← 返回重点项目
查看 GitHub 项目

wang2122/sprix-sage-router

一句话定位

Sprix AI 屿智同行出品的"状态感知 A2A 路由决策层"——在 SELF（独立完成）/ COLLABORATE（招募协作者）/ HANDOFF（移交给专家）三种模式间做效用最优选择，并基于执行证据持续学习；位于 Agent2Agent (A2A) 协议之上，作为"决策层"补充 A2A 的"发现层"。

它解决的问题

A2A（Agent2Agent）协议只解决"哪些 agent 存在"（discovery），但不回答运行时难题——执行已开始后，谁该与谁协作？ 传统做法依赖启发式规则（如"超时就重试"），缺乏可审计的效用函数。SAGE（State-Aware Graph Exchange）把"决策"做实：用一个统一效用函数比较 SELF / COLLABORATE / HANDOFF 三种模式，让选择有据可查；执行后用证据更新信任评分，实现"边做边学"。

为什么值得关注（2026-08-23）

热度来源判断

"A2A 协议层不完整 × multi-agent 协同是公认难点"双重驱动。 A2A 协议 2025-2026 年快速发展，但 discovery 之后缺决策层是公认空白；SAGE Router 抢占了这个空白。1.2k⭐的增速含研究圈关注——multi-agent 协调是学术热点，README 提及"state-aware"+"trust from execution evidence"等学术概念吸引研究者关注。需注意：research-preview 状态明确，不应直接用于生产。

关键技术亮点

  1. 三模式效用函数： SELF（现任 agent 继续）/ COLLABORATE（保留所有权，加协作者）/ HANDOFF（移交给专家）——统一比较
  2. Progress-aware 重规划： 执行过程中根据进度重新评估决策
  3. Execution-evidence 更新信任： 用实际执行结果（成功/失败/延迟/成本）更新 agent 信任评分
  4. A2A 协议层定位： 明确"SAGE 位于 A2A 之上"，不替代 A2A
  5. 任务 DAG 角色分配： 把任务拆为 DAG 并分配角色，处理依赖关系
  6. 预算与权限约束： 在 permission、budget、deadline 约束下做决策

架构师速览

决策问题 研究判断 证据边界
系统边界 SAGE Router 是 A2A 协议之上的决策层，承担"执行中路由决策 + 信任评分更新"；不替代 A2A 的 discovery 与 transport README 与 ALGORITHM.md 明确描述；具体效用函数参数、信任评分算法、A2A 协议细节依赖版本均待核验
主路径 A2A discovery → 候选 agent 集合 → SAGE 三模式效用评估 → 选择 SELF/COLLABORATE/HANDOFF → 执行 → 收集 evidence → 更新信任 → 进度重评估 主路径为 README 描述；具体效用函数公式、证据收集粒度、A2A 版本兼容性均待代码核验
关键权衡 "统一效用函数"vs"任务特征差异（实时 vs 批量、IO vs 计算）"；"信任评分"vs"评分冷启动与恶意刷分"；"research-preview"vs"生产可用性" 均为推断；具体效用函数、信任评分抗攻击性、生产化路径均待核验
最小 PoC 在研究预览模式下配置 3 个 mock agent（快/慢/贵），跑一个"先快后转慢"的混合任务，观察 SAGE 是否真能在 progress-aware 阶段把 HANDOFF 触发；记录证据日志验证 trust 评分是否更新 PoC 范围与退出路径由"研究模式、可观察、可审计"原则推导；具体命令、版本兼容、SLO 指标待核验

架构启发

SAGE Router 的核心启发是 "multi-agent 协议应分层"——A2A 解决 discovery，transport，task artifacts；SAGE 解决决策与信任。"统一效用函数"是把 multi-agent 协调从艺术变为工程的关键——传统启发式难调试、难审计，统一效用函数让每一步决策都有依据。另一启发：信任评分必须基于 execution evidence 而非静态 metadata——只有"做过什么"的证据才能让 agent 之间的协作持续优化，但需要防范恶意刷分。

架构图（MMD）

证据边界：此图只采用本档案已有可核验描述；"待核验"节点不应视为项目实现事实。

flowchart LR
  Task[任务入口] --> A2A[A2A discovery
Agent Cards / Messages / Tasks / Artifacts]
  A2A --> Candidates[候选 agent 集合]
  Candidates --> SAGE[SAGE 决策层
效用函数]
  SAGE --> Mode1[SELF
现任 agent 独立完成]
  SAGE --> Mode2[COLLABORATE
保留所有权 + 加协作者]
  SAGE --> Mode3[HANDOFF
移交给专家]
  Mode1 --> Exec[执行]
  Mode2 --> Exec
  Mode3 --> Exec
  Exec --> Evidence[执行证据收集
成功/失败/延迟/成本]
  Evidence --> Trust[信任评分更新]
  Trust --> SAGE
  Exec --> DAG[任务 DAG 角色分配
依赖关系处理]
  DAG --> Exec
  SAGE -. 约束 .-> Budget[budget / deadline / permission]
  SAGE -. 重规划 .-> Progress[进度重评估]

定位判断

观察型项目（A2A 决策层 research-preview）。 SAGE Router 在生产可用性上仍是研究阶段，但它精准定位"A2A 之上的决策层"空白，是 multi-agent 协议栈演进的"探针"。短期看，仅供研究参考；中期看，若 A2A 协议广泛采纳，SAGE 可能成为 multi-agent 协作的"标准决策层"。对企业：当前不建议生产采用，但可作为架构演进参考；对研究者：这是 multi-agent 协调的明确研究方向。

风险 / 局限 / 泡沫点

与同类项目的关系

是否值得持续跟踪

值得持续跟踪（A2A 决策层 research-preview 的早期样本）。 1.2k⭐的增速说明 multi-agent 协调是公认热点。建议关注：① research-preview → production-ready 的节奏；② A2A 协议标准化进展；③ 信任评分鲁棒性的研究输出；④ 是否被主流 agent 框架（LangGraph / CrewAI）整合。对研究者：这是 multi-agent 协调的明确信号；对企业架构师：当前不建议生产采用，但应作为长期演进参考。

后续观察点

数据来源: GitHub API (2026-08-23) | Stars: 1,243 | License: MIT | 语言: Python | 创建: 2026-08-18 | 推送到 main: 2026-08-21