Aviator:HubSpot内部AI Agent开发框架解析

HubSpot 自建 Agent Harness「Aviator」折射出 AI Agent 竞争正从模型层转向工程落地层。
文章介绍了 HubSpot 内部构建的 Agent Harness(智能体运行框架)Aviator,并分析了大厂为何倾向于自建而非直接采用开源 Agent 框架。核心动因在于可控性:CRM 业务涉及大量客户数据与销售流程,对权限控制、数据隔离和可审计性要求极高,通用框架的抽象层反而成为负担。文章推断 Aviator 大概率覆盖工具调用的编排与治理、多步骤任务的可靠性(重试、状态管理、人工介入断点)以及可观测性与调试三大工程难点。最后指出,AI Agent 的竞争焦点正从模型能力转向工程落地,团队应明确自身管控需求后再决定框架选型,而非盲目在通用框架上堆叠补丁。
什么是 Aviator?
Aviator 是 HubSpot 内部构建的 Agent Harness(智能体运行框架),近期在 Hacker News 上引发了小范围讨论。从命名来看,"Aviator"(飞行员)暗示了这并非一个普通的 AI 工具,而是一个用于驾驭、调度和管控 AI Agent 的基础设施层。
在 AI Agent 从概念验证走向生产落地的过程中,团队面临的核心挑战往往不是模型能力本身,而是如何可靠地编排 Agent 的行为、管理工具调用、处理错误恢复以及保证输出一致性。Aviator 正是 HubSpot 针对这些工程化问题给出的答案。
Agent Harness(智能体运行框架) 是介于底层大模型与上层业务应用之间的一层基础设施,可以类比为传统软件中的运行时环境或中间件。它的职责不是提升模型本身的推理能力,而是负责把模型的原始输出“翻译”成可控、可执行、可审计的系统行为。典型能力包括:工具/函数的注册与schema定义、每次模型调用与工具调用的编排循环(agent loop)、上下文与会话状态管理、错误重试与超时控制、权限与配额校验,以及完整的执行轨迹记录。业界常见的开源实现有 LangChain 的 AgentExecutor、AutoGPT 式循环、以及近期的 LangGraph、OpenAI Agents SDK 等。与这些通用框架相比,企业自建的 Harness 通常更强调策略强制与可观测性,而非抽象的通用性。
为什么大厂都在自建 Agent Harness?
从外部观察,越来越多的科技公司选择自建 Agent 运行框架而非直接采用开源方案。这背后的逻辑值得分析。
通用的 Agent 框架往往追求广泛的兼容性,但在特定业务场景下,这种通用性反而成为负担。HubSpot 作为 CRM 领域的头部厂商,其业务逻辑涉及大量客户数据、销售流程和营销自动化场景,对 Agent 的权限控制、数据隔离和可审计性有极高要求。自建 Harness 意味着可以针对这些约束做深度定制,而不必在通用框架的抽象层上反复妥协。
另一个关键因素是可控性。当 Agent 被嵌入到核心业务流程中时,任何不可预期的行为都可能带来实际损失。一个内部 Harness 允许团队在框架层面强制实施安全策略、限流规则和回滚机制,这是直接调用第三方框架难以做到的。
Aviator 可能解决的核心问题
虽然公开信息有限,但从 Agent Harness 这一概念出发,可以推断 Aviator 大概率覆盖了以下几个工程难点。
工具调用的编排与治理
Agent 的能力边界很大程度上取决于它能调用哪些工具。Aviator 作为 Harness,很可能承担了工具注册、权限校验和调用追踪的职责。在企业环境中,不同 Agent 应当拥有不同的工具访问权限,这需要框架层面的精细控制。
多步骤任务的可靠性
复杂任务往往需要 Agent 进行多轮推理和工具调用。每一步都可能失败、超时或产生不符合预期的结果。Harness 的价值在于提供重试策略、状态管理和人工介入的断点,让整个流程在出错时能够优雅降级而非直接崩溃。
断点续跑与幂等性 是 Agent 多步骤执行中容易被忽视但至关重要的工程问题。由于 Agent 的每一步都可能调用外部工具(如写入CRM、发送邮件、发起支付),一旦在中途失败后简单重试,就可能造成重复副作用。成熟的 Harness 通常需要引入幂等键、事务性状态快照和检查点(checkpoint)机制:在每次关键步骤后将执行状态持久化,失败时从最近检查点恢复,并确保已经成功的外部调用不会被重复触发。此外,人工介入断点(human-in-the-loop)也依赖这类状态管理——当 Agent 遇到高风险操作或低置信度决策时暂停,等待人工确认后再继续,这要求框架能冻结并恢复完整的执行上下文。
可观测性与调试
Agent 的"黑箱"特性是生产环境部署的主要障碍之一。一个成熟的 Harness 需要记录完整的执行轨迹,包括每次模型调用的输入输出、工具调用的参数与结果,以及决策路径。这些数据对于调试和持续优化至关重要。
执行轨迹(trace) 是 Agent 可观测性的核心数据形态,通常以树状结构记录一次任务中所有嵌套的步骤:根节点是用户请求,子节点依次是每次 LLM 调用、每次工具调用及其参数与返回、以及每一步的耗时和token消耗。业界正在围绕这一概念形成标准,例如 OpenTelemetry 的 GenAI 语义约定,以及 LangSmith、Arize Phoenix 等观测平台。对于企业级 Harness 而言,trace 不仅是调试工具,也是合规审计、成本归因(按Agent/租户统计token与调用量)和离线评测的数据来源——用真实执行轨迹构建回归测试集,是持续提升 Agent 稳定性的常用手段。
对开发者的启示
Aviator 的出现反映了一个更广泛的趋势:AI Agent 的竞争焦点正在从模型层向工程层转移。模型能力固然重要,但如何将 Agent 可靠地集成到真实业务中,才是决定落地成败的关键。
对于正在构建 Agent 应用的团队而言,HubSpot 的做法提供了一个参考路径——与其在通用框架上堆叠补丁,不如根据自身业务约束设计轻量级的专用 Harness。这并不意味着每个团队都需要从头造轮子,但至少应当明确自身对 Agent 管控的核心需求,再决定框架选型策略。
HN 上的讨论热度虽然不高,但这类来自一线厂商的工程实践分享,往往比模型发布更能揭示行业落地的真实状态。
相关推荐

Daybreak Red部署指南:监督式安全调查参考架构
Daybreak Red参考架构解析:介绍监督式安全调查的安全控制设计、部署配置流程与运行监控机制,为团队落地受控安全调查提供工程参考。

Gemini 4 Neon 登顶 Models Engineering Index 榜首
Gemini 4 Neon 在 Models Engineering Index 上成为新晋第一,Hacker News 社区热议其排名含金量与评测方法。本文梳理榜单变动、社区反应及对开发者选型的实际影响。

苹果自研AI智能体:能替你操作Mac的Agent要来了
苹果据报正在开发可操控Mac的AI智能体,对标Meta Muse、Claude、OpenAI Dots等产品。本文分析苹果在agent赛道的系统级优势、竞争格局与可能的落地路径。