本次演讲将美团企业级 Agent 从“能跑”走向“可托付”的平台化实践。模型负责理解与判断，AgentOS 通过 Runtime、Harness、Skill、MCP、CLI、知识库、沙箱、身份注册、权限治理、可观测与评测，让 Agent 能够安全、稳定、持续地执行任务。进一步通过 Multica 将人、Agent、Runtime 和业务流程组织成可追踪、可介入、可恢复、可验收的任务协作体系，并结合 AI SDLC、业务运营、工单托管、袋鼠管家和数字员工等案例，展示企业级 Agent 的落地方法与规模化路径。

演讲提纲

1. 企业级 Agent 的“手脑分离”架构

• 模型擅长理解、判断和规划，但结果具有不确定性
• Agent Loop 通过上下文、工具调用和结果回注持续推进任务
• Harness 提供知识、工具、状态、沙箱、权限和验证
• 确定性逻辑交给代码，不确定性判断交给模型

2. Catpaw Studio：企业级 AgentOS

• 无状态 Agent Loop、分布式 Session、短周期沙箱和云端存储
• Skill、MCP、CLI、知识库和记忆构成能力底座
• 注册中心统一管理 Agent 身份、权限和责任边界
• Trace、评测、告警、成本、版本和回滚构成治理闭环
• 核心目标：让 Agent 可扩展、可隔离、可观测、可接管

3. 从能力复用到任务协作

• Skill 沉淀任务方法，MCP、CLI 和 Tool 负责真实执行
• 广场负责能力发现、复用、版本和安全治理
• Multica 用 Issue、Task、Runtime 和人工审批组织复杂任务
• AgentOS 解决“可靠执行”，Multica 解决“协作完成”

4. 应用案例

• 案例一：AI SDLC
  • 产品、架构、开发、测试 Agent 分工接力
  • 独立环境、代码分支、自动测试和 PR 保障交付安全
  • 人在需求、方案和验收节点进行确认
  • 体现 Harness 与 Multica 如何支撑复杂研发任务
• 案例二：袋鼠管家
  • 面向大规模商家，采用商户级沙箱、工作空间和权限隔离
  • 评测覆盖用例生产、多轮执行、完整 Trace、断言和综合评分
  • 从线上 Bad Case 定位根因，修改 Skill、Prompt 或工具
  • 通过基线与候选版本对照、回归评测和人工审核控制发布
  • 核心认识：评测不是事后打分，而是 Agent 上线的质量门禁

5. 总结

• 企业级 Agent 的建设重点，不只是提升模型能力，而是建立一套包含执行、状态、权限、协作和评测的完整工程体系，推动 Agent 从“能够运行”走向“值得托付”

实践痛点

• 模型结果不确定、长链路状态和上下文难管理、多 Agent 协作与权限隔离复杂，且平台割裂使部署、观测、评测和成本治理难以规模化

前沿亮点

• 以“手脑分离”为核心，系统呈现 AgentOS、无状态 Loop、短周期沙箱、云端状态、Skill/MCP/CLI 生态与 Multica 任务协作的融合实践

听众收益

• 听众将获得一套从任务选型、平台架构、能力建设到人机协同和质量闭环的可复用方法，理解如何把 Agent 从 Demo 推向安全、可控、可衡量的生产应用