ms) | 加速 150+ 倍 |
| 崩溃后 Token 重复消耗 | 100% 重新计费消耗 | 0% (已完成节点零重复调用) | 成本节约 100% |
| 状态一致性校验 | 无校验 (可能发生数据竞态) | 100% SHA-256 密码学链校验 | 数据完整性保障 |
| 多智能体调用雪崩保护 | 级联失败扩散导致服务瘫痪 | 熔断器 3 次失败毫秒级隔离转移 | 生产级高可用 |
- 2026 Q4 (当前)：开源核心运行时发布；支持确定性 DAG 调度、事件溯源、MCP 2.0 / A2A 双协议网关与细粒度三维沙箱。
- 2027 Q1：支持跨节点分布式集群部署，基于 Raft 共识实现状态多副本同步；发布 Rust 高性能微内核加速绑定。
- 2027 Q2：深度对接全国一体化算力网与重点区域“开源首方案”落地示范工程，在金融风控、电信智算云与信创智能运维领域实现百万级日活任务调度。
AgentMesh 坚持以开放中立、工程实用的原则推动开源技术生态建设。我们严格执行社区治理规约：
- 遵守 Apache-2.0 许可证，鼓励企业与开发者自由采用与衍生二次开发。
- 欢迎提交 Issue 与 Pull Request，详细参与规范请参阅 CONTRIBUTING.md。
- 行为守则遵循 CODE_OF_CONDUCT.md。
针对 2026 开源创新大赛，项目已生成完备的工业级方案白皮书与 1080P 动态流程实机演练视频：
- 通用中立技术白皮书 (PDF)：docs/AgentMesh_Project_Proposal_2026.pdf
- 全动态实机演示视频 (1080P MP4)：docs/AgentMesh_Demo_Video_2026.mp4
- 上海大赛专属申报书 (智算云赛道)：docs/shanghai/AgentMesh_Project_Proposal_Shanghai_2026.pdf
- 北京大赛专属申报书 (赛道一：基础软件与解决方案)：docs/beijing/AgentMesh_Project_Proposal_Beijing_2026.pdf
- 双赛道递交指引手册：docs/CONTEST_SUBMISSION_GUIDE.md
