停止并非一种状态：为什么智能体需要类型化的终端原因协议

打开一个 Agent 集群（fleet）的仪表板，你会看到一个干净的数字：完成率，94%。在它下方是一系列运行记录，每条都标记着两种状态之一 —— 正在运行（running）或未在运行（not running）。那 6% “未在运行”的记录看起来完全一样。其中一些完美地完成了任务。一些在离完成还差两步时达到了步骤限制。一些捕获到了工具错误并放弃了。一些正确地判定任务是不可能的。还有一些则干脆断了思路，停止输出 token。

你的监控无法区分这些情况。它只知道流程不再运行了。它不知道 为什么，而“为什么”正是你在决定是否要呼叫（page）值班人员时唯一关心的事情。

这是大多数 Agent 部署中悄然存在的架构鸿沟。我们痴迷于对 Agent 的 路径 进行埋点 —— 每一次工具调用、每一个 token、每一次检索 —— 然后却让 Agent 的 退出 坠入深渊，变成一个单一的、无类型的事件。一次运行结束了。框架记录了它的结束。值班人员得到一个数字，它将健康的完成与礼貌的放弃混为一谈，而区分它们的唯一方法就是在事后打开追踪（trace）记录，逐一阅读。

一个可能以六种具有显著差异的方式结束的过程，需要说明它是以哪种方式结束的。这句话听起来显而易见，但几乎没有 Agent 框架强制执行这一点。

完成率掩盖了分布情况

首先看看“完成率”到底测量的是什么。它是达到终端文本输出的运行次数与所有启动运行次数的比率。这个指标基本上是不加思索地从请求/响应模式的世界中借用来的，在那个世界里，服务器要么返回 200，要么不返回，而 500 则是明确的错误。

Agent 打破了这种模式。一次 Agent 运行并没有单一的失败模式和成功的模式。它是一个光谱，而光谱的两端都是合理的结局：

• 它 完成 了任务并生成了正确的结果。
• 它在任务中途 耗尽了预算 —— 达到了最大轮次上限或实际时长超时。
• 它 卡在了一个工具上，该工具报错、超时或返回了垃圾数据，且 Agent 无法绕过它。
• 它 判定任务不可行 并主动停止，这通常是 正确 的决定。
• 它 升级给人类 处理，交接工作而不是盲目猜测。
• 它 遗弃 了运行 —— 停止取得进展、陷入循环、偏离主题，并在上述情况都没有明确发生的情况下陷入沉寂。

94% 的完成率告诉你，有 6% 的情况落在了后面五种。它不会告诉你这 6% 主要是干净的不可行判定（一个健康的系统拒绝了它不该做的工作），还是主要是遗弃（一个系统在默默地失败）。这两种解读需要完全相反的应对措施。一种意味着可以发布；另一种则意味着停止推广。原本应该驱动这一决策的指标，在结构上却无法区分它们。

这是多 Agent 失败文献中不断出现的同一个陷阱。加州大学伯克利分校的 Sky Computing Lab 通过手动标注大约 150 条追踪记录并扩展到 1600 多条，建立了一个 Agent 失败分类法 —— MAST。核心发现并不是 LLM 很笨，而是大多数失败都是 结构性 的：缺失终止标准、没有角色约束、没有人防范的崩溃。在他们的 14 种失败模式中，有几种 —— 步骤重复、提前终止、忽略其他 Agent —— 正是完成率使之变得不可见的东西。你无法管理一个你的核心指标看不见的失败类别。

“停止原因”已经存在 —— 只是在错误的层级

令人沮丧的地方在于：模型提供商已经解决了这个问题的某个版本。每个聊天补全（chat-completions）响应都带有一个 finish_reason，而且它是一个封闭的枚举（enum） —— stop、length、tool_calls、content_filter。Anthropic 的 API 也有自己的：end_turn、max_tokens、tool_use、refusal 等。Claude Agent SDK 的 ResultMessage 更进一步，携带了一个 subtype，用于区分 success、error_max_turns 和 error_during_execution。

因此，单次 LLM 调用 清楚地知道它为什么停止。问题在于，这个信号存在于你实际操作的对象下方一两层。在 40 轮 Agent 运行的第 14 轮出现 finish_reason: length，只告诉你单次模型调用达到了 token 上限。它没有告诉你 Agent —— 即包装了数十次此类调用、工具调用、重试和分支的编排循环 —— 是成功了、放弃了还是升级了。

终端原因必须被提升到循环边界。Agent 流程，也就是你编写 SLO 所针对的单元，必须是发出类型化退出信号的单元。而几乎没有编排层这样做。框架将控制权返回给调用者，调用者看到循环结束，模型层丰富的枚举早已被扁平化为“运行结束”。

这种扁平化就是 Bug 所在。修复方案不是建立新的基础设施，而是拒绝丢弃你已经拥有的信号。

加载中…