openJiuwen首发Agent Device Foundation，重新定义Agent与物理世界的交互方式
InfoQ 中文 · 软件开发
原创 杨过 2026-11-06 14:00 北京 现实世界的设备开始成为 Agent 可以理解、选择和组织的能力 今天的 Agent 已经可以写代码、查资料、调用 API、操作软件。当 Agent 逐步走出屏幕，会发生什么？ 想象一下： 你不再需要分别操作门锁、空调、灯光和扫地机器人。家庭 Agent 可以理解家中设备的功能，在获得授权后按需组合调用；当某个设备临时不可用时，还能寻找替代方案，继续完成日常任务。 走进一间会议室，你不再需要逐个连接投屏、摄像头和打印机。办公 Agent 可以识别周围的设备能力，根据会议需求完成设备配置，并根据现场情况灵活调整方案，保障会议顺利进行。 你告诉科研 Agent 的不再是“打开某台仪器”，而是“完成这一轮实验”。它需要调用不同厂商的机械臂、检测仪器和实验设备，根据实时状态决定下一步操作，并判断是否真正产生了预期结果。 真正变化的， 不仅是 Agent 可以连接更多设备，而是现实世界的设备开始成为 Agent 可以理解、选择和组织的能力 。而要实现这一点，设备接入需要一套面向 Agent 的统一协议规范。 1 设备已经有接口，为什么还需要新的协议？ 现实中的设备并不缺接口。智能灯可以通过网关控制，实验仪器可能提供厂商 API，机器人也有自己的 SDK 和控制框架。但当 Agent 从调用单个设备，进一步走向跨终端、跨设备、跨场景持续完成任务时，仅仅“把接口接进来”还不够。 今天的大多数设备接口，本质上仍然是面向应用程序和开发者设计的：开发者知道要调用哪个 API、如何解释返回结果、设备当前是否可用，以及失败后应该怎样处理。而 Agent 需要面对的是另一个问题——它如何动态理解现实世界中有哪些能力、哪些能力当前可以使用，以及一次调用之后现实世界究竟发生了什么。 因此，当越来越多真实设备进入 Agent 的任务体系，会出现几个共性问题： 设备接口异构，能力缺少统一表达。 设备能力分散在 API、SDK、物联网协议、操作系统接口和机器人控制框架中。同一种能力可能由不同接口提供，Agent 缺少跨设备、跨厂商理解能力的统一方式。 “设备有什么能力”与“此刻能够使用什么能力”并不相同。 设备的在线状态、权限、占用情况、网络条件、运行模式以及环境状态都会改变能力的实际可用性。对 Agent 而言，静态的接口清单并不足以支撑动态任务执行。 单设备调用正在变成多设备、多步骤的任务执行。 真实任务往往不是调用一次 Tool：会议可能涉及屏幕、摄像头和音响；实验可能涉及机械臂、检测仪器和环境设备；家庭任务也可能跨越门锁、照明、空调和清洁设备。Agent 需要的是可以被选择、组合和持续使用的设备能力，而不是一组彼此孤立的接口。 调用成功不等于现实世界已经完成。 命令已经发送、API 返回 success，只说明一次软件调用完成，并不能证明设备产生了预期物理效果。如果 Agent 无法区分“接口成功”“设备效果发生”和“任务可以继续”，后续规划就可能建立在错误状态之上。 这意味着，Agent 与设备之间还缺少一个面向 Agent 的能力层。 我们正在构建智能体设备接入规范 ADF（Agent Device Foundation）。ADF 希望在现有设备接口之上，建立一套面向 Agent 的统一能力表达与运行语义，使不同类型的真实设备能够以更一致的方式进入 Agent 的任务体系。ADF 当前首先发布 ADF-EA（Execution Assurance），从真实设备接入后最基础、也最关键的执行可信问题开始，围绕执行条件、预期效果、结果验证与中断恢复建立统一执行语义。 2 ADF：让硬件从“设备接口”变成“Agent 能力” ADF 并不替代已有的 API、SDK、IoT 协议和机器人控制框架，而是关注这些接口之上的一层： 如何把不同硬件已经具备的功能，以 Agent 可以理解、判断和持续使用的“能力”形式表达出来 。向下，ADF 对接已有设备接口与控制体系；向上，则面向 Agent 提供一致的设备能力描述与运行语义，使不同类型、不同厂商的硬件能够以更统一的方式进入 Agent 任务体系。 对于 Agent 来说，一项设备能力并不只是一个可以调用的 Tool。它还需要知道： 这项能力是什么、当前是否可用、在什么条件下可以执行、执行后应该产生什么效果，以及任务过程中设备状态发生变化时应该如何处理 。因此，ADF 所关注的不只是设备接口本身，还包括围绕设备能力形成的一系列通用语义，例如： 能力描述 ：设备能够提供什么能力，以及执行该能力需要什么输入； 动态状态 ：这一能力当前是否存在、是否可用，以及影响可用性的设备与环境状态； 执行条件 ：在什么状态下允许执行，哪些前置条件必须满足； 效果语义 ：一次能力调用预期