English mirror
This English page is generated from the current Chinese documentation so every route, anchor, code sample, and language switch stays available on agently.tech. Human-edited English copy can replace this generated body page by page.
术语表
这不是按字母排序的名词索引。Agently 的术语最好按学习顺序看：先理解 Agent 定义和一次执行，再理解外部能力、长期证据、工作流、动态任务和兼容迁移。
每个词条都回答三件事：它是什么，什么时候需要关心，继续读哪里。
请求与输出
Agent
Agent 是 Agently 里保存可复用行为的主要入口，例如模型设置、固定 prompt、Actions、Skills、Workspace 和 policy。
当应用从“一段 prompt 调模型”变成“有配置、有输出契约、有能力挂载”的代码时，用 Agent 管长期定义，用 AgentExecution 管本轮执行。
继续读：快速开始
Agent definition / define
agent.define(...) 是推荐的 Agent 定义入口，用来声明长期可复用的行为，而不是把每个用户请求都写进共享 prompt 状态。
当服务里复用同一个 Agent 实例，或者需要把角色、固定规则、Actions、Skills、Workspace 和 policy 放在一起时，需要它。
继续读：Agent 自动编排
AgentExecution
AgentExecution 是一次 Agent run 的推荐 owner。.input(...)、.goal(...)、.success_criteria(...)、.output(...) 等本轮信息进入 execution draft，执行后通过 AgentExecutionResult 读取数据、文本、流、状态和诊断。
当你需要把长期 Agent 定义和本轮输入隔离，或者需要观察一次执行的 route、stream、meta、task refs 时，需要理解它。
继续读：Agent 自动编排
Model Request
Model Request 是一次模型调用的请求对象，包含 input、prompt、output schema、settings、streaming 等信息。
当你需要把 prompt、输出格式、校验或流式消费拆开控制时，需要理解它。日常代码通常通过 agent.input(...).output(...) 创建。
继续读：Requests 概览
Output Schema
Output Schema 描述模型应该返回什么结构。Agently 常用嵌套 dict、list 和 (type, description, ensure) 叶子来写。
当下游代码要稳定读取字段，而不是解析一段自由文本时，就需要它。
继续读：Schema as Prompt、输出控制
ensure
ensure 是 output 叶子第三槽里的必填标记，例如 (str, "客户回复", True)。置为 True 后，该字段缺失、为空或不符合要求时会进入校验和 retry。
它不是默认值。旧文档里“第三槽等于 default value”的理解不适用于当前推荐写法。
继续读：输出控制
Model Response / Result
Result 是一次模型响应的读取入口。它可以从同一次调用里读 text、data、meta，也可以消费 delta 或 instant stream。
非一次性脚本建议先拿 get_result()，再按需要读取不同视图，这样不会为了读 text 和 data 重复发请求。
继续读：模型响应
Streaming / Instant
delta 是原始 token 流；instant 是结构化字段流，带 path、delta、value 和 is_complete。
如果只是终端打字效果，用 delta。如果 UI 要按字段实时更新，比如先显示 status_summary，再显示 risk_flags，用 instant。
外部能力
Action
Action 是模型在一次请求里可以调用的外部能力，可以是本地函数、MCP tool、搜索、浏览、沙箱命令或业务系统 adapter。
当模型不只是回答，而是需要查询、计算、执行或写入外部系统时，需要 Action。
继续读：Actions 概览
Action Runtime
Action Runtime 负责把模型提出的 action call 归一化、分发给执行器，并留下调用记录。
当项目不再只是挂一个函数，而是要管理多种能力、日志和兼容 tools 时，需要理解它。
继续读：Action Runtime
Action Executor
Action Executor 是真正执行一次能力调用的后端，比如函数执行器、MCP 执行器、Python/Bash/Node/SQLite 执行器。
应用开发者通常先用内置能力；只有在写自定义执行后端时，才需要深入它。
MCP
MCP 是把外部工具服务接入模型应用的一种协议。Agently 可以把 MCP tool 装进 Action surface，让模型在请求期调用。
当能力已经以 MCP server 形式存在，或者团队希望工具协议与应用代码分离时，需要它。
继续读：MCP
Execution Environment
Execution Environment 负责在 action 调用前准备和复用外部资源，例如 MCP server、浏览器、SQLite、Node.js、Docker 或沙箱。
当外部能力不是一个纯函数，而是有启动、健康检查、资源复用或 policy 约束时，需要它。
Skills Executor
Skills Executor 是运行时读取、选择、挂载能力说明和执行路线的机制，适合 coding-agent guidance 或企业内部能力包。
它不是简单的 prompt 片段，也不是第二套执行器。需要把可发现的能力说明和实际执行路线放在一起时，再使用它；具体执行仍应映射回 Prompt、Actions、ExecutionEnvironment 或 TriggerFlow。
继续读：Skills Executor
工作流
TriggerFlow
TriggerFlow 是 Agently 的工作流执行生命周期层，负责分支、并发、事件、execution stream、暂停恢复、保存恢复和子流组合。
当应用代码已经知道流程拓扑，并且流程需要生命周期管理时，使用 TriggerFlow。单次请求或 2-3 步简单 async 管道通常不需要它。
继续读：TriggerFlow 概览
Execution
Execution 是某个 TriggerFlow 定义的一次运行。一个 flow 可以有多个并发 execution。
当流程需要开始、暂停、恢复、关闭、保存或查询运行状态时，需要理解 execution。
继续读：Lifecycle
State
State 是 execution-local、可序列化、可进入 close snapshot 的数据面。
当流程里的多个步骤要共享业务状态，或者需要保存恢复时，把数据放进 state。
Runtime Resources
Runtime Resources 是当前 TriggerFlow API 里 execution-local 活对象存储的兼容名，比如数据库 client、socket、回调函数或 cache 句柄。它不进入 snapshot，也不参与 save/load。
新架构语言优先说 execution-local resources。流程需要临时使用不可序列化对象时，使用这类资源，并在恢复后重新注入。
Runtime Stream
Runtime Stream 是当前 API 里 execution 向外推送 live item 的流；新文档会逐步把架构语言收束到 execution stream。
当 UI、SSE、WebSocket 或 worker 需要看到流程进度，而不是只等最终 snapshot 时，需要它。
继续读：事件与流
Pause / Resume
Pause / Resume 让流程暂停等待人工审批、外部事件或业务系统回调，再从指定位置恢复。
当流程中间不能自动走完，或者要等人/系统确认时，需要它。
继续读：Pause 与 Resume
任务与自动编排
Agent Auto-Orchestration
Agent Auto-Orchestration 是 AgentExecution 的路线选择能力：在普通模型请求、Actions、Skills、Dynamic Task 或 task strategy 候选中选择合适路径。
当应用希望交给 agent 在明确开放的候选能力里判断路线，而不是强制走某个显式 API 时，才使用它。
继续读：Agent 自动编排
Dynamic Task
Dynamic Task 面向模型生成或应用提交的 DAG。它是 TaskDAG 的便利 facade：先校验任务图，再编译到底层 TriggerFlow 执行。
当“计划本身”是输入数据，而不是应用代码里已经写死的流程拓扑时，用它。普通 Agent prompt、外层长任务生命周期或固定工作流不应该默认从 Dynamic Task 开始。
继续读：Dynamic Task
TaskDAG
TaskDAG 是 Agently 的有向无环任务图基础结构。它描述节点、依赖、输入输出和执行约束，Dynamic Task 是面向应用开发的便利入口之一。
当你要让模型生成计划、让应用提交计划，或检查计划是否合法时，需要它。
继续读：Dynamic Task
AgentTaskLoop
AgentTaskLoop 是 AgentExecution 背后的有边界长任务 strategy，用于计划、执行一个 bounded step、写入 Workspace 证据、验证和必要时 replan。
它不是第二个推荐公开生命周期。新代码应优先创建或消费 AgentExecution / AgentExecutionResult；只有需要 2 到 5 轮、有明确成功标准的单 Agent 任务时，才显式选择 task strategy。
继续读：Agent 自动编排
服务与观测
FastAPI Helper
FastAPI Helper 把 Agently request、agent 或 TriggerFlow 暴露成 HTTP、SSE 或 WebSocket 形态。
当原型脚本要进入服务端工程，或者前端要消费流式结果时，需要它。
继续读：FastAPI 服务封装
Event Center
Event Center 承载 Agently 的 RuntimeEvent，让请求、Action、ExecutionEnvironment 和流程事件能被外部观察。DevTools 使用的是从 RuntimeEvent 投影出来的 ObservationEvent payload。
当团队需要调试、记录或接入 DevTools 时，需要它。
继续读：Event Center
DevTools
DevTools 是 Agently 的可视化观察和调试入口。
当项目进入多人协作、复杂流程或服务化阶段，DevTools 能帮助检查一次执行里发生了什么。
继续读：DevTools
迁移与兼容
get_response()
get_response() 是旧代码里的读取入口。当前推荐用 get_result()，再按需要读 get_text()、get_data() 或 get_meta()。
维护旧项目时需要认识它；新代码不要把它当第一入口。
继续读：模型响应
.end() / set_result()
.end() 和 set_result() 是旧 TriggerFlow 结果写入方式。当前推荐让 execution close snapshot 直接承载最终 state。
迁移旧 flow 时需要关注；新 flow 应直接更新 state 并读取 close snapshot。
继续读：TriggerFlow 兼容
$final_result
$final_result 是兼容旧 .end() / set_result() 时出现在 close snapshot 里的保留 key。
看到它通常说明项目里还有旧结果写法。新代码不要依赖它设计业务数据结构。
继续读：TriggerFlow 兼容
legacy tools
旧 tools API 仍可用于兼容，但新项目应优先使用 Agently.action、agent.use_actions(...)、内置 action packages 和 Agent Component helpers。
迁移时先确认旧 tools 做的是请求期能力调用，还是其实应该升级成 TriggerFlow 工作流。
继续读：工具兼容、Actions 概览