Agent 中间层正在塌缩——谁在抢这块夹心饼？

"""厚中间层：所有编排逻辑写在框架代码里"""
import json
from typing import Any

class ThickMiddleware:
    """Manus 风格：框架硬编码每一步"""
    def __init__(self, model_client, tools: dict[str, Any]):
        self.model = model_client
        self.tools = tools  # {"web_search": fn, "scrape_page": fn, "summarize": fn}

    def run(self, task: str) -> str:
        # 第一步：搜索竞品
        search_result = self.tools["web_search"](query=f"{task} 竞品定价")
        # 第二步：抓取详情页
        pages = []
        for url in search_result["urls"][:3]:
            pages.append(self.tools["scrape_page"](url=url))
        # 第三步：摘要
        combined = "\n".join(p["text"] for p in pages)
        summary = self.tools["summarize"](text=combined, prompt="提取定价信息")
        # 第四步：模型润色
        final = self.model.chat(
            f"根据以下调研结果，生成定价对比报告：\n{summary}"
        )
        return final

# 使用
agent = ThickMiddleware(model_client=my_llm, tools=my_toolbox)
report = agent.run("智能客服 SaaS")

"""薄中间层：框架只提供循环调度，编排交给用户"""
from openclaw import Agent, Tool  # 假设的 OpenClaw SDK

# 用户自己定义工具和编排 prompt
agent = Agent(
    model="gpt-4o",
    tools=[
        Tool(name="web_search", fn=my_search, desc="搜索网页，返回 URL 和摘要"),
        Tool(name="scrape_page", fn=my_scrape, desc="抓取网页全文"),
    ],
    # 编排逻辑全写在 system prompt 里——这就是"薄中间层"
    system_prompt="""你是一个竞品调研助手。
    步骤：
    1. 用 web_search 搜索目标竞品的定价信息
    2. 用 scrape_page 抓取前 3 个结果的详情
    3. 综合分析后输出定价对比表格
    如果搜索结果不足，换关键词重试。""",
)

result = agent.run("调研智能客服 SaaS 的竞品定价")

"""模型自编排：Claude Managed Agent 风格"""
import anthropic

client = anthropic.Anthropic()

# 中间层只提供工具描述和安全边界
tools = [
    {
        "name": "web_search",
        "description": "搜索网页。输入查询关键词，返回相关页面 URL 和摘要。",
        "input_schema": {
            "type": "object",
            "properties": {"query": {"type": "string"}},
            "required": ["query"],
        },
    },
    {
        "name": "scrape_page",
        "description": "抓取指定 URL 的网页内容，返回纯文本。",
        "input_schema": {
            "type": "object",
            "properties": {"url": {"type": "string"}},
            "required": ["url"],
        },
    },
]

# 不写编排逻辑——模型自己规划步骤
response = client.messages.create(
    model="claude-sonnet-4-20250514",
    max_tokens=4096,
    tools=tools,
    messages=[
        {"role": "user", "content": "调研智能客服 SaaS 的竞品定价，输出对比表格"}
    ],
)

# 模型自行决定：先搜索、再抓取、再分析
# 中间层代码量 ≈ 0，厚度由模型推理能力决定
print(response.content)