智能体配置管理：面向受治理智能体系统的参考配置模型

代理系统越来越多地由异构代理、提示、工具、模型、技能、复合子系统、策略和执行工作流组成，其配置跨框架和运行时环境演变。现有的 LLMOps 和 AgentOps 平台支持编排和可观察性，但不提供通用的配置管理模型来将这些系统表示和管理为一致的版本化配置。本文介绍了代理配置管理 (ACM)，这是一种独立于框架的异构代理系统治理和配置参考模型。 ACM 结合了类型化和独立版本化的代理配置项、不可变修订和基线、显式配置运行时分离、生命周期和保证语义、依赖项感知影响传播和运行时来源。异构本机配置通过语义投影到规范配置图（公共治理语义在其上运行）中进行规范化。我们提供了一个 Python 参考实现，其中包含 LangGraph、CrewAI 和 OpenAI Agents SDK 的适配器。该评估结合了 27 个治理场景和 9 个定量影响传播案例。对于评估的配置，这三个框架产生了治理等效的 ACM 表示和预测后可重现的治理结果。影响语义被形式化为有限格上的单调传播，建立初始影响评估之上的最小固定点的收敛、终止和唯一性。这些结果证明，通用治理语义可以支持评估范围内跨异构代理执行抽象的可重复性、可审计性、依赖性分析和互操作性。