tRPC-Agent-Go 深度实践：生产级 Agent 的工程落地之道

Fri, 26 Jun 2026 14:00:00 +0800

从 Demo 到生产

跑通 tRPC-Agent-Go 的 Demo 只需 5 分钟，但上线生产，真正的工程问题才开始浮现：

Agent 跑了 5 分钟、调了十几个工具，网络抖了一下——整个流程要重来。审批类场景下，Agent 分析完需要人点头，但很多框架把 Agent 设计成全自动黑盒，压根没有中断点。团队有 30 个 Agent，每个挂不同的 prompt 和脚本，靠什么管理？其他团队的 Agent 服务（也许是 Python 的 ADK）怎么调？外部的 MCP 工具怎么接？

tRPC-Agent-Go 的三个核心深度特性正好回答这些问题：GraphAgent 检查点（状态持久化与恢复）、Skills 系统（可复用工作流）、A2A + MCP 协议集成（Agent 与外界通信）。

GraphAgent 检查点与 Human-in-the-Loop

GraphAgent 是 tRPC-Agent-Go 最大的差异化能力。但没有检查点的图工作流是「玩具」——跑一半断了就是真断了。

检查点支持两种持久化模式：谱系持久化（保存节点执行轨迹，适合审计合规）和原子持久化（保存完整状态快照，适合长耗时的数据处理流水线）。启用方式：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


sg := graph.NewStateGraph(graph.MessagesStateSchema())
sg.AddNode("analyze", analyzeNode)
sg.AddNode("approve", approveNode)
sg.AddNode("execute", executeNode)
sg.AddEdge("analyze", "approve")
sg.AddConditionalEdges("approve", approvalRouter, map[string]string{
 "approved": "execute",
 "rejected": "__end__",
})

cp := checkpointer.NewInMemoryCheckpointer()
ga := graphagent.New("audit-workflow",
 graphagent.WithStateGraph(sg),
 graphagent.WithCheckpointer(cp),
)

每个节点执行后框架自动持久化。恢复执行时传入检查点 ID：

A2A on Zampo Blog

tRPC-Agent-Go 深度实践：生产级 Agent 的工程落地之道

从 Demo 到生产

GraphAgent 检查点与 Human-in-the-Loop