Agent Loop
Agent Loop 指 AI 智能体执行任务的标准循环：接收输入 -> 选择动作 -> 执行 -> 观察 -> 更新上下文 -> 重复。
典型流程
- 接收用户输入
- 基于当前上下文选择动作（从预定义的动作空间）
- 在环境中执行动作（如虚拟机沙箱）
- 产生观察结果
- 将动作和观察结果追加到上下文
- 形成下一次迭代的输入
- 循环直到任务完成
挑战
- 上下文随每个步骤增长（Manus 平均需要 50 次工具调用）
- 输出（函数调用）相对较短
- 导致输入/输出词元比例严重失衡（Manus 约 100:1）
运行时信任边界
在 Cloud Agent Runtime 中，Agent Loop 的“执行动作”阶段通常发生在 Agent Sandbox 内。Dumb Sandbox, Smart Host 补充了这个循环的安全边界：沙盒可以运行模型选择的代码和 shell 命令，但身份、密钥、计费、持久状态、策略和可观察性应由 Agent Host Control Plane 持有。
当循环需要跨回产品、调用认证服务或使用外部工具时，应通过 Agent Tool Bridge 完成。这样即使某一步被提示注入影响或沙盒崩溃，长期凭证、持久事件日志和重试能力仍保留在主机侧。
优化考虑
- KV-Cache 命中率对成本和延迟至关重要
- 长循环易导致目标漂移（“drift off-topic”）
- 需通过Recitation for Attention Manipulation 保持目标可见
- Multi-agent System 有时能分解长循环为短循环
共享空间中的状态一致性问题
当 Agent Loop 发生在共享工作空间中时，回合制的推理-提交模式会导致一个协调差距：智能体在推理和提交之间，房间可能已经发生变化。AX 学科通过 Agent Inbox 和 Held Draft 等界面设计来解决这一问题。