tRPC-Agent-Go：构建智能 AI 应用的 Go 语言 Agent 框架

tRPC 是腾讯内部覆盖最广的 RPC 开发框架，覆盖了腾讯大多数微服务，服务了如 QQ ，腾讯视频，腾讯音乐，QQ 浏览器，腾讯新闻，元宝，电脑、手机管家，腾讯云等业务。其中 tRPC-Go 是使用最广的，累计覆盖将近 200w+节点，5w+服务。
2023 年起，LLM 发展迅速，而 Agent 开发框架成为连接 AI 能力与业务应用的重要基础设施。为了便于用户更好的开发 Agent 应用，并方便和 tRPC 微服务结合提供高性能，高可用的服务，tRPC-Go 在 25 年持续深耕 Agent 能力建设，本文将为你全面解读 trpc-agent-go( https://github.com/trpc-group/trpc-agent-go )如何构建智能 AI 应用。
tRPC-Agent-Go 框架总览
tRPC-Agent-Go （ https://github.com/trpc-group/trpc-agent-go ） 框架集成了 LLM 、智能规划器、会话管理、可观测性和丰富的工具生态系统。支持创建自主 Agent 和半自主 Agent ，具备推理能力、工具调用、子 Agent 协作和长期状态保持能力，为开发者提供构建智能应用的完整技术栈。
●Agent: 核心执行单元，负责处理用户输入并生成响应，提供智能推理引擎和任务编排能力，tRPC Agent 支持单 Agent （ GraphAgent ，LLMAgent ）和 Multi-Agent （ ChainAgent ，ParallelAgent ，CycleAgent ），并支持基于 muti-agent-system 进行串联。
●Runner: Agent 的执行器，负责管理 Agent 的生命周期管理、会话状态维护和事件流处理，串联 Session/Memory Service 等能力
●Model: Model 模块提供了统一的 LLM 接口抽象，支持 OpenAI 兼容的 API 调用。通过标准化的接口设计，开发者可以灵活切换不同的模型提供商，实现模型的无缝集成和调用。该模块主要支持了 OpenAI like 接口的兼容性，已验证公司内外大多数接口。
●Tool:Tool 模块提供了标准化的工具定义、注册和执行机制，使 Agent 能够与外部世界进行交互。支持同步调用（ CallableTool ）和流式调用（ StreamableTool ）两种模式，满足不同场景的技术需求， 提供各种工具能力 FunctionTool 、MCP 、DuckDuckGo 等
●Session: Session 模块提供了会话管理功能，用于维护 Agent 与用户交互过程中的对话历史和上下文信息。会话管理模块支持多种存储后端，包括内存存储和 Redis 存储
●Memory: 记录用户的长期记忆和个性化信息
●Knowledge: 知识管理核心组件，它实现了完整的 RAG （检索增强生成）能力。该模块不仅提供了基础的知识存储和检索功能，还支持多种高级特性：
●知识源管理：支持本地文件（ Markdown 、PDF 、TXT 等）、目录批量导入、网页抓取，智能识别输入类型。向量存储：提供内存存储（开发测试）、PostgreSQL 、pgvector 、ElasticSearch 。Embedding：集成 OpenAI Embedding 、Gemini Embedding ，支持自定义模型，优化异步批处理性能。智能检索：语义相似度搜索，支持多轮对话上下文，结果重排序提升相关性。
●Planner: Planner 模块为 Agent 提供智能规划能力，通过不同的规划策略增强 Agent 的推理和决策能力。支持内置思考模型、React 结构化规划和自定义显式规划指导三种模式，使 Agent 能够更好地分解复杂任务和制定执行计划
●CodeExecutor：CodeExecutor 模块为 Agent 提供代码执行能力，支持在本地环境或 Docker 容器中执行 Python 、Bash 代码，使 Agent 具备数据分析、科学计算、脚本自动化等实际工作能力。
●Observability：集成 OpenTelemetry 标准，在 Agent 执行过程中自动记录详细的 telemetry 数据，支持全链路追踪和性能监控，内置诸多指标。
整个 tRPC Agent 框架采用分层设计实现：
● Runner 模块是 Agent 的执行器和运行环境，负责 Agent 的生命周期管理、会话状态维护和事件流处理，对接外部 web 服务
● Event 模块负责 Agent 执行过程中的状态传递和实时通信。通过统一的事件模型，实现 Agent 间解耦通信和透明执行监控。
●tRPC Agent 沿用 tRPC 的插件化设计，所有组件都能做插件化集成，tRPC Agent 有内置的组件，也做了各种生态组件的集成。
●tRPC Agent 的 Callbacks 模块还提供了一套完整的回调机制，允许在 Agent 执行、模型推理和工具调用的关键节点进行拦截和处理。通过回调机制，可以实现日志记录、性能监控、内容审核等功能。