从代码层面看 OpenAgenet(OAN):一个面向智能体互联网的工程化基础设施项目

简介: 本文从代码层面介绍 OpenAgenet(OAN)的工程特征与优势。OAN 采用多语言、多仓库模块化架构:Rust 用于协议核心、Root、Registrar、Discovery、Trust Indexer 等可信基础设施;TypeScript 用于 SDK、官网、社区 Skill、治理工具和第三方节点测试套件;Python 用于智能体参考实现。文章说明 OAN 不只是协议设想,而是具备 Root 可信发布、Registrar 资源注册、Discovery 验证发现、SDK 集成和测试准入等参考实现。其资源模型覆盖 Agent Service、Skill、MCP Server、Tool/API

评价一个智能体互联网基础设施项目,不能只看概念是否新,也要看代码是否能支撑真实系统演进。OpenAgenet(OAN)的一个重要特点,是它不是把 DID、区块链、资源发现、智能体调用都堆在一个单体工程里,而是按协议核心、基础设施节点、SDK、智能体参考实现、官网、测试套件和运维工具进行模块化拆分。

这种代码组织方式,反映了 OAN 的工程定位:它不是一个单一应用,而是一组可组合、可验证、可扩展的智能体互联网基础设施组件。

一、多语言开发:不同模块使用适合的技术栈

OAN 在代码层面采用多语言开发,而不是强行用一种语言覆盖所有场景。

Rust 主要用于协议核心和基础设施服务。OAN 的 Root、Registrar、Discovery、Trust Indexer,以及 oan-protocol-common 中的协议、DID、凭证、加密、资源包、存储等核心 crate,主要采用 Rust 实现。这一选择很合理,因为这些模块承担的是基础设施职责,对类型安全、性能、并发能力、可靠性和长期维护要求较高。

TypeScript 主要用于 SDK、前端、社区 Skill、治理工具和测试套件。比如 oan-sdk-ts 面向浏览器、Node.js 和开发者工具;oan-homepage 提供官网、注册、发现和文档入口;oan-third-party-node-admission-test-kit 使用 TypeScript CLI + library 的方式实现第三方节点接入测试。这些场景更关注开发者体验、生态集成和前后端协作,TypeScript 是比较自然的选择。

Python 主要用于 Agent 参考实现。oan-agent-py 提供 Service Agent 和 User Agent 的参考代码,让 Python 智能体开发者更容易理解如何查询 Discovery、验证发现结果、调用服务端点,而不需要一开始就深入 Rust 服务端实现。

这种分工体现了一个成熟基础设施项目的思路:核心可信路径用更强类型和更高可靠性的技术栈,生态接入和用户工具用更易集成的技术栈,智能体示例使用开发者熟悉的 Python。

二、分仓模块化:每个仓库职责清楚

OAN 的代码不是一个大杂烩,而是拆成多个职责明确的仓库。

oan-protocol-common 是协议基础层,包含 DID、加密、凭证、资源包、存储、客户端、语义推荐等共享 Rust crate。它相当于 OAN 的协议和数据模型核心,避免各节点重复实现 DID 文档解析、资源包结构、签名验证、授权域处理等逻辑。

oan-root-services 是 Root 相关服务。Root 的职责是观察治理状态、签发基础设施授权 VC、验证 Registrar 提交的资源包、生成 Root proof、发布资源包,并协调 CDN 和 Discovery 分发。Root 是 OAN 可信发布路径里的关键节点。

oan-registrar-node 是注册节点实现。Registrar 面向资源提供方,负责资源接入、注册草稿、DID 文档和元数据检查、授权域检查、注册凭证和向 Root 提交资源包。它是资源进入 OAN 网络的入口。

oan-discovery-node 是发现节点实现。Discovery 从 Root/CDN 同步已验证资源包,检查 Root proof、包哈希和授权域,建立本地索引,并返回签名发现结果。它不是普通搜索服务,而是可信发现节点。

oan-trust-indexer 是治理状态读模型服务,用于索引链上治理事件,向 Root、Registrar、Discovery 或未来 VC Issuer 提供稳定的治理状态读取接口。它让服务节点不用直接处理复杂链上事件扫描细节。

oan-sdk-ts 面向开发者提供 TypeScript SDK,使应用可以访问 Registrar、Discovery、Root、CDN 等接口,并围绕 did:oan、资源包、Root proof、Discovery response 做集成。

oan-agent-py 提供 Python Agent 参考实现,帮助智能体开发者从“如何使用 OAN”入手,而不是只阅读协议文档。

oan-homepage 则是官网、注册页、发现页和 Docs 的用户入口,把底层能力呈现为可使用的网页产品。

此外,oan-third-party-node-admission-test-kit 用于第三方 Registrar/Discovery 节点接入测试,oan-trial-network 用于试验网络和社区节点申请材料,oan-operator-guides 用于运维和测试指引,oan-public-docs 则承载公开规范与说明材料。

这种分仓方式让 OAN 具备较好的边界感:协议核心、节点运行、开发者 SDK、用户入口、测试准入、文档和运维各司其职。

三、参考节点实现:不是只有协议文本

很多基础设施项目停留在协议设想阶段,最大问题是“说得通,但跑不起来”。OAN 的优势在于,它为关键节点提供了参考实现。

Root Node 已经具备治理观察、授权 VC、资源包验证、公告事实、CDN 发布和 Discovery 通知等职责边界。Registrar Node 已经围绕资源注册入口进行实现,支持 Agent Service、Skill、MCP Server、Tool/API 等资源类型。Discovery Node 已经围绕 Root-verified resource package 建立可信索引与查询能力。

这些参考节点的意义不只是演示。它们可以作为第三方节点实现的行为基准,也可以作为测试套件、SDK、官网功能和运维脚本的联调对象。未来第三方节点接入时,可以对照官方参考节点实现,检查接口、字段、错误码、授权域、DID 文档和发现响应是否兼容。

这让 OAN 更像一个可执行的基础设施工程,而不是一份孤立白皮书。

四、协议核心抽象:资源导向而不是 Agent 单体导向

从代码结构看,OAN 已经从“只描述 Agent”转向“描述智能体生态资源”。

在 did:oan 和资源包模型中,一等资源包括 Agent Service、Skill、MCP Server、Tool/API。也就是说,OAN 不是假设智能体互联网里只有 Agent 需要身份,而是把智能体可调用、可组合、可分发的各种能力都纳入资源模型。

这种资源导向设计更贴近实际生态。今天很多智能体能力不是完整 Agent,而是一个工具、一个 API、一个 MCP Server 或一个 Skill。如果基础设施只支持 Agent,就会错过大量真实能力单元。OAN 在代码层面对资源类型、协议绑定、服务端点、包信息、授权域和能力标签进行统一建模,使不同形态资源可以进入同一套注册与发现路径。

五、授权域与能力标签分离:代码层面的治理边界

OAN 的一个重要技术特征,是把 authorizedDomains 和 capabilityTags 分开处理。

authorizedDomains 是治理属性,用于判断 Registrar 是否可以接收某类资源、Discovery 是否可以展示某类资源。它需要符合授权域树和规范化规则。

capabilityTags 是搜索属性,用于表达资源能力、辅助语义匹配和排序。它可以更灵活,但不能扩大授权范围。

这种区分在代码层面非常关键。如果把能力标签当成授权依据,任何资源都可以通过添加标签伪装成某个领域资源,Discovery 也可能错误展示超出授权范围的内容。OAN 将授权域规则放入协议和节点校验路径,使治理边界不会被搜索优化逻辑冲掉。

六、SDK 与 Skill:降低接入门槛

一个基础设施项目如果只有服务端节点,对开发者仍然不够友好。OAN 提供 TypeScript SDK 和社区 Skill,把复杂的注册、发现、验证过程封装给用户和开发者。

oan-sdk-ts 提供面向浏览器、Node.js 和工具链的客户端能力。它默认支持官方服务入口,也允许配置第三方 endpoint 或 baseUrl。这为未来多节点生态保留了灵活性。

oan-community-skill 则面向普通社区用户,帮助准备资源注册材料、校验 DID 和元数据、选择授权域、调用 Registrar、查询 Discovery,并解释发现结果。它的边界也很清楚:不做官方运维,不运行 Root/Registrar/Discovery,不提交治理写操作。

这体现了 OAN 的工程思路:底层协议可以复杂,但用户入口要尽量简单;可信路径可以严格,但开发者集成不能过重。

七、测试套件与准入机制:为第三方生态做准备

OAN 还专门设计了 oan-third-party-node-admission-test-kit,用于第三方 Registrar 和 Discovery 节点接入测试。

该套件采用 TypeScript CLI + library,使用固定 fixtures、确定性预期输出和 PASS/FAIL requirement checks,对测试套件自身和未来节点准入规则进行验证。它覆盖配置解析、节点身份一致性、授权域规则、注册包校验、DID 文档绑定、Discovery 查询、生命周期状态、报告结构和可重复性等方面。

这说明 OAN 并不是简单声称“支持第三方节点”,而是在代码层面准备第三方节点如何被测试、如何被评价、如何进入后续治理流程。对一个基础设施项目来说,这种准入测试能力非常重要,因为开放生态越大,越需要客观一致的技术检查机制。

八、官网与文档:代码和内容解耦

oan-homepage 不只是宣传页面,而是包含注册、发现、Docs、Network 等功能入口。Docs 采用 markdown package 的方式组织,前端负责渲染,文档内容和展示逻辑相对解耦,并支持本地缓存和按章节预取。

这种设计让官网不仅是“项目介绍”,也是 OAN 生态的实际入口。用户可以通过官网理解概念、注册资源、发现资源、查看节点网络信息,也可以进一步跳转到 GitHub、规范、论文、SDK 和 Skill。

对开源基础设施项目来说,官网如果只做宣传,很难形成开发者入口。OAN 将官网与注册发现能力连接起来,是代码层面比较务实的设计。

九、工程优势总结

从代码层面看,OAN 的优势主要体现在几个方面。

第一,模块边界清晰。协议核心、Root、Registrar、Discovery、Indexer、SDK、Agent 示例、官网、测试套件、运维指南分别独立,便于长期演进。

第二,技术栈选择务实。Rust 承担可信核心和服务端基础设施,TypeScript 承担 SDK、前端、工具和测试包,Python 承担智能体参考实现。

第三,参考实现完整。OAN 不只是协议描述,而是具备 Root、Registrar、Discovery、Trust Indexer、SDK、Agent 示例和官网入口。

第四,面向真实生态扩展。第三方节点申请、授权域治理、接入测试套件、SDK baseUrl 配置等设计,都在为多方参与做准备。

第五,资源模型更贴近智能体互联网。OAN 不只处理 Agent,也处理 Skill、MCP Server、Tool/API 等真实能力单元。

第六,可信路径可验证。DID Document、Root proof、包哈希、授权域、Discovery response 和治理状态共同构成机器可检查的证据链。

十、结语

OpenAgenet(OAN)的代码层面特征,体现出它不是一个单点应用项目,而是一个面向智能体互联网基础设施的工程体系。它用 Rust 构建可信核心,用 TypeScript 打通开发者和用户入口,用 Python 提供智能体参考实现,用测试套件和运维文档支撑第三方生态。

这种工程结构的价值在于:概念可以通过代码验证,协议可以通过节点运行,生态可以通过 SDK 和 Skill 接入,第三方节点可以通过测试和治理进入网络。对于一个仍在快速发展的智能体互联网方向来说,OAN 的优势不只是提出了 DID、区块链和可信发现的组合方案,更在于它已经把这些方案拆解成可以开发、测试、部署和持续演进的代码模块。

相关文章
|
28天前
|
缓存 人工智能 自然语言处理
阿里云qwen-max、qwen-plus、qwen-flash、qwen-long热门模型解析与模型选择指南
本文全面解析阿里云百炼通义千问四大产品线:qwen-max旗舰、qwen-plus均衡、qwen-flash轻量、qwen-long长文本专用,覆盖全代际版本特性、适用场景、能力参数与价格体系。文章给出四步选型逻辑与生产环境分层调度策略,搭配当前限时折扣、夜间错峰优惠、新人免费额度等活动,帮助开发者精准匹配业务需求,在保障推理效果的同时最大化控制调用成本。
|
2月前
|
并行计算 Linux 异构计算
COMSOL 6.4 保姆级图文安装教程 新手零失败指南
COMSOL Multiphysics 6.4是全球领先的多物理场耦合仿真平台,原生支持结构、流体、电磁、传热、声学、化学等任意物理场自由组合与双向耦合,内置高性能求解器、CAD双向对接及App开发器,大幅降低复杂工程虚拟验证门槛,广泛应用于研发与教学。(239字)
730 5
|
3月前
|
人工智能 自然语言处理 数据可视化
【新版】阿里云 百炼大模型平台 功能介绍及配置价格表
阿里云百炼大模型平台是一站式企业级大模型开发与应用构建平台,集成通义千问全系列及第三方主流大模型,提供模型调用、Prompt工程、RAG、智能体构建、模型微调、评估部署等全链路能力,依托阿里云强大算力与安全体系,为开发者与企业提供开箱即用、灵活高效的AI开发服务,大幅降低大模型应用落地门槛。平台支持多种部署方式与灵活计费模式,适配个人开发者、中小企业及大型企业的多样化AI需求,从简单文本生成到复杂智能体应用,均可快速实现。
630 4
|
3月前
|
人工智能 监控 测试技术
银行业AI架构:从裸调API到六层技能体系
# 银行AI智能体架构实战:从单体到Skill协同的技术演进 ## 痛点:银行IT架构的三重困境 走在任何一家银行的科技部走廊里,你都能听到同样的叹息:系统又慢了、需求又排不上、监管又来查了。这不是某一家银行的困境,而是整个银行业IT架构的共性问题。我们把它拆解为三重困境。 **困境一:单体系
|
3月前
|
数据采集 监控 API
【淘宝API】商品列表采集
本项目通过Taobaoapi2014调用jd.item_search接口,无需卖家权限,POST方式+Bearer鉴权,一键批量获取淘宝/天猫搜索页商品数据(标题、价格、销量、店铺等),支持导出Excel/CSV/数据库,适用于电商分析与竞品监控。(238字)
|
3月前
|
数据采集 人工智能 搜索推荐
AI搜索引擎引用源选择机制的数据分析与技术解析
本文基于45条AI搜索引用源数据,分析技术内容被引用的平台偏好(CSDN、海外博客、官方文档占55.5%)、内容特征(答案前置、列表密度≥3.2/千字、数字密度≥18.5/千字)及时间窗口(30–90天稳定被引),揭示平台推荐是关键过滤环节,为技术创作者提供可量化的发布策略参考。
192 4
|
3月前
|
自然语言处理 数据可视化 算法
Agent时代的知识图谱,到底还能怎么玩?
本文探讨知识图谱在Agent时代的转型路径:指出其不可替代的三大价值——结构化行为约束、多Agent语义协调、长期记忆组织;厘清“别碰”“同质化”与“值得投入”的18个方向;强调知识图谱须从静态知识库升级为动态、可验证、嵌入式的行为与记忆基础设施。
|
4月前
|
Java Windows
JDK 8 安装与环境变量配置教程(jdk-8u121-windows-x64.exe 详细步骤)
本教程详解JDK 8u121 Windows 64位安装与配置:含管理员运行、路径选择、JAVA_HOME及Path环境变量设置,并通过java/javac -version命令快速验证,步骤清晰,适配Win10/Win11。
|
4月前
|
人工智能 自然语言处理 数据库
智能分诊+AI问诊+电子处方,互联网医院系统源码功能开发技术架构揭秘
本文从软件开发与系统架构视角,深入解析互联网医院系统源码的核心设计逻辑,重点拆解智能分诊、AI问诊与电子处方三大核心模块,并结合微服务架构、高并发设计、医疗数据安全与AI大模型接入等关键技术。
|
6月前
|
存储 人工智能 开发者
AI Agent 越来越难迭代,你缺少的不是功能
还在担心 Token 消耗过多?还在纠结 Agent 难以优化?不改一行业务代码,LoongSuite Python 探针帮你把一次请求从头到尾捋顺:哪一步访问了什么模型、调用了什么工具、召回了哪些文档、花费了多少 token、上下文发生了什么变化。
404 60

热门文章

最新文章