Agent 框架源码
第 4 节:把商业 agent 换成自托管要补什么
商业 agent 和自托管的差距不是「功能多少」,是三类要自己接的外部服务:连接器、语音通道、记忆质量。前两类有钱有工期就能补,第三类补不了——它靠的是长期积累的「什么值得打扰你」的判断。
- 连接器差距
- 6000 个Claude Duet 公开的 Marketplace 连接器与插件数
- 月费上限
- 200 美元商业产品从免费档到 Max 档的跨度上限
- 补位成本
- 3 类连接器、通道、记忆三块都要接第三方才能追平
- 审批红线
- 4 类商业产品统一要求确认:发送、支付、签署、删除
差距分两类:能花钱补的,和补不了的
速览:把「和商业产品的差距」拆成两类:能花钱补的(连接器、通道、界面)和补不了的(记忆质量、主动性判断、信任)。后半段给九项迁移验收和一笔 5 人团队的成本算例。
把商业产品和自托管放一起比功能条目,结论永远是商业赢——它有人专门做这件事。真正有用的问题不是「差多少」,而是「哪一部分我花钱能补上,哪一部分花钱也补不上」。
| 差距 | 性质 | 怎么补 | 补完要多久 |
|---|---|---|---|
| 连接器数量 | 工程量大,无技术难点 | 接聚合层或自己写 OAuth | 按需,一个应用 1–3 天 |
| 语音与电话 | 难点在 PSTM 与实时链路 | 买 TTS 服务 + SIP 中继 | 2–4 周 |
| 界面完成度 | 纯工作量 | 直接抄三个仓库的界面 | 1–2 周 |
| 记忆质量 | 数据与调优积累 | 没有捷径 | 按月算 |
| 主动性判断 | 产品经验 | 没有捷径 | 按月算 |
| 信任与责任 | 组织能力 | 自建值班与审计 | 长期 |
前三行是「有钱有工期就能到」。后三行不是——它们不靠代码量,靠持续使用产生的数据和组织能力。这张表是整节的核心,下面逐行展开。
连接器:6000 个数字背后是权限粒度,不是接口数量
Claude Duet 公开的数字是 6000 个连接器与插件,OpenAI Dots 是 4000 多个应用。自托管这边接的是聚合层:rakazo 用 Composio 加 Pipedream Connect 加速,OpenDots 也接 Composio 并支持 MCP,OpenMuse 只做了 Google 一个。
| 路线 | 覆盖 | 你付出的 | 典型项目 |
|---|---|---|---|
| 聚合层 | 几百到几千,看套餐 | 按调用计费,能力被聚合层框住 | rakazo、OpenDots |
| MCP 自接 | 有多少社区 server 算多少 | 自己管部署、升级、鉴权 | 三者都支持 |
| 自己写 OAuth | 要几个写几个 | 每个应用 1–3 天,含刷新与限流 | OpenMuse 的 Google 适配 |
真正的差距不在数量,在权限粒度。自建一个 Gmail 连接器,写完收信列表才到一半,后面还有:附件怎么下、编码怎么判、增量同步用什么游标、限流了怎么退避、用户撤销授权后本地缓存怎么办。这些没人会写进 README,但它们决定了这个连接器能不能上生产。
商业产品在这里的隐性优势是:它为一个应用写的连接器,被几百万用户用过。所有边界情况都被踩过一遍。自建的第一个版本一定会在某个没人想到的地方出错,而那个错误发生在深夜。
务实的选择是按用途倒推,而不是按数量对标。真正常用的应用不会超过十个——邮件、日历、云盘、文档、IM、代码托管、记账。把这十个吃透,比接三千个半通不通的连接器有用。6000 这个数字是卖点,不是需求。
通道:语音是最贵的一块
三个开源项目里,只有 rakazo 把通道做全了:Slack、Telegram、飞书、短信、SMTP 收发,加上五家 TTS。OpenDots 是 Web、Slack、语音三个;OpenMuse 基本只在 Web 和手机 app 里。
商业侧把语音当核心卖点。Claude Duet 的宣传语是「用一个线程,打字或说话都行」,OpenAI Dots 支持在 ChatGPT 里点电话按钮通话,xAI 的文章里专门讲「presence as interface」——状态怎么用头像动效表达。
| 层次 | 能做什么 | 要什么 | 难度 |
|---|---|---|---|
| 网页对讲 | 在浏览器里跟它说话 | 一个 Realtime API + WebRTC | 低,OpenDots 已实现 |
| 语音消息 | 发一段录音,它回一段 | STT + TTS 两段式 | 低,rakazo 五家 TTS |
| 真电话 | 拨号、接听、断线重连、号码 | SIP 中继 + 运营商资质 | 高,三个开源项目都没做 |
第三行是关键。前两个层次是软件问题,第三个是电信问题:要号码、要资质、要处理丢包和单通。三个仓库里没有一个实现了 PSTN,OpenDots 那个「call」是浏览器 WebRTC,不是电话。
所以对照要小心。商业产品说「可以给电话留言」「会议替你参加」,那是真的拨出去了;开源侧说「voice mode」,多数指网页对讲。这两个东西在演示视频里长得一样,在落地时差着一条供应链。
如果语音是刚需,预算里要留出 SIP 中继和号码的钱,以及一个能处理实时音频的人。这块自建不会比买便宜。
记忆与主动性:唯一补不了的部分
这一段是五家商业产品真正的护城河,而它看起来最不像技术。
Claude Duet 的核心体验是「每天早上给你一份简报」:它扫一遍邮件和日历,挑出最需要你注意的几件事,顺手把回复草稿写好。中午和下午再各巡检一次,只在真的有事时找你。Anthropic 在发布文里写得很直白:It helps you prioritize where to spend your time.
OpenAI Dots 的表述更克制但同源:It tracks progress, works out what needs to happen next, and follows through as things change. 它在你不在的时候推进,只在需要判断时回来。
开源侧现在有什么?OpenMuse 定义了 Monitor(盯着某件事)和 Idea(它主动提的想法)两个实体,方向对了,但实现停在「有类型、没策略」。rakazo 有 routine,而它的 VISION 明确写了 routine 就是「定时触发的 prompt」,不做可视化编排。OpenDots 的定时任务是同一线程里再发一条消息。
| 层次 | 机制 | 开源侧现状 | 商业侧现状 |
|---|---|---|---|
| 定时执行 | cron 到点跑一轮 | 三家都有 | 都支持 |
| 事件触发 | 有变化才跑 | rakazo 有 watch 机制 | 普遍支持 |
| 判断该不该打扰你 | 按你的偏好与历史决定 | 基本没有 | 核心卖点 |
第三行不是模型能力,是产品能力。它需要三样东西同时存在:足够长的使用历史、对「什么算重要」的显式规则、以及一套不会误报的策略。少一样就变成「每天推十条没用的提醒」——那比不推更糟。
这也是为什么这块抄不动。你可以把 Duet 的界面抄下来,把简报的格式抄下来,但那份「什么值得放进简报」的判断,是它在你邮件上跑了三个月才有的。自托管的记忆可以补,主动性只能养。
务实做法是先把范围缩到极小:只盯一个来源(比如日历),只做一种判断(时间冲突),只在一个时间点推。跑顺了再加。商业产品也不是一开始就能判断对的。
治理:出事时谁签字
商业产品在给企业卖的时候,卖的不只是 agent,还有一整套「出事了有人负责」的材料:渗透测试报告、合规认证、数据处理协议、审计日志导出、SLA。
三家开源里只有 rakazo 往这个方向做了实事:AuditEvent、AuditEventForwarding、SecurityEvent、ScimUser、ScimGroup,还有 AccessGrant 和 ActionApprovalRule。这套表结构是真的按企业内部工具设计的。
但表存在不等于治理成立。SCIM 同步要接你的 IdP,审计日志要有人看,密钥轮换要有流程,离职交接要有清单——这些都不在代码里。
还有一条经常被忽略:审批红线。商业产品在这件事上高度统一,四类动作必须确认——发送消息、支付、签署文件、删除内容。Claude Duet 还额外禁止证券交易和账户间转账,即便用户同意也不做。
自托管侧没人替你划这条线。rakazo 的做法是按域设白名单(shell、write_file 免审批,花钱与不可逆动作必审批),但这个判断是它替你做的,你部署的时候必须重新做一遍——因为你的沙箱隔离程度、你的用户群、你的合规要求都和它假设的不一样。
建议在动手前先写下来三件事:哪些动作永不自动执行、哪些数据永不出这台机器、出事后谁在几小时内响应。这三条写不出来,就先别上自托管。
算一笔账,再给一张迁移清单
先算人少的场景。五个人,商业产品按 100 美元一个席位算是 500 美元/月,一年 6000 美元,什么都不用维护。
自托管这边:一台能跑 Docker 的机器(云上 8 核 32G 约 150–300 美元/月)、一份 PostgreSQL、一份对象存储,加上模型 token。如果每人每天跑十来个长任务,token 很容易超过商业方案的总价。
结论是反直觉的:人少的时候自托管更贵,人多的或者本来就有闲置算力的时候才省钱。月费从免费档到 200 美元封顶,商业产品的价格带其实很窄;自托管的成本却是线性的、随用量走的。
所以自托管的理由不该是省钱,应该是这三条之一:数据不能出门、模型要自己选、行为要能改到循环那一层。如果三条都不占,直接用商业产品。
| # | 要确认的 | 判据 |
|---|---|---|
| 1 | 断网能不能跑 | 拔掉外网,核心流程是否仍可用 |
| 2 | 模型能不能换 | 换成另一家的 key,行为是否只是变差而不是崩 |
| 3 | 数据落在哪 | 能否一条 SQL 导出全部会话与记忆 |
| 4 | 沙箱隔离到什么程度 | 给 shell 免审批是否安全 |
| 5 | 审批红线写下来了吗 | 四类不可逆动作是否都有拦截 |
| 6 | 通道覆盖够不够 | 团队实际用什么,不在用的别接 |
| 7 | 失败怎么恢复 | 进程崩溃后任务状态是否可读、可重领 |
| 8 | 谁值班 | 半夜挂了有没有人看 |
| 9 | 能不能升回去 | 不满意时迁回商业产品的路径是否存在 |
第 9 项很少有人提前想。自托管最大的隐性成本是「沉没」:一旦把工作流、审批规则、自定义工具都长在这个系统上,迁回去的成本比迁出来还高。
所以第一次部署时,把「数据可导出」和「模型可替换」当成硬要求写进验收。这两条守住了,自托管就还是个可逆决策。可逆,才敢自己扛。
本节依据:OpenAI Dots 发布页与开发者文档、Claude Duet 发布页与帮助中心、Grok Bot 发布页、Meta Muse 与 Instinct 的公开评测资料。价格与档位按 2026-11 口径。核对日 2026-11-07。
变更记录
| 日期 | 类型 | 改了什么 | 范围 |
|---|---|---|---|
| 新建 | 把差距拆成可补与不可补,给出迁移清单与成本算例 | 全页 | |
| 口径 | 商业产品功能与价格取各家官方页与帮助中心,2026-11 档位 | 全页 | |
| 待更 | 价格变动快,核对日之后一律按打折看 | 全页 |