上海2026年7月14日 /美通社/ -- 隨著 HarmonyOS 7 發布、鴻蒙智能體框架 2.0 把 Agent 能力放到客戶端，越來越多開發者開始在自己的 App 里嵌入 Agent。一個電商 App，可能只是在某個功能里放了個對話入口。用戶點進去問一句，后面就是 Agent 在多輪推理、調用 Skill，把事辦完。
對開發者來說，這里多了一層過去沒有的東西：用戶的操作還看得見，可對話背后 Agent 做了哪幾步、每一步是否順利、在哪里中斷，往往看不清。
ThinkingAI Agentic SDK 正式發布，全面支持鴻蒙智能體框架 HMAF 2.0 生態，為端側 Agent 提供運行狀況的觀測能力，覆蓋 Agent 的調用軌跡、耗時、成敗等運行信息。
ThinkingAI Agentic SDK 正式發布
一、Agent 跑起來了，運行狀況卻看不清
過去十年，應用分析處理的是用戶側的行為：點了哪個功能、走了哪條路徑、在哪一步離開。
Agent 嵌進來之后，多了一層用戶操作之外的信息。用戶說的那句話只是開頭，后續由 Agent 完成：它調了哪些工具、走了哪條推理路徑、花了多少 Token、哪一步出了錯，這些都發生在應用內部，現有的用戶行為分析看不到。
于是同一個應用里，出現了兩類信息：
現有工具已覆蓋 VS 缺失信息
看不到 Agent 這一層，就無法判斷它好不好用、成本花在哪、哪一步該改。而這一層的表現，直接決定用戶這次的需求有沒有被滿足。
二、鴻蒙 HMAF 2.0 開放了端側 Agent 的觀測入口
想在應用端看清 Agent，此前有個現實門檻。在別的平臺上，Agent 大多跑在服務端，用 Python、Node 實現，很少落到手機端，端上缺少讀取運行信息的入口。
鴻蒙智能體框架 2.0 把 Agent 能力放到了客戶端，同時開放了可以對接的關鍵軌跡。端側 Agent 的運行，由此有了可以讀取的入口。ThinkingAI Agentic SDK 順著這些關鍵點位對接，讀取 Agent 運行時留下的調用、耗時、成敗等軌跡，覆蓋 Agent 注冊、Skill 執行、MCP 工具調用、A2A 跨 Agent 協同、內嵌 UI 會話這些核心場景。
圖源網絡
對接方式是低侵入的：在框架公開的接口邊界做輕量包裝，不改動框架本身，單個模塊接入的改動很小，框架后續升級也不受影響。接入提供三種方式，從快速驗證到正式上生產都覆蓋，最輕的一種幾乎不用改代碼。
三、一次任務，從頭到尾串在一條鏈上
端側 Agent 的一次任務，實際會穿過好幾層：先是系統意圖入口接住用戶的話、抽取參數，再到 Skill 執行具體業務，Skill 內部可能又調用 MCP 工具或本地 Tool。任何一層斷開，排查就只能從零拼日志。
SDK 在這三層用同一個標識把事件串起來：從意圖（Intent）、能力（Skill）到工具（MCP / Tool），同一次任務里的所有調用掛在同一個 trace_id 下，形成有層級的調用鏈。會話開始、Skill 調用、工具返回、跨 Agent 協同結束，每一步自動配對成一條完整事件，帶上耗時和成敗。
這樣，開發者不用手工把散落的日志拼回去，就能順著一條鏈，看到 Agent 完成這次任務的全過程。
四、把 Agent 的運行，和應用連起來看
ThinkingAI 在鴻蒙上原本就有一套分析 SDK，處理的是用戶側的行為。這次在同一個包里補上 Agent 這一側，用戶在應用里的操作，和 Agent 的運行信息，就能放到一起來看。
上一層的調用鏈解決了「Agent 內部怎么跑」，同包交付則把它和用戶操作接上：用戶在對話里提出需求，Agent 接著調用了哪些 Skill、走了哪條路徑、花了多少成本，最后任務有沒有完成、用戶有沒有留下來。這些信息按同一條會話對齊，串成一個連續的過程。用戶側和 Agent 側，從此處在同一個分析漏斗里。
三層全鏈路分析
由于記錄的是用戶和 Agent 的行為，數據怎么處理需要交代清楚。SDK 默認不上報用戶的原始對話內容，只記錄結構化的運行信息，比如調用了哪個工具、用了多久、是否成功；敏感字段自動脫敏，超長內容自動截斷，并遵循鴻蒙 HPIC 個人智能計算規范，用戶可以選擇退出采集。采集這一層與 Agent 業務相互隔離，采集自身出問題會自動降級，不影響 Agent 正常運行。整條鏈路支持私有化部署，數據不出企業邊界。對端側場景、對在意信息安全的開發者，這些是接入的前提。
五、看得清，才談得上優化
把用戶操作和 Agent 運行放到一起、經過整理之后，幾個開發者最關心的問題就能直接回答。
Agent 出錯時，可以回放整條路徑，哪一步走偏、調了哪些工具，每一步的入參、結果、耗時、狀態都在，不用自己一段段翻日志。花了多少錢、花在哪，可以按會話、任務、場景算清楚，看出哪個功能、哪類用戶消耗更高。用戶從提出需求到 Agent 把事辦成，中間在哪一步流失、多少人留了下來，也能連起來看，不用另外手工埋點。
這些數據的出口是開放的：既能接鴻蒙的 HiAppEvent、HiLog 等系統通道，也能匯入 Agentic Engine，或對接企業自建后端、Webhook、OpenTelemetry，公有云和私有化部署都適配。數據進入分析平臺后，常見場景很快就能跑出可分析的結果——直接得到留存、漏斗、成本這些能用于判斷的結論，而不是一堆需要自己解讀的原始記錄。
觀測只是起點。在這之上，同一套體系還能延伸到運營，比如用 AB 實驗和客戶端觸發式策略，把發現的問題在同一個 SDK 里先驗證、再決定是否推廣，而不必讓沒驗證過的策略直接全量上線。
Agent 會越來越多地嵌進各行各業的應用里，端側是它們實際運行的地方。用戶和 Agent 連成的這條完整路徑可觀測，應用的迭代和 Agent 的優化才有依據。
鴻蒙把 Agent 能力帶到了端上，ThinkingAI Agentic SDK 在這一層提供配套的觀測與分析能力，與鴻蒙生態一起，讓端側 Agent 的運行狀況可觀測、可優化。
