文档定位：本项目「智能体平台」的工程层 / 平台蓝图总纲——回答 How / How-safe / How-much（怎么建、怎么跑、怎么收费、怎么合规）。与《AI Agent 开发技术纵览（v3.0）》构成互补且唯一事实源的两份文档：技术纵览回答 What / Why（认知、面试、设计底座），本蓝图回答 How / How-safe / How-much（场景矩阵、两层架构、五关门禁、计费金融合规、默认策略基线）。
来源与构成：本文由以下来源整合 + 维度补全 + 国际深度对标 + 冲突分析而成——
Part 1 智能体平台工具矩阵（29 场景 × 工具矩阵）Part 2 平台技术架构（Harness + Loop 两层）Part 3 加载隔离与许可证门禁（五关门禁 / Manifest / Cedar / 沙箱）Part 4 计费模型与金融数据合规场景适配与工具链串联（编排手册）双文档设计逻辑对比_技术纵览_vs_平台工程蓝图_2026-07-11.md（第六点融合建议 + 国际对标基线）- 2026-07 国际主流一手资料（六框架收敛、A2A v1.0、MCP Registry/EMA、Cedar/Bedrock AgentCore、四层沙箱 CVE、评测基准体系、H=⟨C,A,R⟩/research-production/策略重定价/事件日志）
时效性：截至 2026 年 7 月 11 日 的产业一手资料，参考 Anthropic / OpenAI / Google / Microsoft / Linux Foundation（AAIF）/ AWS 官方发布与 GitHub 主仓。
使用方式：
- 平台架构师 / 研发：通读第 0–7 部分 + 附录；第 2–5 部分可直接落库为规范。
- 合规 / 商务：重点读第 3 部分（门禁）、第 4 部分（计费金融）、第 6.7 节（冲突裁决）。
- 面试 / 知识对照：本蓝图的每个工程决策，其「为什么」均可在《技术纵览 v3.0》找到概念底座。
📌 与《AI Agent 开发技术纵览（v3.0）》的关系：本文是技术纵览的落地镜像——技术纵览讲「能力域 / 面试题 / 答题框架」，本文讲「场景 / 架构 / 门禁 / 计费 / 合规 / 默认基线」。两者术语、章节、决策一一对齐，合成本项目唯一事实源。配套阅读：技术纵览 v3.0 第 9 章 Harness / 第 10 章 Loop / 第 33–35 章面试专项。
📌 文档约定（术语统一 · v2.0 对齐技术纵览 v3.0） ：
- 循环命名：统一为
Intake → Plan → Act → Observe → Reflect → Terminate；P-P-A-O-R（Perceive-Plan-Act-Observe-Reflect）为其别名，全文通用。- 策略引擎：统一为「MVP 自研轻量 → 长期 Cedar（跳过 OPA）」；Cedar 的 deny-overrides-permit 在语言层强制，且支持 SMT 形式化验证（详见第 3.7 / 3.13 节）。
- 沙箱隔离：统一为「按风险分级的四级隔离」——进程内（low）/ 子进程+ulimit（medium）/ nsjail·gVisor（high）/ microVM·Firecracker（regulated）；WASM·V8 Isolates 作为 JS/WASM-only 低延迟档候选，非通用唯一路线（修正 v1「WASM=medium 候选」的粗放表述，见第 3.14 节）。
- 双协议：MCP = 工具层（agent-to-tool），A2A = 协调层（agent-to-agent），二者互补，均归 Linux Foundation AAIF 治理。
- 范式骨架：Harness = ⟨Control, Agency, Runtime⟩ 三层分解（NTU+阿里），全文统一采用。
目录
第 0 部分 总论与国际对标基线
0.1 两份文档的互补关系
依据《双文档设计逻辑对比》结论（2026-07-11）：
-
两份文档不是竞品，而是同一体系的两个「高度层」——技术纵览是认知层 / 知识纵览（该知道什么），本蓝图是工程层 / 平台蓝图（怎么把平台建出来）。最大价值在打通「知识→落地」的落差。
-
以 2026-07 国际「生产级 Harness」标准衡量，本蓝图对标度显著高于技术纵览：已把主流共识的「控制面/数据面分离、PDP 门禁、沙箱分级、成本熔断、人机回路、许可证合规」操作化为可实现的规范；技术纵览的 Harness/Loop 仍以面试知识点呈现，缺交付闭环。
-
两者共同缺失的三项 2026-07 前沿范式（已在 v2.0 补齐） ：
- H = ⟨Control, Agency, Runtime⟩ 形式化三层分解（NTU + 阿里联合实验室）
- 研究型 vs 生产型 Harness 显式二分（Anthropic《Scaling Managed Agents》）
- 策略重定价 + 消融删冗 动态治理纪律（模型每次升级需重定价 Harness 策略）
本 v2.0 相对 v1.0 的关键升级：在 v1 机械合并 Part1–4+场景适配的基础上，逐维度补全国际对标（第 1.10 / 2.10 / 3.14 / 4.7 / 5.7 节）、新增第 6 部分冲突点分析、显式收口三目标（第 7 部分） ，并将对比报告第六点的 P0/P1/P2 全部落成可核查清单。
0.2 文档约定与对齐清单
| 维度 | 技术纵览 v3.0 | 本蓝图 v2.0 | 对齐状态 |
|---|---|---|---|
| 循环命名 | Intake→Plan→Act→Observe→Reflect→Terminate（P-P-A-O-R 别名） | 同左，Loop 相位统一 | ✅ 一致 |
| 策略引擎 | MVP 自研 → Cedar（跳过 OPA） | 同左，第 3.7/3.13 落地 Cedar | ✅ 一致 |
| 沙箱路线 | 分级隔离；WASM 作 medium 候选之一 | 四级隔离；WASM·V8 细化为 JS-only 低延迟档 | ✅ 修正一致 |
| 章节位置 | Harness 提升为第 9 章、Loop 第 10 章（顶级） | Harness/Loop 为第 2 部分两层架构 | ✅ 对应 |
| H=⟨C,A,R⟩ | §9.10 理论骨架 | §0.4 + §2.0 架构重述（注册表=C / Dispatcher=A / Loop+护栏=R） | ✅ 映射 |
| research/production | §9.11 二分（面试考点） | §2.9 harnessMode 开关（生产档=默认基线） | ✅ 映射 |
| 策略重定价 | §9.12 / §10.5 补偿面迁移 | §2.9.3 S6 消融回归 | ✅ 映射 |
| 事件日志可回放 | §10.8 / §26 审计升级 | §3.8 审计日志=事件溯源状态源 | ✅ 映射 |
0.3 国际主流 2026-07 基线总览（深度对标）
本节为全文档的「外部校准锚」，所有工程决策均向此基线对齐。来源见文末与第 6 部分详述。
0.3.1 框架收敛：从 Prompt 工程到运行时工程
2026 年 5 月，Anthropic / Google / Microsoft / OpenAI 几乎同步更新 Agent 框架，共同方向一致：模型与运行时分离，词汇从 Prompt 转向 Session / Harness / Sandbox / Durable Execution / Persistence。六大框架（LangGraph、CrewAI、Claude Agent SDK、OpenAI Agents SDK、Microsoft Agent Framework 1.0、Google ADK）已收敛到同一组原语：
- Typed delegation（类型化委派） ：handoff 是 schema 校验事件，而非聊天消息。
- 生命周期钩子 / 护栏：PreToolUse / PostToolUse / Stop / SessionStart / SessionEnd；OpenAI 三档护栏（input/output/tool）并行执行，失败即停；LangGraph
interrupt()；Google ADK 每阶段策略评估；MS Agent Framework 1.0 把 HITL 烘焙进图执行。 - 三范式：事件驱动（OpenAI）、图工作流（Google ADK / MS）、编排即代码（Anthropic）。
- 协议互操作：A2A 成为跨厂商 Agent 通信关键——CrewAI 与 MS Agent Framework 1.0 原生 A2A，Google ADK A2A-native；Claude SDK 与 OpenAI SDK 不原生支持 A2A（见 6.2 冲突分析）。
0.3.2 双协议：MCP（工具层）+ A2A（协调层）
- MCP：截至 2026-03 全球安装量 9700 万+ ，公开 server 15,000+ ，npm 4200+ / PyPI 2800+ 包，~50,000+ 企业自建；所有主流厂商（OpenAI / Google / Microsoft / Meta）已内建。2026-07-28 发布最大修订版 RC：无状态核心、Extensions 框架、Tasks 长任务、MCP Apps（交互式 UI 响应）、EMA（Enterprise-Managed Authorization，跨应用访问） 、正式弃用策略。传输从 SSE 迁移到 Streamable HTTP + OAuth 2.1 PKCE；MCP Registry（2025-09 上线，「agent 的 npm」）成为分发层。
- A2A：2026-04 满一岁即 v1.0 稳定，150+ 组织生产部署（Google / Microsoft / AWS / Salesforce / SAP / ServiceNow / IBM / Deutsche Bank），22K+ GitHub stars，5 语言 SDK（Python/JS/Java/Go/.NET），并发布 AP2（Agent Payments Protocol，60+ 支付伙伴） 与签名 Agent Card、多租户。原生集成于 Google ADK / LangGraph / CrewAI / LlamaIndex / Semantic Kernel / AutoGen / MS Agent Framework。
0.3.3 策略引擎：Cedar 取代 OPA 成为授权首选
- Cedar（AWS 2023-05 开源，专为鉴权设计）：SMT 形式化验证（可证明「不存在越权路径」）、deny-overrides-permit 在语言层强制（无法意外覆盖安全 forbid）、authz 负载微秒级、DSL 接近自然语言、Rust 内核可嵌入。
- OPA/Rego：CNCF 毕业，通用策略（K8s/IaC 强），但学习曲线陡、验证能力有限、deny-overrides 仅是约定。
- 2026-03 实证：AWS 将 Cedar 作为 Amazon Bedrock AgentCore Policy 内置引擎发布——在网关边界拦截每个 Agent 工具调用，策略可直接用 Cedar 编写或从自然语言生成并形式化。AW 的参考实现（AVP + Cedar）证明「Agent 凭据天花板是 Cedar 策略，而非 system prompt」。
0.3.4 四层沙箱隔离（含真实 CVE 教训）
主流四级：容器（共享内核，低）/ gVisor（syscall 级，中高）/ microVM·Firecracker（独立 guest kernel，硬件虚拟化，高）/ WASM·V8 Isolates（语言级线性内存，JS-only 高） 。2026 共识：标准 Docker 容器不足以隔离 LLM 生成代码。实证案例：
- CVE-2025-59528（CVSS 10.0） ：Flowise CustomMCP 节点未校验用户配置即执行 JS，直连
child_process/fs，12,000+ 暴露实例被攻陷——根因是缺执行沙箱。 - CVE-2025-59536（CVSS 8.7） ：Claude Code 配置注入绕过 secure mode。
- OWASP Agentic Top 10 ASI05（Unexpected Code Execution） 已将沙箱列为强制控制而非建议。Microsoft Agent Governance Toolkit 与 NVIDIA 沙箱指引共同收敛到四层强制：网络出口、文件系统边界、secret 作用域、配置文件保护。
- Anthropic 实践：claude.ai 服务端用 gVisor；Claude Code 本地用 macOS Seatbelt（sandbox-exec）/ Linux bubblewrap；并开源
anthropic-experimental/sandbox-runtime（OS 原语，文件默认仅写 cwd、网络仅经 proxy 白名单）。OpenAI Agents SDK 2026-04 原生 Sandbox 类（容器隔离 + 文件系统快照 + 可恢复状态）。
0.3.5 评测基准体系（补强 S6）
2026 年六个生产决策级基准：GAIA（通用助手，scaffolded 74.6% / bare 44.8%）、SWE-Bench Verified（真实 bug 修复，93.9%）、OSWorld（真实桌面 computer use，79.6% / 人类 72%）、Tau²-Bench（策略遵循，retail/airline/telecom，pass^k）、WebArena（多步浏览器，68.7% / 人类 78%）、METR HCAST/Time Horizons（~2 小时 50% 完成地平线）。关键警示：公开榜被污染/脚手架/单次运行夸大 5–15 分；无成本计量（花 5 bug 也「通过」）；应自建 20–50 例私有 eval、测总成本而非仅准确率、测失败模式、每月重评。长程编码已细分到 SWE-bench Pro / SWE-EVO（GPT-5.4+OpenHands 仅 25% vs SWE-bench Verified 72.8%，48 分落差）。
0.3.6 四项前沿范式（共缺项，已补齐）
H=⟨C,A,R⟩ / 研究型 vs 生产型 Harness / 策略重定价 + 消融删冗 / 会话事件日志作为可回放状态源——四项均已在 §0.4、§2.9、§3.8、§6.6 落地，详见各节。
0.4 本蓝图范式：Harness ⟨C,A,R⟩ + Loop + Harness Contract
将对比报告 §4.1 的 ⟨C,A,R⟩ 分解作为本蓝图理论骨架，并映射到 Part 2 架构：
| 层 | 含义 | 本蓝图对应组件 |
|---|---|---|
| C — Control（持久制约物） | AGENTS.md、架构规则、linter、权限策略、验收标准 | 能力注册表（ToolManifest 的 permissions/commercial/risk）、Part 3 门禁结论、Cedar 策略集、S0 场景契约 |
| A — Agency（可用动作空间） | 模型被允许做什么：代码执行、浏览器、文件读写、sub-agent 调度 | Dispatcher（统一 dispatch(toolId,args,actor)）、工具权限 capabilities、PDP 决策、fan-out 子 Loop 委派 |
| R — Runtime（动态机制） | 上下文组装、记忆压缩、断点恢复、审批流、预算管理、执行轨迹 | Loop 相位 + 护栏（maxTurns/costBudget/humanCheckpoint/circuitBreaker）+ 上下文工程 + 会话事件日志（§3.8 replay）+ 检查点 |
┌─────────────────────────── Harness（控制面 / 装配期 + 常驻服务）──────────────────────────┐
│ C:能力注册表 │ A:Dispatcher/调度 │ R:会话/状态·模型路由·可观测计量·记忆层 │
└───────────────┬───────────────────────────────────────────────────────────────────────────┘
│ Harness Contract：loop.requestTool(toolId, args) → pdp.decide() → execute → telemetry
▼
┌─────────────────────────── Loop（运行面 / 每 Agent 一个迭代实例）──────────────────────────┐
│ Intake→Plan→Act→Observe→Reflect→Terminate ｜ 护栏 ｜ 上下文工程 ｜ 子代理委派 ｜ 错误恢复 │
└───────────────────────────────────────────────────────────────────────────────────────────┘
一句话：Harness 决定「能装什么、怎么调度、受什么制约（C）与能做什么（A）」；Loop 决定「怎么一步步跑、何时停、何时问人、如何恢复（R）」。两者共同消费第 1 部分的工具矩阵与第 3 部分的门禁。
0.5 2026-07 标准流程 S0–S6
平台任何功能/场景从定义到上线过 7 阶段，贯穿全文档：
| 阶段 | 名称 | 关键产出 | 主要落点 |
|---|---|---|---|
| S0 | 场景契约 | 定义场景边界、I/O、成功标准、商用约束 | Loop session.scenarioContract |
| S1 | Harness 装配 | 经门禁注册 Skill/MCP → 能力注册表 → 方向技能包预设 | 第 3 部分第 2/3 关 → §2.2.1 |
| S2 | Loop 设计 | 选 Loop 模板（linear/fan-out/human-in-loop），定义相位/护栏/检查点 | §2.3 + 第 1 部分 §1.3 |
| S3 | 路由与编排 | 模型/Skill/MCP 路由 + 多 Agent 调度 | §2.4 / §2.5 |
| S4 | 门禁与合规注入 | 许可证门禁 + 金融/数据合规规则注入 Loop/PDP | 第 3 部分第 5 关 + 第 4 部分 §4.2.3 |
| S5 | 可观测与计量 | Harness telemetry + Loop 埋点 + 审计 + 计费 | §2.2.5 + 第 4 部分 §4.1 |
| S6 | 评估与回归 | 质量/成本/合规基线 + 模型升级触发 Harness 消融回归 | §2.9.3 + 第 6.5 节 |
第 1 部分 场景与可商用工具矩阵（原 Part 1）
版本：v2.0（整合 + 维度补全）｜ 范式：2026-07 标准流程 · Harness + Loop 范围：围绕「编程 / 办公 / 自由创作 / 数据统筹」4 大方向，梳理主流场景并给出支持商用的工具清单（Skill / MCP / 专属与开源工具）。
1.0 商用判定约定
| 标记 | 含义 | 说明 |
|---|---|---|
| ✅ 商用安全 | MIT / Apache-2.0 / 平台内置 / 自有商业许可 | 可直接嵌入商用产品 |
| ⚠️ 有条件 | AGPL-3.0 / 公平许可(Fair-code) / SaaS 订阅 / 数据需授权 | 需评估合规义务或采购订阅 |
| ❌ 禁商用 | 明确「非商业」声明 / 无许可证声明 | 不纳入商用推荐，仅作内部备选说明 |
平台内置 Skill / MCP（如
docxxlsxpptxagent-browserplaywright-cliwb-finance-skill等）默认具备平台授权，视为 ✅ 商用安全。
1.1 工程范式声明
本文所有场景、工具清单与后续 Part 2/3/4 统一遵循 §0.5 的 2026-07 标准流程，并以 Harness（控制面）+ Loop（运行面） 两套工程学科组织（详见 §0.4）；场景到 Harness 预设 / Loop 模板的映射见 §1.3。
1.2 场景总览（共 29 个主流场景）
| 方向 | 场景数 | 场景清单 |
|---|---|---|
| 编程 | 8 | 代码生成与补全 · 代码审查与质量 · 调试与故障诊断 · 自动化测试 · 架构设计与重构 · 数据库与后端 · 自定义 Skill 开发 · 浏览器/Web 自动化 |
| 办公 | 7 | 文档撰写与排版 · 电子表格与数据处理 · 演示文稿制作 · 邮件与日历 · 会议纪要与语音转写 · 知识库与检索 · 办公流程自动化(RPA) |
| 自由创作 | 7 | 视频剪辑与后期 · 自媒体图文制作 · 图像生成与设计 · 脚本/文案写作 · 配音与字幕 · 思维导图与架构图 · 品牌与视觉设计 |
| 数据统筹 | 7 | 数据统计与汇总 · 数据可视化与报表 · 量化分析 · 预测与建模 · 多源数据接入(ETL) · 智能总结与洞察 · 数据看板 |
| 合计 | 29 | — |
1.3 场景 → Harness 预设 + Loop 模板映射
| 场景 | 方向技能包 (Harness 预设) | Loop 模板 | 关键护栏 |
|---|---|---|---|
| 代码生成与补全 | 编程 | linear | token/cost 预算、max-turns |
| 代码审查与质量 | 编程 | human-in-loop | PR 合并前人工审批 |
| 调试与故障诊断 | 编程 | linear | 日志只读、egress 限制 |
| 自动化测试 | 编程 | linear | CI 卡质量门、超时杀 |
| 架构设计与重构 | 编程 | linear | drawio 产物评审 |
| 数据库与后端 | 编程 | linear | DB 只读默认、写操作审批 |
| 自定义 Skill 开发 | 编程 | human-in-loop | skill-creator 自测门、发布审批 |
| 浏览器/Web 自动化 | 编程 | linear/fan-out | ToS 校验、沙箱 high |
| 文档撰写与排版 | 办公 | linear | — |
| 电子表格与数据处理 | 办公 | linear | 公式校验 |
| 演示文稿制作 | 办公 | linear | 商用排除 guizang/gordenppt |
| 邮件与日历 | 办公 | human-in-loop | OAuth 授权、外发审批 |
| 会议纪要与转写 | 办公 | linear | 录音授权合规 |
| 知识库与检索 | 办公 | linear | 检索域白名单 |
| 办公流程自动化(RPA) | 办公 | human-in-loop | 高危操作审批 |
| 视频剪辑与后期 | 自由创作 | linear/fan-out | 素材版权、预算熔断 |
| 自媒体图文制作 | 自由创作 | fan-out | 多平台比例模板 |
| 图像生成与设计 | 自由创作 | linear | 排除 gpt-image2、用官方 API |
| 脚本/文案写作 | 自由创作 | linear | — |
| 配音与字幕 | 自由创作 | linear | 声权条款、预算 |
| 思维导图与架构图 | 自由创作 | linear | — |
| 品牌与视觉设计 | 自由创作 | linear | VI 规范约束 |
| 数据统计与汇总 | 数据统筹 | linear | 源认证 |
| 数据可视化与报表 | 数据统筹 | linear | — |
| 量化分析 | 数据统筹 | human-in-loop | 数据源授权、禁裸抓、非投资建议 |
| 预测与建模 | 数据统筹 | linear | 数据漂移监控 |
| 多源数据接入(ETL) | 数据统筹 | linear/fan-out | 源白名单、血缘 |
| 智能总结与洞察 | 数据统筹 | linear | 引用溯源 |
| 数据看板 | 数据统筹 | linear | 部署域白名单 |
三种 Loop 模板：
linear（顺序流水线，无人工阻断）、fan-out（并行扇出多分支后汇聚）、human-in-loop（发布/写库/外发/付费等高风险节点插入人工审批）。模板与护栏由 Harness 在 S2 阶段写入场景配置，Loop 在运行期强制执行；方向技能包由 Harness 在 S1 阶段生成。
1.4 方向一：编程（8 个场景）
1.4.1 代码生成与补全
- 推荐 Skill（✅） ：
backend-dev、frontend-design、code-architect（平台内置）；mattpocock/skills的prototype/tdd子技能（MIT，商用安全）。 - 推荐 MCP（✅） ：
@modelcontextprotocol/server-filesystem（MIT）、@modelcontextprotocol/server-git（MIT）。 - 专属/开源工具（✅） ：各 LLM 原生补全能力；Cursor / Claude Code 等宿主。
- 备注：生成层以模型能力为主，Skill 负责规范与模板约束。
1.4.2 代码审查与质量保障
- 推荐 Skill（✅） ：
tech-lead、security-audit、code-architect（平台内置）；mattpocock/skills的code-review（MIT）。 - 推荐 MCP（✅） ：
server-git（diff/PR）、githubMCP（MIT，官方）。 - 专属/开源工具（⚠️） ：SonarQube（社区版 LGPL、商用企业版需采购）；Semgrep（免费层可商用，企业版订阅）。
1.4.3 调试与故障诊断
- 推荐 Skill（✅） ：
karpathy-guidelines（平台内置，减少 LLM 编码失误）；investigate模式（若平台含 gstack 套件）。 - 推荐 MCP（✅） ：
server-filesystem、server-sqlite（读本地日志/DB）。 - 专属/开源工具（⚠️） ：Sentry（SaaS 订阅，商用需付费档）；本地日志栈（Loki/Promtail，AGPL/Apache 混合，自托管需注意）。
1.4.4 自动化测试
- 推荐 Skill（✅） ：
qa/qa-only（平台内置，系统化测试与报告）。 - 推荐 MCP（✅） ：
@playwright/mcp（MIT）。 - 专属/开源工具（✅） ：pytest（MIT）、vitest（MIT）、Playwright（Apache-2.0）。
1.4.5 架构设计与重构
- 推荐 Skill（✅） ：
code-architect、api-design、database-design（平台内置）。 - 推荐 MCP（✅） ：
server-filesystem、server-git。 - 专属/开源工具（✅） ：
drawio-skill（MIT，文生架构/流程图）；Structurizr（Apache-2.0，C4 模型）。
1.4.6 数据库与后端开发
- 推荐 Skill（✅） ：
backend-dev、database-design、api-design（平台内置）。 - 推荐 MCP（✅） ：
server-postgres/server-sqlite/server-mysql（均 MIT，官方 MCP）。 - 专属/开源工具（✅） ：DBeaver（社区版 GPL，商用自用 OK）、psql、Prisma（Apache-2.0 ORM）。
1.4.7 自定义 Skill / 工具开发（平台差异化核心）
- 推荐 Skill（✅） ：
skill-creator（平台内置，创建/改进 Skill）、find-skills（从市场发现并安装）、mcp-builder（造 MCP）、doc-coauthoring（配套文档）。 - 推荐 MCP（✅） ：
server-filesystem（读写 Skill 目录）。 - 专属/开源工具（✅） ：平台
SkillManage管理能力；mattpocock/skills（MIT，作为高质量 Skill 模板参考）。 - 备注：此场景建议内置「Skill 工厂」：模板→生成→自测→发布到私有市场，全程 MIT 工具链。
1.4.8 浏览器 / Web 自动化
- 推荐 Skill（✅） ：
agent-browser、playwright-cli（平台内置）。 - 推荐 MCP（✅） ：
@playwright/mcp（MIT）、browser-use（MIT，AI 浏览器任务标杆）。 - 专属/开源工具（✅） ：browser-use（104k 星，MIT）；Playwright（Apache-2.0）。
1.5 方向二：办公（7 个场景）
1.5.1 文档撰写与排版（Word / 长文）
- 推荐 Skill（✅） ：
docx（平台内置，Word 生成/编辑）、doc-coauthoring（协作写作）、pdf（PDF 读写）。 - 推荐 MCP（✅） ：
server-filesystem。 - 专属/开源工具（✅⚠️） ：Pandoc（GPL-2.0，商用自托管 OK 但需注意传染性）；Typst（MIT，推荐替代 LaTeX 的现代排版）。
1.5.2 电子表格与数据处理（Excel）
- 推荐 Skill（✅） ：
xlsx（平台内置，Excel 读写/图表）。 - 推荐 MCP（⚠️） ：
xlsx-mcp-server（npm 包，需先行确认许可证后纳入）。 - 专属/开源工具（✅） ：openpyxl（MIT）、pandas（BSD）用于数据处理；Excel / WPS 宿主。
1.5.3 演示文稿制作（PPT）
- 推荐 Skill（✅） ：
pptx（平台内置，原生 PPTX 生成）。 - 推荐 MCP（✅） ：
server-filesystem。 - 专属/开源工具（✅） ：
ppt-master（MIT，生成原生可编辑 .pptx，商用安全，首选）；html-ppt-skill（MIT，单文件 HTML 演示，可作轻量替代）。 - 🔴 商用排除：
guizang（AGPL-3.0，强 copyleft，见第 3 部分门禁 ❌）、gordenppt（明确非商业）—— 不纳入商用推荐。
1.5.4 邮件与日历管理
- 推荐 Skill（✅） ：平台连接器
netease-mail/qq-mail/wecom/feishu（需用户授权连接，平台授权商用）。 - 推荐 MCP（⚠️） ：IMAP/SMTP MCP（自建，需 TLS 配置）；CalDAV MCP。
- 专属/开源工具（✅） ：各邮件服务商 API（按服务商 ToS 商用）。
1.5.5 会议纪要与语音转写
- 推荐 Skill（✅） ：平台语音转写能力；
translate（字幕/译文）。 - 推荐 MCP（✅） ：
server-filesystem。 - 专属/开源工具（✅） ：Whisper（MIT，本地转写）；
claude-real-video（MIT，会议录像抽帧+转写供 LLM 总结）。 - ⚠️ 备选：商业 ASR（讯飞/腾讯云，按量付费，需合规）。
1.5.6 知识库与检索（RAG）
- 推荐 Skill（✅） ：
ima-skills（平台知识库）、检索增强生成流程。 - 推荐 MCP（⚠️） ：向量库 MCP（如 Chroma / Qdrant MCP，自托管 ✅，云服务订阅 ⚠️）。
- 专属/开源工具（✅） ：Chroma（Apache-2.0）、Qdrant（Apache-2.0）；腾讯 ima 知识库（平台内置）。
1.5.7 办公流程自动化（RPA）
- 推荐 Skill（✅） ：
agent-browser、playwright-cli（平台内置）。 - 推荐 MCP（✅） ：
@playwright/mcp、desktop-commander（MIT，文件系统/命令）、server-filesystem。 - 专属/开源工具（⚠️） ：n8n（公平许可，自托管商用需遵守 Fair-code 条款）；Zapier（SaaS 订阅）。
1.6 方向三：自由创作（7 个场景）
1.6.1 视频剪辑与后期
- 推荐 Skill（✅） ：平台
VideoGen（文生视频/图生视频，内置）、ImageGen（封面/素材）。 - 推荐 MCP（✅） ：
server-filesystem。 - 专属/开源工具（✅） ：
video-use（MIT，自然语言剪口播/混剪）；claude-real-video（MIT，视频理解/抽帧）；ffmpeg（LGPL，商用 OK）；OpenCut / Shotcut（开源）。 - ⚠️ 付费备选：Premiere、CapCut（需各自授权）。
1.6.2 自媒体图文制作（小红书 / 公众号 / 抖音）
- 推荐 Skill（✅） ：
html-ppt-skill（MIT，单文件图文/长图）；canvas-design、brandkit（平台内置，视觉设计）。 - 推荐 MCP（✅） ：
server-filesystem。 - 专属/开源工具（⚠️） ：
guizang（AGPL-3.0，商用需谨慎，可内部使用或开源项目）；Canva（SaaS）。 - 备注：小红书 3:4、公众号 21:9 等比例封面建议用
html-ppt-skill或canvas-design生成。
1.6.3 图像生成与设计
- 推荐 Skill（✅） ：
brandkit、canvas-design、high-end-visual-design、design-system、minimalist-ui、algorithmic-art（平台内置）。 - 推荐 MCP（✅） ：
server-filesystem。 - 专属/开源工具（✅） ：平台
ImageGen（内置）；Stable Diffusion / ComfyUI（开源，商用需模型权重许可核查）。 - 🔴 商用风险：
gpt-image2（无许可证声明）—— 不要直接嵌入商用产品，建议改为直接调用 OpenAI 官方 Images API（有明确商用条款）。
1.6.4 脚本 / 文案写作
- 推荐 Skill（✅） ：
doc-coauthoring、prd-writer、product-manager（平台内置）。 - 推荐 MCP（✅） ：
server-filesystem。 - 专属/开源工具（✅） ：各 LLM 文案能力；火龙果/秘塔等润色（SaaS）。
1.6.5 配音与字幕
- 推荐 Skill（✅） ：
translate（字幕翻译/对齐）。 - 推荐 MCP（✅） ：
server-filesystem。 - 专属/开源工具（⚠️） ：OpenAI TTS / ElevenLabs（SaaS 订阅，商用需对应付费档；注意 ElevenLabs 声权条款）；Whisper（字幕，MIT）；Coqui TTS（需核查许可证）。
- 备注：
video-use依赖 ElevenLabs（付费），预算内可用。
1.6.6 思维导图与架构图
- 推荐 Skill（✅） ：
drawio-skill（MIT，文生 draw.io 图，导出 PNG/SVG/PDF）。 - 推荐 MCP（✅） ：
jgraph/drawio-mcp（官方，MIT）、server-filesystem。 - 专属/开源工具（✅） ：draw.io（开源）、Excalidraw（MIT）、tldraw（MIT）。
1.6.7 品牌与视觉设计
- 推荐 Skill（✅） ：
brand-guidelines、brandkit、design-system（平台内置）。 - 推荐 MCP（✅） ：
server-filesystem。 - 专属/开源工具（⚠️） ：Figma（商业，提供 API/插件）；平台
ImageGen。
1.7 方向四：数据统筹（7 个场景）
1.7.1 数据统计与汇总
- 推荐 Skill（✅） ：
database-design、api-design、backend-dev（平台内置）。 - 推荐 MCP（✅） ：
server-postgres/server-sqlite/server-mysql、server-filesystem。 - 专属/开源工具（✅） ：pandas（BSD）、DuckDB（MIT，OLAP 极快）、Polars（MIT）。
1.7.2 数据可视化与报表
- 推荐 Skill（✅） ：
xlsx、pptx、pdf（平台内置，报表导出）。 - 推荐 MCP（⚠️） ：
quickchart-mcp（图表即服务，需 API）；server-filesystem。 - 专属/开源工具（✅） ：matplotlib（BSD）、Plotly（MIT）、Streamlit（Apache-2.0）；Metabase（商业/开源双许可，
⚠️注意其商业版条款）。
1.7.3 量化分析（量化交易）
- 推荐 Skill（✅） ：
wb-finance-skill、westock-data、westock-tool、neodata-financial-search（平台内置金融数据入口，商用经平台授权）。 - 推荐 MCP（⚠️） ：
server-postgres（存行情）、server-filesystem；Python 库akshare（免费但行情数据商用需数据源授权）。 - 专属/开源工具（⚠️） ：
vn.py（MIT，量化框架）、backtrader（MIT）；tushare（API Key，商用需采购授权）；yfinance（Yahoo 数据，ToS 限制商用再分发）。 - 🔴 合规红线：金融行情/标的数据的再分发与商用受交易所与数据商许可约束，务必采购合规数据源，不要直接转售免费抓取数据。
1.7.4 预测与建模（Forecasting）
- 推荐 Skill（✅） ：通用 LLM + 平台
backend-dev（建模脚本生成）。 - 推荐 MCP（✅） ：
server-filesystem、server-sqlite。 - 专属/开源工具（✅） ：Prophet（MIT，时间序列）、statsmodels（BSD）、scikit-learn（BSD）、LightGBM（MIT/Apache）、PyTorch（BSD）、GluonTS（Apache-2.0，概率预测）。
1.7.5 多源数据接入（ETL）
- 推荐 Skill（✅） ：
api-design、database-design、devops-engineer（平台内置）。 - 推荐 MCP（✅） ：
server-postgres等、server-filesystem、HTTP fetch MCP。 - 专属/开源工具（✅） ：Airflow（Apache-2.0）、
dlt（MIT，数据加载）、n8n（⚠️ Fair-code）。
1.7.6 智能总结与洞察
- 推荐 Skill（✅） ：平台 LLM 总结能力；
Understand-Anything（MIT，代码库知识图谱与总结，商用安全但每次分析有 LLM 成本）。 - 推荐 MCP（✅） ：
server-filesystem、向量库 MCP（RAG）。 - 专属/开源工具（✅） ：各 LLM 摘要；本地向量检索（Chroma/Qdrant）。
1.7.7 数据看板（Dashboard）
- 推荐 Skill（✅） ：
monitoring、devops-engineer（平台内置）。 - 推荐 MCP（✅） ：
server-postgres、server-filesystem。 - 专属/开源工具（⚠️✅） ：Grafana（AGPL-3.0，自托管商用 OK 但需遵守 AGPL）；Apache Superset（Apache-2.0，推荐）；Streamlit（Apache-2.0）；Metabase（⚠️ 商业条款）。
1.8 商用合规速查表（来自调研的 15 个工具）
| 工具 | 用途 | 许可证 | 商用结论 | 归属方向 |
|---|---|---|---|---|
| ppt-master | 原生 PPTX | MIT | ✅ 首选 | 办公 |
| html-ppt-skill | HTML 演示 | MIT | ✅ 可用 | 办公/创作 |
| guizang | HTML 演示 | AGPL-3.0 | ⚠️ 需开源义务 → 本蓝图 ❌ 排除（见 §3.5） | 创作 |
| gordenppt | 中文 PPTX | 非商业 | ❌ 禁商用 | 办公 |
| gpt-image2 | 批量图像 | 无声明 | ❌ 风险，改用官方 API | 创作 |
| browser-use | 浏览器自动化 | MIT | ✅ 标杆 | 编程 |
| video-use | AI 剪视频 | MIT | ✅ 可用 | 创作 |
| claude-real-video | 视频理解 | MIT | ✅ 可用 | 创作/办公 |
| pxpipe | 省 Token 代理 | MIT | ✅ 但有损，慎用于精确内容 | 编程 |
| ask-matt | 工程流路由 | MIT | ✅（在 mattpocock/skills 内） | 编程 |
| drawio-skill | 文生 draw.io | MIT | ✅ 可用 | 编程/创作 |
| Understand-Anything | 代码库图谱 | MIT | ✅（有 LLM 成本） | 数据/编程 |
| Agent-Reach | Agent 联网 | MIT | ✅ 但存 Cookie / ToS 灰区 → 不默认加载 | （通用，需谨慎） |
| mattpocock/skills | Skill 库 | MIT | ✅ 模板参考 | 编程 |
注：Agent-Reach 的「联网读社媒」能力涉及平台 Cookie 与 ToS 合规风险，作为平台功能上线前需法务评估；本报告不将其列为默认加载项。
1.9 平台级落地建议
- 按方向建「技能包」：每个方向预置一组 ✅ Skill + MCP，用户新建 Agent 时勾选方向即可自动装配。
- 私有 Skill 市场：围绕 1.4.7「自制 Skill」做模板→生成→自测→发布闭环，工具链全部 MIT。
- 许可证门禁：平台在「添加工具」时校验许可证，自动拦截 ❌、提示 ⚠️，避免商用侵权。
- 金融数据合规：量化方向默认走平台内置
wb-finance-skill等已授权入口，禁止裸接免费抓取源再分发。 - 成本看板：对
Understand-Anything、video-use(ElevenLabs)、gpt-image2(OpenAI) 等按量付费项做用量/成本追踪（参考 pxpipe 的省 Token 思路与 gpt-image2 的成本仪表盘）。
范式衔接（2026-07 标准流程） ：上述 1-5 项分别对应标准流程的 S1（Harness 装配 / 方向技能包）、S4（门禁与合规）、S5（计量）。每个场景在平台内的真正运行形态，是由「方向技能包（Harness 预设，见 §1.3）+ Loop 模板」组合驱动，而非静态工具清单——本工具矩阵只决定「能装什么」，Harness/Loop 决定「怎么跑、跑多安全、花多少」。
1.10 【维度补全】工具生态国际对标 2026
本节约 Part 1 原「待确认」部分，用 2026-07 国际生态实证补全，使「能装什么」具备产业级视野。
- MCP 已成工具层事实标准：全球 9700 万+ 安装、15,000+ 公开 server、Registry（2025-09 上线）成为「agent 的 npm」；所有主流厂商内建 MCP。本蓝图 §2.4 路由层、§3 门禁层原生面向 MCP，与之对齐。
- 传输形态趋势：官方参考包（filesystem/git/fetch/memory/sequential-thinking）仍在；GitHub/Playwright/Notion/金融云等已转由厂商官方维护并多用
remote/HTTP + OAuth 2.1 PKCE。平台需同时支持npx（stdio）与remote两种接入（见 §3.6 / §5.1）。 - 框架选型影响「技能包」形态：Google ADK 支持四语言（Python/TS/Java/Go）且 A2A-native；Microsoft Agent Framework 1.0 支持 Python/.NET；CrewAI 社区最大（~52k stars，年 20 亿+ 次执行）；LangGraph 模型灵活性最强（同代理可换 Claude/GPT/Gemini）。本蓝图「方向技能包」为框架无关的能力注册表抽象，可映射至任一框架的 Skill/Sub-agent 原语（详见 §2.10）。
- Agent 间协作 → MCP + A2A 组合：单 Agent 用 MCP 接工具；跨组织 Agent 用 A2A 协调（见 §5.7 / §6.2）。
- 合规红线不变：AGPL（guizang）、非商业（gordenppt）、无声明（gpt-image2）、裸抓金融数据——国际大厂（Google/Apple 等）内部政策同样禁用 AGPL，与 §3.5 门禁一致。
