Awaken

Rust 构建 · 在线调优 · 多协议服务

写一次能力，持续调优 Agent

Tools、state、providers、plugins 留在生产级 Rust 代码里；prompts、models、permissions、skills 与 eval loop 通过托管配置和管理控制台在线调优，无需重建 runtime。

Rust 内核在线调优协议就绪

调优优先的控制面 修改在下一次 run 生效；运行中的任务保留已解析 snapshot。

查看调优流程 →

快速开始打开控制台指南

MSRV: Rust 1.93 unsafe_code = "forbid" GitHub 安装:

src/main.rs main branch API

use awaken::contract::message::Message;
use awaken::engine::GenaiExecutor;
use awaken::registry_spec::{AgentSpec, ModelSpec};
use awaken::{AgentRuntimeBuilder, RunActivation};
use std::sync::Arc;

#[tokio::main]
async fn main() -> Result<(), Box<dyn std::error::Error>> {
    let spec = AgentSpec::new("assistant")
        .with_model_id("gpt-4o-mini")
        .with_system_prompt("You are helpful.");

    let rt = AgentRuntimeBuilder::new()
        .with_agent_spec(spec)
        .with_provider("openai", Arc::new(GenaiExecutor::new()))
        .with_model(ModelSpec::new("gpt-4o-mini", "openai", "gpt-4o-mini"))
        .build()?;

    let req =
        RunActivation::new("thread-1", vec![Message::user("Hello!")]).with_agent_id("assistant");

    let out = rt.run_to_completion(req).await?;
    println!("{}", out.response);
    Ok(())
}

管理控制台

在线调优，并用证据运营

管理控制台是 server API 之上的调优界面：agents、prompts、models、permissions、skills、MCP、traces、datasets 与 eval runs 都在同一个控制面管理。

打开控制台指南 →

Awaken 管理控制台走查 —— 接入 Vertex 上的 Gemini、手动构建 agent、运行实时评测 — 录制于真实 Gemini 后端。动手试试 →

在线调优

Prompts、models、permissions、skills 都通过配置变更

通过管理控制台或 /v1/config/* 编辑。server 校验草稿、发布 registry snapshot，下一次 run 使用新版解析。

评测闭环

采集 trace，生成 dataset，对比行为

用证据调优：回放 fixtures、打分输出、检查 diff，再发布下一版 agent spec。

可审计

每次保存都可检查、可恢复

Config revision 与 audit restore 让 prompt/model/policy 调优可审查，而不是藏在部署脚本里。

心智模型

runtime 写代码,server 做运营

runtime 模式把可执行能力留在 Rust：tools、providers、state、plugins 与直接 RunActivation 执行。server 模式在外层加入持久 run、协议与托管配置。

调优流程 →

代码层（Rust）

Tools · State · Plugins

Tools 实现 Tool / TypedTool，用 `schemars` 自动生成 JSON Schema。State 是类型化的：`StateKey` 声明合并策略与作用域，每个 phase 末原子提交。Plugins 按名挂载到 9 阶段循环。

配置层（声明式）

Providers · Models · Agents · Skills

通过 /v1/config/*（REST）或控制台（UI）变更，二者都是 server 暴露在同一个 registry snapshot 上的控制面。进行中的 run 保留已解析 spec，新 run 拿到新版。

server 表面

五种协议,不是五套 Agent

server 把每种 wire format 转成同一条 runtime event stream 和 run model。切换客户端无需改动 agent 代码。

服务与集成 →

SDK

AI SDK v6

POST /v1/ai-sdk/chat

把流式分块发到 Vercel AI SDK 的 useChat() —— 文本、工具调用、完成事件。

React · Next.js

AG-UI

POST /v1/ag-ui/run

CopilotKit 的 <CopilotKit> 直接接入,支持聊天、Generative UI 与 HITL。

CopilotKit

A2A

POST /v1/a2a/message:send

智能体间通信 —— 让其他智能体把你的当成远程子智能体调用。

外部智能体

MCP

POST /v1/mcp

面向 MCP 兼容客户端的 JSON-RPC 2.0 server route。

Claude · Cursor · Zed

ACP

stdio serve_stdio

server crate 提供的 Agent Client Protocol stdio 适配器。

ACP 宿主

运行时内部

9 阶段循环,而非 DAG

每次运行都流经 9 个类型化阶段。插件按名称挂载,状态在每轮结束时原子提交。

阶段参考 →

1 resolve

2 prepare

3 prompt

4 stream

5 gate

6 tool

7 commit

8 events

9 finalize

快照进,批次出。

每个阶段读取不可变状态快照，返回类型化变更批次。commit 阶段原子应用，工具并行执行也不会出现部分写入或交叉污染。纯函数的 gate 阶段在 tool 执行前裁决工具调用 —— 权限、提醒与 HITL 插件都挂载在此。

内建流式恢复。 空闲超时与流中断由四个显式恢复计划处理：续写文本、回放已完成工具、提示工具取消重启、整轮重启。Retry-After 被遵守；检查点跨进程重启持久化。

插件

按需开启的电池组

内置与配套扩展 crate 使用同一套 trait Plugin + hook 模型，也适用于你的自定义能力。只接入当前 agent 需要的表面。

Tool/Plugin 边界 →

Permission

permission

工具名 + 参数上的 Allow / Deny / Ask 规则。Ask 通过 mailbox 挂起等待 HITL。

Reminder

reminder

工具调用匹配规则时，注入系统级或会话级消息。

Observability

observability

符合 GenAI 语义约定的 OpenTelemetry traces + metrics。OTLP / 文件 / 内存。

MCP

mcp

连接任意 MCP 服务，其工具注册为原生 Awaken 工具。

Skills

skills

技能包自动发现并注入为目录 —— LLM 按需激活。

Generative UI

generative-ui

通过 A2UI、JSON Render、OpenUI Lang 流式输出声明式 UI。

Deferred Tools

deferred-tools

大体量工具 schema 藏在 ToolSearch 后；空闲工具按 Beta 模型重新延后。

自己写一个

trait Plugin

共用的 hook：ToolGateHook、BeforeToolExecute、PluginConfigKey。