@ai-sdk/workflow 2.0.89 发布:实验性 API 转正,Vercel AI SDK 生态再进一步

@ai-sdk/workflow 2.0.89 将两个实验性 API 转正并同步更新依赖链。
Vercel AI SDK 子包 @ai-sdk/workflow 发布 2.0.89 版本,虽为 patch 更新,却完成了两项 API 稳定化:`LanguageModelStreamPart` 转为稳定类型,`Experimental_LanguageModelStreamPart` 被废弃;`filterActiveTools` 从实验命名空间毕业,`experimental_filterActiveTools` 保留为废弃别名。同时同步更新了 `ai@7.0.157`、`@ai-sdk/provider-utils@5.0.71` 等依赖。文章认为这标志着 AI SDK 的流式抽象与工具过滤能力趋于成熟,对构建多工具 Agent 的团队尤其有意义,并建议开发者全局搜索 `experimental_` 前缀调用,逐步迁移到稳定接口。
Vercel 推出的 AI SDK 已经成为许多开发者构建大模型应用的首选工具链。近日,其子包 @ai-sdk/workflow 发布了 2.0.89 版本,虽然只是一个 patch 更新,却包含了两项重要的 API 稳定化变更。

两项实验性 API 正式毕业
本次更新的核心在于将两个长期处于实验状态的 API 提升为稳定接口。第一项是把 LanguageModelStreamPart 转为稳定,同时将 Experimental_LanguageModelStreamPart 标记为废弃。这意味着开发者可以在生产环境中放心使用这个类型,而不必再担心实验性接口随时变动带来的破坏性升级。
第二项是把 filterActiveTools 从实验命名空间中毕业,现在直接以 filterActiveTools 导出,原有的 experimental_filterActiveTools 保留为废弃别名。这种渐进式迁移策略对已有代码库比较友好,升级不会立刻中断现有逻辑。
LanguageModelStreamPart 是 AI SDK 中描述语言模型流式输出分片的联合类型。在 streamText、streamObject 等接口中,模型返回的不是一次性完整结果,而是一串按顺序到达的事件,例如文本增量(text-delta)、工具调用(tool-call)、工具结果(tool-result)、结束事件(finish)以及错误事件(error)。LanguageModelStreamPart 就是为这些事件定义判别联合(discriminated union),让 TypeScript 能根据 type 字段收窄到具体分片类型。由于各家 provider 的流式协议差异很大,这个类型在实验阶段经历了多轮调整,稳定后才适合作为公共契约暴露给上层应用。
依赖链同步更新
伴随 API 变更,本次发布同步更新了多个依赖包,包括 ai@7.0.157、@ai-sdk/provider-utils@5.0.71 等。从版本号可以看出,AI SDK 主包已经进入 7.x 系列,整个工具链在持续迭代。对于使用 pnpm 或 npm 的团队来说,这类 patch 更新通常可以无痛合并,但仍建议在 CI 中跑一遍类型检查,确认废弃别名没有在新代码中被误用。
@ai-sdk/provider-utils 是 AI SDK 面向模型提供商适配层的公共工具包,封装了各 provider 共用的底层能力,例如请求构造、流式响应解析、错误映射、重试与超时处理,以及 provider 版本规范的兼容逻辑。上层包如 @ai-sdk/openai、@ai-sdk/anthropic 都依赖它来把不同厂商的 API 差异抹平为统一的 LanguageModelV2 接口。因此该包的 patch 版本变动虽然不起眼,却可能影响所有 provider 的流式行为,升级时值得留意其 changelog。
对开发者的实际影响
从工程角度看,实验性 API 转正是一个积极的信号。它表明 AI SDK 的流式处理抽象和工具过滤能力已经经过足够多的实际场景验证,接口形态趋于稳定。对于正在构建多工具 Agent 的团队,filterActiveTools 的稳定化尤其值得关注——它直接关系到运行时动态筛选可用工具的可靠性。
不过也要注意,patch 版本虽然语义上不包含破坏性变更,但废弃别名终究会在未来某个大版本中移除。建议在升级后顺手全局搜索 experimental_ 前缀的调用,逐步迁移到稳定 API,为后续升级扫清障碍。
filterActiveTools 的作用是在运行时根据条件从工具集合中筛出当前可用的子集。在多工具 Agent 场景中,工具数量可能达到几十个,而单轮对话往往只需要其中一部分;把全部工具描述塞进上下文既浪费 token,也会降低模型选择工具的准确率。该函数通常接收工具定义对象和一个判定函数或条件,返回过滤后的工具映射,供 generateText 或 streamText 的 tools 参数使用。稳定化意味着其签名和返回类型不再随小版本波动,适合封装进团队内部的基础库。
小结
@ai-sdk/workflow 2.0.89 是一次典型的"小版本、大意义"更新:两个实验性接口转正,依赖链同步跟进。它提醒我们,AI SDK 生态正在从快速试错阶段向稳定工程化过渡,及时跟进这类变更,能让团队在构建 AI 应用时少踩一些接口变动的坑。
相关推荐

Cognition SWE-2 实战:一个提示词搞定产品发布全流程
解析 YouTube 创作者用 Cognition SWE-2 发布产品的完整提示词:落地页、七封邮件序列与未购买用户跟进工具三段式结构,以及"测试并汇报"这一约束如何改变 AI 的交付质量。
AWS AgentCore Gateway:用MCP打通AI Agent与企…
AWS AgentCore Gateway:用MCP打通AI Agent与企业后端
AWS AgentCore Gateway如何作为主MCP服务器聚合REST API、Lambda与已有MCP服务?解析其AST实时映射、零冷启动、语义搜索治工具过载、会话隔离与密钥注入安全设计,以及企业AI Agent解耦后端的架构思路。

一个链接给Figma AI装上新技能:MCP连接器实战
通过粘贴一个MCP服务器链接,Figma中的AI Agent就能获得新工具能力。本文拆解配置流程、超过20个一键接入应用、读写权限与执行策略设置,以及公开HTTPS链接这一关键限制。