Agent-Native改造：让传统系统成为AI Agent的一等公民

上个月刚把一个老旧的内部排班系统改造成可以被 AI 直接调用的服务改完之后有个很深的感触过去我们做软件默认用户是人要照顾人的视觉习惯、操作直觉、点击路径甚至耐心程度但现在越来越多的调用方变成了 AI Agent它的用户习惯和我们熟悉的完全不同。这个方向如今有个专门的说法叫agent-native意思是说一个应用从底层设计上就为 AI Agent 留好了位置而不是先做给人用的界面再想法子让 Agent 去看懂和操作。我见过太多团队在大模型很厉害但我不知道拿它干什么之间反复纠结。其实答案往往不在模型本身而在应用侧你的系统愿不愿意让 Agent 进来、能不能让 Agent 安全地干活。这篇文章想写的就是我在把传统应用往 agent-native 方向改造过程中的完整思路、实操步骤和踩过的坑。内容会兼顾原理和可复现的操作路径适合正在做 AI 应用落地、或者手里有一套老系统想和 Agent 对接的开发者和产品负责人。1. 从人的界面到Agent 的界面agent-native 到底改了什么1.1 为什么传统应用在 Agent 手里会失聪先讲一个我常用来和同事解释的例子。你雇了一个能力很强的助手结果你让他处理文件发现他看不懂你平时的便签习惯、不懂你的 Excel 配色逻辑、也不清楚哪些信息在哪个 sheet 里你得手把手教半天。AI Agent 对接传统软件就是这种感觉。传统软件的核心假设是坐在屏幕前的是人类。人类有眼睛可以看到界面上红色的警告人类有常识知道弹窗里确定删除意味着什么人类有耐心愿意在表单里一项项填写。但 Agent 没有这些。它只有对文本的理解、对工具的描述、对状态的感知。当你的系统把所有信息都渲染成 HTML 按钮、下拉框、PNG 图表的时候Agent 面对的就是一个失聪的系统——它听不见、看不见、也不知道下一步该往哪儿走。这个问题的本质不是要不要做 API而是你的业务逻辑是否以 Agent 能够理解的语义来暴露。很多老系统有 API但那些 API 是给人看的字段名缩写、状态码含义不明、流程需要多步手工拼接。Agent 调用这种 API就像让一个新人拿着不完整的接口文档干活出错率极高。1.2 AGENT-NATIVE 的三个底层特征我把 agent-native 拆成三个可以落地的特征判断一个系统是否算 agent-native就看它同时满足几条第一状态可恢复。Agent 随时可能中断、重试、追问。传统软件假设一次会话里用户从头到尾操控但 Agent 协作流程会跨多次调用、多个线程系统必须能告诉 Agent当前你在哪个环节、这个环节的输入是什么、缺什么条件才能往前走。第二语义结构化。界面上的漂亮大按钮对 Agent 毫无意义它需要的是明确的、带有语义的动作和数据结构。比如提交报销单这个动作人类看到按钮就知道要干什么Agent 需要的是一个工具描述输入参数有哪几个、每个参数含义是什么、返回什么、可能出错的原因是什么。第三行动接口化。这里的接口不只是 REST API还包括工具描述Tool Description、输入输出 schema、权限边界、幂等性设计。Agent 需要用这些接口去干活就像人用手脚去操作工具一样。这三个特征合在一起意味着你的应用不再是为一个人准备的一套完整操作界面而是为一群自动化的调用者准备的一套清晰、可靠、可组合的工作环境。1.3 一个反直觉的判断AI 增强不等于 AGENT-NATIVE现在市面上很多产品说自己支持了 AI但仔细看往往只是加了个聊天框。你在后台配置了一些大模型接口用户可以在界面上问帮我查一下上月销售额系统返回一段话来回答——这是 AI 增强不是 agent-native。AI 增强是人在回路里AI 辅助人agent-native 是Agent 在回路里系统为 Agent 服务。这两件事的产品逻辑完全不同。前者仍然默认用户是那个坐在屏幕前的人后者则默认主力干活的是 Agent人只是负责设置目标、给约束、审结果。我见过不少团队在这上面花了冤枉钱。他们花大量精力优化模型提示词让聊天框能更好理解用户问题但后端流程仍然是需要人去一步步点按钮的老逻辑。结果 Agent 只能做到说得好听干不了活。所以如果你想做的是让 Agent 真正替用户完成任务而不是陪用户聊天一定要从架构层面去思考 agent-native而不是在表现层加一个 AI 外壳。2. Agent 眼中一个好用的应用长什么样2.1 状态可见让 Agent 随时知道现在到哪一步了Agent 要完成一个任务本质上是在一个充满不确定性的环境里持续做决策。它必须时刻知道自己在哪里否则就无法规划下一步。这一点用状态机来理解最清晰。传统应用里状态往往散落在数据库字段、前端路由、缓存变量中用户靠界面上的高亮和跳转感知状态。Agent 没有这个感知渠道它需要的是一个显式的、可以查询的当前状态。比如一个请假审批流程人看到界面上审批中就明白Agent 则需要调用一个get_current_step工具返回结构化的信息当前步骤是部门审批、审批人是谁、已经耗时多久、上一步的结果是什么。我在改造系统时第一步就是把所有业务流程梳理成显式状态机。每个业务对象都增加state字段并且每次状态变更都写入一条带有时间戳、操作者、原因的事件记录。这样 Agent 查询状态时不是看一堆平铺的数据而是能读到一条清晰的流转链。这里有一个设计细节要注意状态描述要写成 Agent 能直接用来决策的形式而不是只给人看的形式。比如状态不能叫S3-PENDING-APPROVAL要叫waiting_department_manager_approval后面还要附带当前等待对象可执行的操作列表。Agent 读到这个状态才知道它该催谁、该调用哪个工具、什么情况下需要升级给人工。2.2 语义结构化别让模型去猜你的字段含义第二个关键点是语义结构化。很多系统的数据库字段设计是面向存储优化的比如用st表示状态、用cr_dt表示创建时间、用usr_id表示创建人。这种设计对人类开发没障碍因为我们有上下文、有代码注释、有文档但 Agent 没有。它对工具理解完全依赖描述文件里的 schema 和说明。在 agent-native 架构里每个暴露给 Agent 的字段都要做到自解释。我在实际项目中坚持几条原则字段名用完整单词不用缩写每个字段都写清楚允许的取值范围和默认值必填和选填在 schema 里标注明白最关键的是要写清字段之间的依赖关系——比如只有报销单状态为 approved 时reimbursement_amount 才有意义。还有一个容易忽略的点数据格式要规范化。比如日期不能让一处是2025-01-02、另一处是02/01/2025Agent 处理这些不一致格式时很容易产生错误理解。我的做法是所有对外暴露的时间字段统一用 ISO 8601 格式所有枚举值统一用小写带下划线的字符串。这些规范看起来是小事但对 Agent 的准确率影响极大。2.3 行动接口把功能翻译成工具传统系统里功能是散落在界面操作和 API 里的agent-native 系统里功能要被封装成工具也就是带清晰描述的、可被模型调用的函数入口。很多人以为工具就是把 API 包一层加个描述就行。实际上差别很大。一个 API 可能是创建订单这样一个粗粒度操作它内部会做校验、算价、扣库存、发通知一系列事情。但对 Agent 来说把它封装成一个工具不是不行问题在于中间环节出错时Agent 不清楚哪一步失败了、缺什么参数、该怎么修正。更合理的做法是按业务动作切分工具粒度。比如创建订单不要放在一个工具里而是拆成校验库存计算价格锁定库存创建订单记录触发支付这样几个动作。每个动作都对应一个工具Agent 可以按需组合、逐步推进、在某个环节失败时精准重试。工具描述也非常讲究。描述写得好不好直接影响 Agent 调用对不对这句话一点也不夸张。我在给模型测工具调用时发现描述里写清楚什么时候该用这个工具什么时候不该用这个工具输入参数的含义典型错误场景能把错误调用率降低一个量级。别嫌麻烦每个工具多花十分钟写描述后面能省大量排查时间。3. 改造实录把一个传统应用变成 AGENT-NATIVE 的四步走3.1 第一步梳理数据模型确认哪些字段值得暴露你不需要把所有数据都暴露给 Agent。很多系统的内部数据臃肿复杂直接全部暴露会导致两个问题一是 Agent 的上下文窗口被大量无用字段挤占理解准确率下降二是安全风险变大Agent 可能读到不应该读的信息。我的做法是先画一张系统的主数据地图把核心业务对象列出来客户、订单、工单、项目、员工等。对每个对象再列出Agent 完成任务真正需要的字段和内部实现字段。只暴露前者。比如工单对象Agent 可能需要知道工单标题、描述、当前状态、负责部门、紧急程度、创建时间、截止时间但不需要知道数据库自增 ID 前缀、内部 source 字段、定时任务锁标记。这一步做完你会发现系统对 Agent 的可读性大幅提升。因为暴露给 Agent 的数据结构变得干净、聚焦和人 README 里描述业务的方式接近模型就不需要费力去猜。3.2 第二步把业务流程改造成状态机传统业务代码里流程控制往往散布在 if-else、定时任务、事件回调中。这种代码人能理解因为开发者脑中有完整流程画面但 Agent 调用时它看不到这些分支逻辑它只知道我调用了一个接口然后呢所以第二步是把主流程显式建模成状态机。以工单流程为例created → triaged → in_progress → on_hold → resolved → closed。每个状态都定义清楚能进入这个状态的条件是什么、处于这个状态时可以执行哪些工具、执行后转移到哪个状态。状态机一旦建好对 Agent 的好处非常直接。Agent 可以调用一个get_current_state工具拿到当前状态和可执行的 action 列表然后基于这个列表决定下一步调用哪个工具。不需要去猜流程、不需要读代码文档系统的行为对 Agent 变得透明。这里有个实践经验状态机不要把人排除在外。保留人工审批节点、人工输入节点Agent 在那些节点前停下来把需要人工决定的事项以清晰请求的形式提交。因为某些决策比如是否接受价格变更是否接受风险等级不适合让 Agent 全权处理它能把事情推进到该决策的位置已经很够用了。3.3 第三步设计工具层而不是 API 层市面上很多团队在做 Agent 对接时第一反应是我已经有 REST API直接让 Agent 调用就可以了。但实践中你会发现REST API 的服务对象是人对着文档去调用而 Agent 面对的工具描述要必须满足自包含、语义明确、错误提示可理解。我踩过的典型例子一个系统原来的 API 是POST /api/orders/{id}/approve返回值只有 200 或 500。人类开发看文档知道 500 可能是后端报错但 Agent 拿到 500 根本不知道为什么、怎么修。改造之后这个动作变成一个工具返回结果是结构化的{success: false, reason: approver_not_found, message: 审批人未指定请先调用 assign_approver}。Agent 读到这个就能自己决定下一步是调用assign_approver还是把错误报告给用户。此外工具层的另一个核心是幂等性。Agent 经常会重试同一个动作尤其网络超时之后。如果创建订单这个工具不幂等重试一次就多一条订单。我在设计时必须保证每个写操作工具都支持传入一个全局唯一的 request_id重复相同 request_id 的调用不会产生重复数据而是返回已存在的结果。这个细节对 Agent 场景几乎是生死线。3.4 第四步重新定义权限与审计很多传统系统的权限模型是页面级别的——你有这个功能的权限你就能看到整个页面然后在页面上做操作。但 Agent 的调用是细粒度的它可能只调用某一个工具不需要也不应该拿到整个页面的数据。在 agent-native 架构中权限要下沉到工具级别和字段级别。比如 Agent 可以调用查询工单列表工具但只能拿到姓名脱敏后的数据可以调用创建工单工具但只能在特定项目下创建可以调用指派审批人工具但不能指派给财务线之外的人。权限之外审计日志也要重新设计。人操作时有操作者账号可以追踪Agent 调用时除了记录谁发起的会话还要记录这个 Agent 的使命是什么、它得到过哪些指令、在什么时间点调用了什么工具、系统的响应是什么。这样出了问题才能复现整条 Agent 的决策链否则排查问题会像大海捞针。4. 实测踩坑三个几乎每个团队都会撞上的问题4.1 上下文挤爆Agent 会把你的整个系统说明当咒语全读进去第一个坑也是最容易忽视的坑上下文窗口。很多系统的工具定义、枚举值说明、数据字典加起来可能几万字。Agent 在执行任务时往往需要把这些系统说明全部塞进上下文里才能做决策。结果一个本来很简单的任务消耗的 token 量巨大响应速度变慢甚至超出窗口限制。我在一个项目里遇到过工单系统总共暴露了 60 多个工具每个工具描述平均 200 字再加上几个核心对象的 schema全量塞进去差不多 2 万 token。Agent 每次执行任务光理解系统就要花好多钱而且任务多轮对话之后上下文继续累积很快就到瓶颈。解决思路有几个。第一控制暴露的工具数量不要把什么都塞给 Agent做一层根工具 子工具的按需加载。Agent 先调用一个list_available_tools根据任务类型再加载对应的一组工具第二工具描述要精炼只写模型做决策真正需要的信息去掉大段的背景说明和示例代码第三考虑给 Agent 挂一个精简版系统手册需要时才取用详细文档。4.2 工具权限失控只读工具被调用去执行写操作第二个坑更隐蔽也更危险。我曾经把查询客户详情和更新客户信息分别封装成工具。但模型在推理时有时会把动作理解错比如用户说把客户的地址改一下Agent 却先去调用了查询客户详情并试图在返回参数里直接带上新地址而不是调用更新客户信息。表面看是模型能力问题但根子上是你的工具声明不规范。我后来在工具描述里明确写了该工具为只读操作不修改任何数据如需修改请调用 update_customer_info并且在工具 schema 里用read_only字段标记。还做了一个运行时的强制保护即使 Agent 想通过只读工具附带修改参数系统也会拒绝执行任何写操作。这一步的设计原则是永远假设 Agent 会犯错因此要在系统层面设置硬边界而不是指望模型永远正确。你可以给每个工具设定idempotent、read_only、requires_approval这样的元数据标记让系统在运行前做一次自动检查。这样的组合拳能有效避免大多数权限失控问题。4.3 状态同步失败Agent 以为自己干完了系统还停在中间态第三个坑是状态同步。Agent 是异步的它可能先调用了提交请假申请然后又去处理别的任务过了很久再回来问结果。但如果系统里提交这个动作只是往数据库里插了一条记录并没有把状态推进到审批中Agent 就会误以为流程已经往前走了。我在测试时遇到过非常类似的场景Agent 创建了工单然后告诉用户工单已创建并分配给售后组但实际上工单还在created状态分配发生在另一个队列任务里系统还没来得及处理。用户一看说不对工单根本没有对接售后。这个问题的解法在于工具的执行要和状态机联动做到调用完成即状态更新。也就是说当提交请假申请工具返回成功时数据里的状态必须已经变为pending_approval而不是等到某个后台任务再去更新。如果某个操作确实需要异步完成那工具返回时一定要明确写已接受处理中当前状态 pending绝不能给 Agent 一个虚假的已完成。5. 我的一些体会AGENT-NATIVE 不是技术升级是产品思维的迁移5.1 把用户重新定义为调用方做 agent-native 改造最难的不是技术而是改变产品观念。以前我们设计软件第一问总是一顿用户在这个界面上的关键路径是什么现在要问的是调用方需要什么信息来决策、需要哪些动作来推进。用户不再只是那个看屏幕的人还有可能是某个自主运行的程序。这个转变影响很多东西按钮的文案不重要了接口的错误信息是不是有指导性变得重要页面加载速率不重要了工具响应时间变得重要埋点统计用户点击了什么不重要了审计Agent 为什么调用这个工具变得重要。团队里的每个角色——产品、后端、测试——都需要适应这个新的用户画像。5.2 先做最小可用的 Agent 工作区再谈界面很多人问我要不要一开始就做一个 Chat UI 或者 Agent 操作台。我的建议是别急。先把核心业务能力以工具形式暴露出来让 Agent 能完成一条完整的任务链路哪怕只能完成一个高频业务场景。比如客户查询 创建工单 标记状态这三个工具跑通Agent 就能处理一个真实的业务问题。之后根据 Agent 实际操作中暴露的问题去迭代哪个工具描述让模型困惑哪个流程状态不清晰哪个权限设计阻碍了任务完成。当初我把排班系统跑通这个最小闭环用了一周但真正把体验打磨到让人放心用又花了大半个月。这个过程里积累的经验比一次做一堆空泛功能有价值得多。5.3 一个实用建议从工具描述和状态模型开始如果你接手的是一套存量系统别一上来就重构。可以从两个小切口切入一是为系统里最核心的五六个流程画状态图把每个状态的进入条件和可执行动作列出来二是挑其中三四个高频动作改造成带结构化返回和清晰描述的工具。就这两个动作已经能让一个团队对agent-native 到底意味着什么建立直观感受。我在实际项目里的体会是agent-native 不是某项具体技术的代名词它更像一套设计原则让系统的行为对机器可理解、可分析、可干预让 AI Agent 成为系统的一等公民。当你真正开始这样思考时很多过去觉得大模型落不了地的问题其实都会变得具体而可执行。