agcore/specs/roadmap.md

AG Core Roadmap

定稿日期：2026-05-11

愿景

AG Core 定位为构建 AI 智能体的底层工具箱，通过模块化、可插拔的架构，提供大模型调用、提示词工程、工具系统、记忆检索四大核心能力，支持快速组合出符合业务需求的智能体应用。

当前状态：代码为空壳，specs 目录有 1 份方案（LLM 调用周期）。

---

模块完整性评估

功能领域	方案状态	文档位置	实现优先级
LLM 调用周期	✅ 完整	specs/llm-call-lifecycle.md	P0
提示词工程	❌ 缺失	—	P1
工具系统 + 权限	❌ 缺失	—	P1
记忆检索	❌ 缺失	—	P2
Agent 运行时	❌ 缺失	—	P2
生命周期钩子	❌ 缺失	—	P0（LLM Cycle 扩展）
Provider 注册发现	❌ 缺失	—	P0（Provider 接口扩展）
流式事件系统	❌ 缺失	—	P0（流式接口前置）

---

分阶段 Roadmap

Phase 0 — Foundation（基础设施）

目标：实现 LLM 调用周期的核心功能，作为所有上层模块的基础。

交付物：

1. llm/types.rs — 核心数据类型（Message, ContentBlock, ChatRequest/Response, ToolDefinition, StopReason）
2. llm/error.rs — 错误体系（LlmError 枚举，可重试/不可重试判断）
3. llm/provider.rs + llm/provider/openai.rs — Provider 接口 + OpenAI 兼容实现
4. llm/provider/registry.rs — ProviderRegistry（多 Provider 注册发现）
5. llm/cycle.rs + llm/cycle/{retry,usage}.rs — 生命周期引擎（重试策略 + 用量追踪）
6. llm/hooks.rs — HookExecutor 接口（生命周期钩子）
7. llm/stream.rs — StreamEvents 流式事件系统（AssistantTextDelta, ToolExecutionStarted 等）
8. llm/compact.rs — Auto-compaction（上下文自动压缩）
9. Cargo.toml — 添加依赖（tokio, reqwest, serde, thiserror, async-trait, tracing）

依赖：无

优先级：Must Have

预估规模：约 1000 行核心代码

---

Phase 1 — Prompt Engineering（提示词工程）

目标：提供提示词的组合、模板化与优化能力。

交付物：

1. prompt.rs + prompt/ 模块
2. PromptTemplate — 模板引擎（支持变量插值、条件渲染）
3. PromptComposer — 提示词组合器（拼接 system/user/assistant 消息）
4. specs/prompt-design.md — 方案文档

依赖：无（可与 Phase 0 并行）

优先级：Should Have

预估规模：约 400 行代码

---

Phase 2 — Tool System（工具系统）

目标：实现 MCP 协议集成与自定义工具注册、调用、权限控制。

交付物：

1. tools.rs + tools/ 模块
2. ToolRegistry — 工具注册表（注册、发现、调用）
3. BaseTool trait — 工具抽象接口
4. McpClient — MCP 协议客户端
5. PermissionChecker — 工具执行权限检查（读/写/删除/网络等）
6. specs/tool-call-loop.md — Tool 自动执行循环设计
7. 扩展 llm/cycle.rs 支持自动 tool 循环（参考 OpenHarness run_query()）

依赖：Phase 0（LlmProvider 接口传递 tool definitions）、Phase 1（提示词可能需要注入工具描述）

优先级：Should Have

预估规模：约 900 行代码

---

Phase 3 — Memory System（记忆系统）

目标：提供对话记忆的存储、检索与管理能力。

交付物：

1. memory.rs + memory/ 模块
2. MemoryStore trait — 记忆存储抽象（可插拔后端）
3. VectorStore — 向量存储实现（支持 embedding 检索）
4. ConversationMemory — 对话记忆管理（sliding window / 全量）
5. MemoryRetriever — 记忆检索器（similarity search）
6. specs/memory-system.md — 方案文档

依赖：Phase 0（LLM 调用可能用于 embedding 生成）

优先级：Could Have

预估规模：约 700 行代码

---

Phase 4 — Agent Runtime（智能体运行时）

目标：实现多轮对话编排与任务规划。

交付物：

1. agent.rs + agent/ 模块
2. Agent trait — 智能体接口定义
3. ConversationAgent — 对话型智能体实现
4. TaskAgent — 任务型智能体（规划 → 执行 → 反馈）
5. specs/agent-runtime.md — 方案文档

依赖：Phase 0, 1, 2, 3（整合所有模块）

优先级：Could Have

预估规模：约 600 行代码

---

依赖关系图

                        Phase 4: Agent Runtime
                              │
            ┌─────────────────┼─────────────────┐
            ▼                 ▼                 ▼
      Phase 1            Phase 2            Phase 3
      Prompt             Tool System        Memory
      Engineering        + Permission       System
                         + HookExecutor
            │                 │                 │
            └────────┬────────┴────────┬────────┘
                     ▼                  ▼
              Phase 0 ─────────────────┘
              LLM Cycle
              + ProviderRegistry
              + HookExecutor
              + StreamEvents
              + Auto-compaction
              (Foundation)

---

扩展计划（v0.2+）

以下功能已在 Phase 0 中实现，流式接口为后续增量优化。

扩展项	所在模块	说明	优先级
Prompt Optimizer	prompt	提示词自动优化	P3

---

风险与建议

1. Phase 0 尚未实现：项目代码是空壳，建议优先完成 LLM 调用周期，避免后续模块依赖不存在的底层
2. 并行可能性：Phase 0 和 Phase 1 可并行开展（无相互依赖），可加速早期交付
3. MCP 协议复杂性：MCP 涉及协议握手、session 管理、长期连接，建议预留充足时间调研协议细节
4. Scope 蔓延风险：当前 specs 只有 1 份文档，建议每个模块上线前都产出对应 spec，避免边实现边设计

---

下一步行动

1. Phase 0 方案评审：对齐 LLM 模块设计（specs/llm-call-lifecycle.md 已在 2026-05-11 更新）
2. Phase 1 方案启动：启动 specs/prompt-design.md 设计
3. Phase 2 方案启动：启动 specs/tool-call-loop.md 设计（含 PermissionChecker）