Google AX、Agyn、Dapr Agents 对比：从 Agent 运行时视角怎么选

先说结论

如果你在看 Google AX，不要把它理解成另一个 LangGraph、CrewAI 或 OpenAI Agents SDK。AX 更像一个 agent 执行控制面：它关心 controller、event log、execution、conversation、remote agent、tool、resume、fork、trace，而不是教你怎么写一个 prompt 或 graph。

在公开项目里，最值得和 AX 放在一起看的两个是：

项目	最像 AX 的地方	最大差异	一句话建议
Agyn	自托管、Kubernetes-native、agent runtime、运行任意 agent container、强调企业隔离和治理	更像企业 agent fleet 平台，事件日志/恢复语义不如 AX 那样作为核心协议公开	想把 Claude Code、Codex、自定义 agent 搬到公司基础设施，优先看 Agyn
Dapr Agents	基于 Dapr workflow、actors、state store，强调 resilient、observable、Kubernetes-native agent systems	更像 agent framework + durable workflow runtime，agent 协议边界没有 AX 那么底层	已经在 Dapr / K8s 生态，想要多 agent + durable workflow，优先看 Dapr Agents

我的判断：Agyn 更像 AX 的部署和安全方向，Dapr Agents 更像 AX 的可靠执行方向。
如果你要做一个 coding-agent runtime/control plane，最值得借鉴的是：AX 的 event log / resume / fork，Agyn 的 container 与 MCP 隔离，Dapr Agents 的 workflow / actor / state store 组合。

---

为什么不把 LangGraph、Temporal 放进主对比？

不是因为它们不重要，而是因为比较口径不同。

LangGraph 是优秀的 agent workflow framework，Temporal / Restate / DBOS 是成熟的 durable execution substrate。它们都能承载 agent，但它们不是 AX 最直接的同类。

AX 的核心问题更底层：

一个 agent execution 怎么被启动、记录、恢复、分叉、审计，并和远程 agent / tool / environment 安全通信？

所以本文只看两个最接近这个问题的项目：Agyn 和 Dapr Agents。

---

快速对比：运行时维度

维度	Google AX	Agyn	Dapr Agents
核心定位	Distributed agent runtime / executor	Self-hosted Kubernetes-native agent runtime	Resilient agent framework on Dapr
主要执行单元	conversation、execution、remote agent、tool	agent container、MCP container、conversation sandbox	agent、workflow、actor、task
控制面	AX Controller，负责执行、event log、registry	平台控制面 + Terraform/IaC + console	Dapr sidecar / workflow / actor runtime
状态模型	event log，single-writer controller	平台 activity、trace、配置和运行状态	Dapr Workflow state、state store、actor state
恢复语义	resume、last sequence catch-up、fork from checkpoint	serverless spawn、idle scale-to-zero、运行记录	workflow retry、recover from state、actor state retention
隔离边界	remote agent / tool / environment actor	agent 与 MCP server 分容器，zero-trust networking	app / sidecar / actor / workflow 边界
适配对象	harness/model agnostic，remote agent protocol	Claude Code、Codex、自定义 agent container	Python agent framework + Dapr building blocks
部署方式	self-host，Kubernetes 友好	self-host K8s，Terraform / Helm 生态	Dapr / Kubernetes / self-host
成熟度	早期，接口可能大改	很新，偏平台化，AGPL	依托 Dapr，项目仍在快速发展

---

Google AX：把 agent execution 变成一等对象

AX 最有价值的地方，不是它能跑 Gemini，也不是它有 CLI，而是它把 agent execution 里的几个概念显式化了：

• Controller：统一协调 agent、tool、skill、environment。
• Event log：把执行过程变成可恢复、可审计的 durable state。
• Conversation / execution：不是一次性 request，而是可继续、可恢复、可分叉的执行流。
• last_seq catch-up：客户端断线后可以按 sequence 补事件，不是从头重跑。
• fork：从某个 checkpoint 派生新 execution，用于探索另一条路径。
• Trace UI：把 agent 执行日志可视化，而不是只看文本 transcript。

这套模型非常适合长任务 agent，尤其是 coding agent：它们会调用工具、修改文件、等待用户确认、被中断、恢复上下文，还可能需要从某一步分叉尝试另一种实现。

AX 当前仍处于早期，README 也明确提示 core、resumption protocols、runtime specifications 都可能发生 breaking changes。因此它更像一个值得学习的架构参照，而不是可以无脑押注的生产基础设施。

---

Agyn：最像 AX 的企业部署版本

Agyn 的自我定位很直接：把 Claude Code、Codex、自定义 agent 从个人电脑搬到公司基础设施上运行。它不是只做 agent 编排，而是在尝试回答企业会问的几个现实问题：

• agent 怎么集中部署？
• secret 怎么不进 LLM context？
• MCP server 能不能和 agent 分开隔离？
• 每个 agent / team / org 能不能做预算控制？
• agent 能不能 scale to zero？
• 配置能不能进 Terraform，走 review 和自动化流程？

这让 Agyn 和 AX 很接近：二者都不是简单的 agent SDK，而是在做 agent serving / runtime / control plane。

Agyn 的强项

1. 隔离和安全边界更产品化。
Agyn 强调 agent container、MCP server 独立容器、凭证只注入需要的 tool、zero-trust networking。这是运行企业 agent 时最容易被低估的一层：不仅要记录 agent 做了什么，还要限制它能碰什么。

2. 对现成 coding agent 更友好。
AX 更偏协议和 runtime，Agyn 更强调可以运行 Claude Code、Codex 或自定义 agent container。对于已经有 coding agent CLI 的团队，Agyn 的心智更直接。

3. IaC 方向清晰。
Terraform 管 agent、model、MCP、secret、runner，很符合基础设施团队的工作方式。Agent 不再是某个人本机上的临时进程，而是可以 code review 的基础设施对象。

Agyn 的风险

1. 项目很新。
截至 2026-06-06，它的公开仓库还很年轻，生态、稳定性、升级路径都需要实际验证。

2. AGPL 许可证需要注意。
如果你准备把它嵌入商业产品或内部平台，要先确认公司对 AGPL 的合规要求。

3. 恢复语义没有 AX 那么清晰。
Agyn 对部署、隔离、治理讲得更完整，但 AX 那种 event log + last_seq + fork 的执行语义，目前不是 Agyn 公开叙事的中心。

适合谁？

如果你的问题是「公司里已经有人在用 Claude Code / Codex / 自定义 agent，怎么把它们安全地集中运行起来」，Agyn 是最接近 AX 的开源选择。

---

Dapr Agents：最像 AX 的可靠执行底座

Dapr Agents 不是 AX 的直接替代品，但它在另一个方向很接近：把 agent 放进 Dapr 的 workflow、actor、state、pub/sub、service invocation 体系里。

它的核心不是「运行任意 agent container」，而是「用 Dapr 的分布式系统能力，让 agent workflow 可恢复、可观测、可扩展」。

Dapr Agents 的强项

1. Durable workflow 是一等能力。
Dapr Agents 明确把 agentic workflows 放到 durable execution workflow engine 上。任务失败、节点崩溃、网络中断时，workflow 可以重试并从状态中恢复。这一点和 AX 的 event-log/resume 目标相通。

2. Actor 模型天然适合 agent。
agent 常常是有身份、有状态、串行处理消息的实体。Dapr actors 提供了一个成熟抽象：每个 actor 是 thread-safe 的状态单元，空闲时可以回收，需要时再激活。

3. 企业集成面广。
Dapr 原本就有 state store、pub/sub、bindings、service invocation、resiliency policies、mTLS。对企业后端团队来说，这比从零搭 agent runtime 更容易落地。

Dapr Agents 的风险

1. 它更像 framework + runtime，不是纯 runtime。
AX 明确说自己不是 agentic framework；Dapr Agents 则提供 agent API、multi-agent、contextual memory、tool selection 等上层能力。你需要接受它的开发模型。

2. 隔离边界不如 Agyn 那样强调。
Dapr 能提供应用和 sidecar 层面的边界，但如果你要运行不可信 coding agent、隔离 MCP server、限制文件系统和凭证，仍然需要额外设计。

3. Dapr 生态前置成本。
如果团队没有 Dapr 基础，先理解 sidecar、components、actors、workflow，学习曲线不低。

适合谁？

如果你的问题是「我们要构建自己的 agent 应用，并希望它天然具备 workflow recovery、state、pub/sub、observability」，Dapr Agents 比 Agyn 更贴近。

---

怎么选？

1. 你要托管现成 agent，还是写自己的 agent？

如果你要托管 现成的 coding agent / CLI agent，优先看 Agyn。它的心智是把 agent container 化、集中部署、集中治理。

如果你要写 自己的 agent application，并希望它天然有 durable workflow 和分布式状态，优先看 Dapr Agents。

2. 你的第一优先级是安全隔离还是恢复语义？

优先级是 secret、MCP、网络、容器隔离：看 Agyn。

优先级是 workflow retry、actor state、pub/sub、service invocation：看 Dapr Agents。

3. 你想复刻 AX 的哪一部分？

想借鉴的 AX 能力	更接近的项目
remote agent / tool 隔离	Agyn
agent fleet 管理	Agyn
IaC 管理 agent 配置	Agyn
durable workflow recovery	Dapr Agents
actor-like long-lived agent identity	Dapr Agents
enterprise integration primitives	Dapr Agents
event log、last_seq、fork、trace semantics	仍然是 AX 自己最清晰

---

对开发者的建议

如果你只是想做一个普通 AI 应用，不需要先上 AX / Agyn / Dapr Agents。LangGraph、OpenAI Agents SDK、Google ADK、Vercel AI SDK 可能更快。

只有当你遇到下面这些问题时，才值得认真看 agent runtime：

• agent 任务会跑很久，中断后不能从头重来；
• agent 会调用高权限工具，需要审计和审批；
• 多个 agent / tool / MCP server 需要隔离；
• 你要把 agent 从个人电脑搬到团队基础设施；
• 你需要 trace、resume、fork、replay；
• agent 不只是 chat，而是一个长期运行的执行实体。

这时，AX、Agyn、Dapr Agents 的价值才会真正出现。

---

CodePick 推荐

短期学习 AX，落地优先 Agyn 或 Dapr Agents。

• 想做企业 coding-agent 平台：先研究 Agyn。
• 想做 durable multi-agent 应用：先研究 Dapr Agents。
• 想设计自己的 agent runtime/control plane：认真读 Google AX 的 controller、proto、event log、resume、fork、trace 设计。

最稳妥的架构思路不是三选一，而是分层：

1. 用 AX 学习 execution/event-log 语义；
2. 用 Agyn 学习 agent/tool/container/security 边界；
3. 用 Dapr Agents 学习 workflow/actor/state 的可靠执行模式；
4. 最后再决定你的系统到底需要「agent 平台」还是「durable workflow runtime」。

---

官方链接

• Google AX GitHub
• Agyn GitHub
• Dapr Agents GitHub
• Dapr Agents 文档