STEM Agent: 一种自适应、工具驱动、可扩展的多协议 AI 智能体系统架构 STEM Agent: A Self-Adapting, Tool-Enabled, Extensible Architecture for Multi-Protocol AI Agent Systems
受干细胞启发的多协议 AI 智能体框架，支持 5 种互操作性协议
前置知识
多智能体框架
指协调多个 AI 智能体协作完成复杂任务的软件系统，通常涉及角色分配、任务调度、通信协议等。常见框架包括 AutoGen、CrewAI、LangGraph 等，它们定义了智能体之间如何交互、共享信息和协调行动。核心挑战在于避免架构锁定，即框架过早绑定单一通信协议或固定工具集成策略。
本文提出的 STEM Agent 正是为了解决现有框架的架构锁定问题，理解多智能体框架的基本原理和设计权衡是评估本文贡献的基础。
Model Context Protocol (MCP)
是一种标准化协议，用于在 LLM 智能体和外部工具或服务器之间建立统一的接口。MCP 通过定义标准的工具描述、调用方式和响应格式，使智能体可以动态发现和使用各种领域工具，而不需要硬编码工具调用逻辑。支持多种传输方式（如 stdio、SSE），是 LLM 智能体生态中重要的互操作标准。
STEM Agent 将所有外部领域能力通过 MCP 暴露，实现了推理与领域知识的分离，这是其架构可扩展性的关键。
指数移动平均 (EMA)
是一种时间序列平滑方法，通过给予近期数据更高权重来计算平均值。公式为 v_{t+1} = (1-alpha) * v_t + alpha * s_t，其中 alpha 是学习率（本文使用 0.1），v_t 是当前值，s_t 是新信号。EMA 的特点是响应速度快且平滑，适合跟踪用户偏好等渐变属性。相比简单平均，它能更快适应变化；相比直接使用最新值，它能过滤噪声。
本文的 Caller Profiler 使用 EMA 来持续学习用户偏好，理解 EMA 的工作原理和参数选择逻辑是理解自适应机制的关键。
向量嵌入和 pgvector
向量嵌入是将文本、图像等数据映射到高维向量空间的技术，相似的输入会被映射到相近的向量。pgvector 是 PostgreSQL 的扩展，支持向量存储和相似度搜索（如余弦相似度、欧几里得距离）。在 AI 智能体系统中，嵌入向量用于记忆检索、模式匹配和技能关联等任务。PostgreSQL + pgvector 组合提供了关系数据和向量数据的统一存储。
STEM Agent 的记忆系统使用 pgvector 实现情境记忆的相似度搜索，理解向量嵌入和 pgvector 的工作原理有助于评估其记忆系统的效率和可扩展性。
JSON-RPC 和 SSE
JSON-RPC 是一种轻量级的远程过程调用协议，使用 JSON 格式编码请求和响应，支持单次请求或响应和双向流式通信。SSE (Server-Sent Events) 是一种服务器推送技术，允许服务器通过单个 HTTP 连接持续向客户端发送事件流。两者都是 Web 应用中常用的通信方式，JSON-RPC 适合命令式交互，SSE 适合实时事件流传输。
STEM Agent 的 A2A 协议使用 JSON-RPC 2.0，AG-UI 使用 SSE 传输认知流水线事件。理解这些协议的特点有助于理解为什么选择不同的协议用于不同的交互场景。
研究动机
现有 AI 智能体框架存在严重的架构锁定问题。大多数框架过早绑定单一交互协议（如仅支持 REST 或仅支持聊天）、固定的工具集成策略和静态用户模型，导致无法跨越多样的交互范式部署。这种锁定使得智能体生态系统由刚性的、单一用途的智能体组成，它们无法互操作、自适应或组合。例如，AutoGen、CrewAI、LangChain 等主流框架通常只支持 1 种协议，缺乏针对每个用户的自适应行为。同时，MCP、A2A、AG-UI、A2UI、UCP 和 AP2 等互操作性协议的激增要求架构在设计上就支持协议多元主义。研究表明，架构选择会导致 100 倍的延迟差异和 30% 的准确率差距（Orogat et al., 2026）。
本文的目标是本文的目标是创建一个模块化的、多协议的 AI 智能体架构，解决现有框架的架构锁定问题。具体目标包括：第一，统一五个互操作性协议（A2A、AG-UI、A2UI、UCP、AP2）到单一网关；第二，实现连续学习用户偏好的 Caller Profiler 系统；第三，通过 MCP 实现所有外部领域能力的运行时获取；第四，设计受生物学启发的技能获取系统，使重复的交互模式结晶为可重用的智能体技能；第五，实现包含巩固机制的记忆系统，支持持续交互下的亚线性增长。
与已有工作不同的是，本文的独特切入点是将干细胞的多能性概念应用于 AI 智能体架构设计。与现有框架直接实现特定功能不同，STEM Agent 从生物学隐喻出发：智能体核心是未分化的干细胞，它通过分化为专门的协议处理器、工具绑定和记忆类型来组成功能系统。这种生物学启发的视角使得技能获取可以通过细胞分化模型实现（祖细胞到承诺细胞到成熟细胞），并通过细胞凋亡机制移除低质量技能。此外，本文首次在单一框架中实现了五个互操作性协议（包括两个新的商业协议 UCP 和 AP2），而先前的工作最多实现两个协议。这种多协议统一加生物学启发的组合是本文的独特之处。
核心方法
STEM Agent 采用五层架构，灵感来自干细胞的多能性。最上层是调用者或用户层（4 个适配器），提供 CLI、SDK、A2A 客户端和智能体网格接口；第二层是标准接口（网关），统一五个协议处理器（A2A、AG-UI、A2UI、UCP、AP2）和四个框架适配器；第三层是智能体核心（五个引擎），执行八阶段认知流水线；第四层是记忆系统（四种记忆类型）；第五层是 MCP 集成（三种传输方式）。智能体核心是未分化的干细胞，它通过协议处理器和工具绑定分化为专门能力，而记忆系统提供指导未来适应的持久状态。认知流水线包括：感知（意图分类、复杂度估计、实体提取）、适应（加载调用者配置文件并调整行为参数）、技能匹配（检查获取的技能）、推理（选择推理策略）、规划（选择 MCP 工具并构建执行计划）、执行（编排 MCP 工具调用）、格式化（响应格式化）和学习（异步更新配置文件、记录技能结果、尝试结晶新技能）。
核心创新点有三个：第一，多协议互操作性：首次在单一框架中实现五个互操作性协议，包括两个新的商业协议（UCP 用于结账会话，AP2 用于基于授权的支付），所有协议都通过统一的 Express.js 网关路由，共享认证、限流、请求关联和错误处理中间件。第二，Caller Profiler：一个多维用户建模系统，使用指数移动平均连续学习调用者偏好，跨越 4 个类别和 20 多个维度，实现无需手动配置的每用户行为自适应。置信度门控机制根据交互次数 n 使用有理饱和曲线 conf(n) = n / (n + kappa)（其中 kappa 等于 10 是半衰常数）来平衡新信号和学习的稳定性。第三，受生物学启发的技能获取：将技能获取建模为细胞分化，技能通过三个阶段成熟（祖细胞到承诺细胞到成熟细胞），并通过细胞凋亡移除低质量技能（成功率小于 0.3 且激活次数大于等于 10）。技能从重复的交互模式中结晶（大于等于 3 个共享相同动作键的片段，且主题关键词出现在大于等于 50% 的片段中）。
方法步骤详情
STEM Agent 的方法步骤如下：第一，感知阶段：将消息输入 PERCEIVE 函数，分类意图为 10 个类别之一，基于词数、实体密度和代码存在估计复杂度（简单、中等、复杂），提取实体、情感和紧急度。第二，适应阶段：通过 ADAPT 函数加载调用者的学习配置文件，基于配置文件和当前感知调整行为参数（推理深度、探索与利用、冗长度、置信度阈值等 10 个参数）。第三，技能匹配阶段：通过 MATCHSKILLS 检查技能注册表中是否存在匹配当前感知的已获取技能；如果存在成熟度大于等于承诺的技能，直接使用其预构建的计划，跳过推理和规划阶段。第四，推理阶段：通过 SELECTSTRATEGY 基于任务特征选择推理策略：工具相关任务使用 ReAct，复杂任务触发 Reflexion，分析和创意请求使用内部辩论，其他默认使用链式思维。然后通过 REASON 执行选定的推理策略。第五，规划阶段：通过 PLAN 函数选择 MCP 工具并构建执行计划，允许在依赖关系允许的情况下并行执行步骤。第六，执行阶段：通过 EXECUTE 编排 MCP 工具调用，使用重试（默认 2 次）和断路器（阈值：连续 3 次失败）。第七，格式化阶段：通过 FORMAT 根据调整后的行为参数格式化响应，为调用者提供风格适配。第八，学习阶段（异步）：通过 UPDATEPROFILE 更新调用者配置文件，通过 RECORDSKILLOUTCOME 记录技能激活结果（推进成熟度或触发凋亡），通过 TRYCRYSTALLIZE 尝试从累积的片段模式中结晶新技能。
技术新颖性
技术新颖性体现在四个方面：第一，多协议统一：首次在单一框架中实现五个互操作性协议（A2A v0.3.0、AG-UI、A2UI、UCP、AP2），包括两个新提出的商业协议。通过可插拔的 createRouter 模式，添加新协议只需实现处理器并挂载路由器。四个框架适配器（AutoGen、CrewAI、LangGraph、OpenAI Agents SDK）将外部约定转换为 STEM Agent 的内部格式。第二，置信度门控的 EMA 自适应：调用者配置文件的每个维度通过指数移动平均更新，学习率 alpha 等于 0.1。置信度使用有理饱和曲线 conf(n) = n / (n + kappa) 计算，其中 kappa 等于 10 是半衰常数。这种机制允许系统在早期（n 小于 5，conf 约等于 0.33）主要依赖当前消息信号，随着置信度增长，将学习配置文件与当前信号按置信度加权混合。第三，生物启发的技能生命周期：技能通过细胞分化模型获取，祖细胞技能在 kc 等于 3 次成功激活且成功率大于等于 0.6 后升级为承诺细胞，承诺细胞在 km 等于 10 次成功激活后升级为成熟细胞。成功率小于 0.3 且激活次数大于等于 10 的技能被移除（细胞凋亡）。技能结晶条件是大于等于 3 个片段共享相同动作键且主题关键词出现在大于等于 50% 的片段中。第四，四类型记忆系统：情境记忆存储特定交互片段和向量嵌入（PostgreSQL + pgvector），每个片段携带重要性评分；语义记忆维护概念图中的知识三元组；程序记忆记录成功策略和工具使用模式；用户上下文记忆存储每调用者会话历史和配置文件。记忆管理器提供统一外观，执行记忆巩固（情境到语义或程序）随着交互历史增长。
实验结果
本文通过 413 个测试用例验证了协议处理器行为和跨五个架构层的组件集成，100% 通过率，总运行时间 2.92 秒。测试覆盖每个引擎的单元测试（感知、推理、规划、执行、技能获取）、协议处理器集成测试（验证 A2A JSON-RPC 合规性、AG-UI 事件序列、UCP 幂等性、AP2 审计跟踪）、记忆系统测试、MCP 集成测试、安全中间件测试、框架适配器测试和网关端到端测试。虽然没有端到端基准评估（如 MAFBench），但测试覆盖率的广度（所有五层）提供了对跨组件集成的信心。架构开销分析表明，每个协议处理器在共享认知流水线之上添加薄路由和序列化层：A2A 需要 JSON-RPC 信封解析和任务状态管理；AG-UI 只需要 SSE 通道设置；A2UI 添加组件树构建和布局验证；UCP 添加幂等性键查找和结账状态管理；AP2 添加授权验证和审计跟踪写入。由于所有处理器委托给同一智能体核心流水线（使用模拟的 LLM 推断），协议特定开销主要由序列化和中间件遍历主导，而非计算。形式化延迟基准测试留给未来工作。框架比较显示，STEM Agent 在协议数量、自适应行为、记忆类型、技能获取和商业协议支持方面优于 AutoGen、MetaGPT、CrewAI 和 LangChain。
查看结构化数据
| 任务 | 指标 | 本文 | 基线 | 提升 |
|---|---|---|---|---|
| 协议合规性测试 | 测试通过率 | 100% (413/413 tests) | N/A | 建立了全面的测试覆盖 |
| 测试运行时间 | 总执行时间 | 2.92 秒 | N/A | 快速的验证循环 |
| 支持的协议数量 | 协议数量 | 5 (A2A, AG-UI, A2UI, UCP, AP2) | 1-2 (AutoGen, MetaGPT, CrewAI, LangChain) | 支持更多协议（包括 2 个新协议） |
| 记忆类型 | 独立记忆子系统 | 4 (情境、语义、程序、用户上下文) | 1-2 (AutoGen, MetaGPT, CrewAI, LangChain) | 更丰富的记忆架构 |
局限与改进
作者承认的局限性包括：第一，没有端到端基准评估：评估通过测试验证合规性，但不包括任务完成基准（如 MAFBench）或用户研究。第二，适应性简单性：基于 EMA 的 Caller Profiler 无法捕获非平稳或多模态偏好分布。第三，商业协议成熟度：UCP 和 AP2 缺乏外部采用和正式威胁建模。第四，可扩展性：配置文件和幂等性缓存的内存存储需要分布式锁定以处理高并发。我的观察还包括：第一，缺乏与真实 LLM 的端到端评估：测试使用模拟的 LLM 推断，无法验证与实际 LLM 交互时的性能。第二，技能结晶阈值可能过于保守：要求大于等于 3 个片段共享相同动作键且主题关键词出现在大于等于 50% 的片段中，在早期阶段可能难以满足。第三，缺乏安全评估：虽然提到了 IAM 插件和认证，但没有详细的安全评估或威胁模型分析，特别是对于商业协议 UCP 和 AP2。
独立分析的弱点
独立分析的弱点包括：第一，基于 EMA 的偏好学习无法处理非平稳偏好：如果用户偏好随时间快速变化或存在多模态分布（工作 vs. 休闲场景），EMA 会平均化这些差异，导致配置文件与当前上下文不匹配。改进方向是引入上下文感知的配置文件（多向量）或时间衰减的 EMA。第二，技能结晶条件可能过于保守：要求大于等于 3 个片段且主题关键词出现在大于等于 50% 的片段中，在交互频率低的场景下难以满足。改进方向是降低结晶阈值或引入更智能的模式识别（如聚类而非精确匹配）。第三，内存存储限制了高并发：配置文件和幂等性缓存的内存存储无法支持大规模部署。改进方向是引入分布式存储（Redis 集群）和分布式锁机制。第四，缺乏与真实 LLM 的评估：所有测试使用模拟的 LLM 推断，无法验证与真实 LLM（如 GPT-4、Claude）交互时的性能和延迟。改进方向是进行端到端基准测试，包括真实 LLM 和真实 MCP 服务器。第五，商业协议缺乏威胁建模：UCP 和 AP2 处理金融交易，但没有正式的威胁模型和安全评估。改进方向是进行安全审计、威胁建模和渗透测试。
未来方向
作者提出的未来工作包括：第一，STEM Platform：一个编排层，通过委托、共识和流水线协作模式动态集成和组合多个 STEM Agents 到复杂的多智能体项目。第二，基准评估：在 MAFBench 和 MCPToolBench 等基准上评估 STEM Agent。第三，自适应测试时计算的学习：通过自适应测试时计算（Alomrani et al., 2025）学习策略选择，而非确定性规则。第四，与 ANP 和 AWCP 的互操作性：集成 Agent Network Protocol (Chang et al., 2025) 和 AWCP (Nie et al., 2026)。第五，基于嵌入的技能匹配和跨会话技能转移：使用嵌入向量改进技能匹配，支持跨会话的技能迁移。第六，UCP 或 AP2 的正式威胁建模：进行安全威胁建模和审计。基于成果可延伸的未来方向包括：第一，多模态技能系统：扩展技能系统以支持多模态交互（语音、图像、视频）。第二，协作技能获取：支持多智能体协作环境中的技能共享和学习。第三，可解释的自适应机制：改进 Caller Profiler 和技能系统的可解释性，使用户能够理解和控制自适应行为。第四，边缘部署：优化 STEM Agent 以在边缘设备上运行，支持低延迟和离线场景。第五，联邦学习：在保护隐私的前提下，跨多个部署共享技能和配置文件模式。
复现评估
STEM Agent 的源代码在 MIT 许可下开源（https: 或或 github.com 或或 alfredcs 或或 stem-agent），这是一个 TypeScript monorepo，包含 6 个工作区包（共享、智能体核心、标准接口、MCP 集成、记忆系统、调用者层），约 12000 行代码。测试套件使用 Vitest，包含 37 个测试文件和 413 个测试，TypeScript 严格模式。部署使用 Docker Compose（3 个服务加 pgAdmin 开发），包括 PostgreSQL 17 加 pgvector、Redis 7、Anthropic LLM (Claude)、OpenAI Embeddings 和外部 MCP 服务器。数据使用 PostgreSQL（关系加向量存储）和 Redis（会话缓存）。算力需求取决于使用的 LLM（Haiku、Sonnet、Opus），本地部署至少需要 4GB 内存和 2 CPU 核心。复现难度中等：项目提供了完整的 Docker Compose 配置和测试套件，但需要配置 Anthropic API 或 OpenAI API 密钥，以及外部 MCP 服务器。缺少端到端基准评估和真实 LLM 评估是复现性方面的局限。
论文图表