2026 年 7 月 3 日到 4 日,Hacker News 在 24 小时内集中出现 4 个 AI Agent 基础设施项目:MailKite(给 Agent 一个独立邮箱)、Termi Protocol(3D 可视化 Agent 房间)、Cadreen(Intelligence as a Service)、noworkflows(无 workflow 引擎的 durable agent)。这 4 个项目都瞄准同一个痛点:2026 年的 AI Agent 不再是”单模型调用”,而是需要身份、记忆、通信、可观测性、治理能力,这些”基础设施”在过去 30 天集中爆发。

aizxs 之前发过多篇 Agent 教程(7/3 ID 12009、7/4 ID 12053、7/4 ID 12074),但都聚焦在”模式选择 / 反模式规避”。本文是第一个系统讲”Agent 基础设施选型”的文章,把 4 个项目放在同一张表里对比,告诉你在不同场景下该选哪个。

一、为什么 AI Agent 需要”基础设施”层

要理解这 4 个工具,先要理解”AI Agent 基础设施”在 2026 年为什么突然成为独立赛道。

aizxs 7/4 ID 12053 文章讲的”多 Agent 协作 4 模式”(Subagent / Agent Team / Agent View / Omnigent)解决的是”多个 Agent 怎么分工”的问题。12074 文章讲的”Agentic Loops 5 个反模式”解决的是”Agent 跑循环时怎么不出错”的问题。这两个问题都假设 Agent 已经”能跑”,但 2026 年的实战经验显示,“能跑”到”能稳定生产”之间,还差一整套基础设施。

具体来说,2026 年下半年工程师在生产环境跑 Agent 时,普遍遇到 5 个”没现成方案”的痛点:

痛点 1:Agent 怎么跟人类 / 其他系统通信? Agent 需要发邮件、读邮件、收 Slack 消息、回 Slack 消息,但传统邮件 / Slack API 都是为人类设计的,Agent 用起来很别扭。MailKite 直接给 Agent 一个独立邮箱,解决这个问题。

痛点 2:Agent 在跑什么,人类怎么知道? Agent 在终端里跑循环,人类看到的就是”一坨滚动 log”。Termi 把这个过程 3D 可视化,让人类”看到 Agent 在做什么”。

痛点 3:Agent 怎么有”长期记忆”? LLM 的 context window 是有限的,Agent 跑长任务时需要”外部 memory”持久化关键事实。Cadreen 把”记忆 + 治理 + 执行”做成统一的基础设施。

痛点 4:Agent 怎么”durable”地运行? 传统 Agent 跑在 serverless 函数上,函数 timeout 后状态就丢了。noworkflows 提供 durable execution,Agent 跑 30 分钟也不丢状态。

痛点 5:怎么调度多个 Agent 而不写 workflow 引擎? 传统做法是写 Airflow / Temporal 之类的 workflow,现在 Cadreen / noworkflows 都主张”不需要 workflow 引擎”。

5 个痛点合起来,催生了 2026 年下半年”AI Agent 基础设施”这个新赛道。下面 4 个工具分别解决了其中 1-2 个痛点。

值得注意的是,AI Agent 基础设施不是”LLM 框架”的延伸,而是一个独立的工程领域。LLM 框架(LangChain / LlamaIndex)解决的是”怎么调用模型”,AI Agent 基础设施解决的是”模型之外的 Agent 还需要什么”。两者关注的层次完全不同:LLM 框架是 SDK,基础设施是 runtime / 协议 / 标准。LangChain 不会做”Agent 邮箱”,MailKite 也不会做”Agent 推理优化”——专业分工在 2026 年下半年越来越清晰。

另外,4 个工具的发布方式也值得注意:3 个是 SaaS(MailKite / Cadreen / noworkflows),只有 Termi 是桌面应用。这种分布反映了 Agent 基础设施的两个方向——”云端托管”(降低用户运维成本)和”本地化”(保护数据隐私)。两个方向各有市场,长期共存。

二、MailKite:给 Agent 一个独立邮箱

项目背景:MailKite 7/3 在 HN 上发布博客《Give your AI agent its own email inbox》,2 分热度但技术细节扎实。它解决的是痛点 1(Agent 通信)。

核心设计:MailKite 把传统邮件协议(SMTP / IMAP)做了”Agent 友好”的改造。具体来说,MailKite 在邮件接收入站时就做了三件事——1) 解析 MIME,Agent 拿到的是 JSON 字段而不是编码字符串;2) 提供 webhook,Agent 用 verifyWebhook 一行代码做 HMAC 签名验证;3) 自动注入 auth block(SPF / DKIM / DMARC / spam 验证结果),让 Agent 能识别”这封邮件是不是真的来自某个发件人”。

两种部署模式:MailKite 提供 BYOA(Bring Your Own Agent)和 route action ‘agent’ 两种模式。BYOA 模式下,MailKite 只做”邮件 ingress + egress”,Agent loop 在用户自己的 server 上跑;route action ‘agent’ 模式下,MailKite 自己跑 Agent loop(基于 Cloudflare Queue,8 轮工具调用上限 + 5 分钟 reaper 自动终止),用户只需要写一个 agentPrompt(“回答账单问题,其他升级到 humans@yourco.dev”)就行。

SDK 覆盖:Node.js / Python / Ruby / Go / PHP / Java 全语言支持,加 raw HTTP 备选。npm install mailkite express 一行代码起步。

安全警告:MailKite 团队在博客里专门写了一段”Why aren’t we seeing more agent security discussions?”——明确警告”inbound email 是 untrusted input,prompt injection 风险极高”。SPF / DKIM / DMARC 通过只能证明”发件人是声称的那个人”,不能证明”邮件内容是安全的”。任何让 Agent 直接执行邮件内容的代码都是危险代码。

适用场景:客服自动化(Agent 收邮件 / 回邮件)、SaaS 通知处理(Agent 读用户反馈邮件 / 分类 / 升级)、Agent-to-Agent 通信(两个 Agent 用邮件互联)。不适合:对实时性要求高的场景(邮件有分钟级延迟)、需要富交互的场景(邮件是单向文本)。

三、Termi Protocol:3D 可视化 Agent 房间

项目背景:Termi Protocol 7/3 在 HN 上线,3 分热度,但产品形态非常独特——给 Agent 一个”3D 房间”,让 Agent 在里面”走路 / 读柜子 / 坐椅子上写代码 / 在终端跑命令”。Lifetime Pass 创始赞助价 $6.99。

核心设计:Termi 不是 Agent 框架,而是 Agent 的”可视化操作台”。它兼容 12 个主流 AI coding CLI——Claude Code / Codex / Gemini CLI / Copilot / Grok CLI / Aider / Antigravity / opencode / Ollama / Amazon Q / Groq / Any CLI Agent。你跑这些 CLI,Termi 给它们”一个身体和一个房间”,每个 Agent 的文件读取、命令执行、代码修改都变成 3D 动画。

5 个核心功能:

  1. Agent Passports——每个 Agent 显示”姓名 / 模型 / 目标 / 实时 token / 实时成本”,鼠标 hover 就能看到当前在干什么。
  2. Real Terminal——每个 Agent 配一个真 xterm + PTY 终端,不是回放 log。
  3. Task Kanban——Agent 自己驱动的任务板,”计划 → 进行中 → 完成”自动流转。
  4. Checkpoints——每次修改都自动 snapshot,出错可以秒级回滚。
  5. Live Cost——按 Agent / 按 session 实时显示 token 和美元成本。

游戏化层:Termi 加了一个叫 Moscow Protocol 的游戏层,每个工作流步骤赚 XP,等级从 Rookie → Bronze → Silver → Gold → Platinum → Diamond → Legend,全球排行榜。这种设计灵感来自”Duolingo 让背单词上瘾”,把”管理 Agent”变成”玩 Agent 游戏”。

Roadmap:Termi 按”9 个城市 9 个 chapter”迭代,Milano(2026/7 live)、Istanbul(Oct)、London(Nov)、Madrid(Dec)、Paris(Jan)、Mexico City(Feb)、Moscow(Apr)、Giza Pyramid(May)等,每个 chapter 加新功能。

适用场景:AI 工程师日常用 Claude Code / Codex 做开发(可视化提升体验)、多 Agent 协作场景(看哪个 Agent 在干什么)、教学场景(让新手”看到” Agent 工作流)。不适合:纯 serverless 生产部署(Termi 是桌面应用)、成本敏感场景($6.99 一次性付费,但需要自己的 AI API key)。

四、Cadreen:Intelligence as a Service

项目背景:Cadreen 7/3 在 HN Ask HN 发布,5 分热度。GitHub 仓库 timothy-billingrails/cadreen-sdks,标语”Intelligence as a Service”。它解决的是痛点 3 + 5(Agent 长期记忆 + 不需要 workflow 引擎)。

核心设计:Cadreen 提供一整套 Agent 基础设施——APIs + SDKs(TypeScript / Python / Go)+ CLI + memory + governance + tool execution + audit trails + chat access。它把”Agent 怎么运行”抽象成 4 个核心调用:

  1. cadreen.intent.invoke()——接收用户意图(可能是 direct answer / clarify questions / 启动 execution)。
  2. cadreen.executions.stream()——流式返回 execution 事件,前端可以实时显示 Agent 在做什么。
  3. cadreen.chat.completions()——OpenAI 兼容的 chat 接口,可以直接接现有工具。
  4. cadreen.connections.catalog() + install()——统一集成市场,目前支持 Slack 等连接器。

SDK 样例(TypeScript):

import { Cadreen } from "@cadreen/sdk";
const cadreen = new Cadreen({ apiKey: process.env.CADREEN_API_KEY });

const result = await cadreen.intent.invoke({
messages: [{ role: "user", content: "Handle refund for invoice inv_123" }],
});

switch (result.type) {
case "direct":
console.log(result.message.content);
break;
case "execution":
for await (const event of cadreen.executions.stream(result.execution.id)) {
console.log(event.type, event.data);
}
}

核心卖点:”Useful AI systems need more than a model call. They need orchestration: what to remember, when to act, when to ask permission, what tools to use, and how to leave an audit trail.” Cadreen 把这 5 件事打包成一个 SDK + API,企业不用自己写 memory 层 / governance 层 / audit trail 层。

Roadmap:Coming next 是”Accomplish Anything”,一个给非开发者用的 chat 界面,直接调用 Cadreen 的基础设施。

适用场景:企业级 Agent 应用(需要 audit trail / governance / 长期 memory)、多工具编排场景(需要 connection marketplace)、想快速搭 Agent 不写基础设施的团队。不适合:小项目 / 个人项目(Cadreen 是 SaaS 服务,有 vendor lock-in 风险)、需要完全本地部署的场景(Cadreen 是云服务)。

五、noworkflows:无 Workflow 引擎的 Durable Agents

项目背景:noworkflows.dev 7/3 在 HN Show HN 发布,4 分热度,标语”Durable AI agents without the workflow engine”。它解决的是痛点 4 + 5(Agent 跑长任务不丢状态 + 不需要 workflow 引擎)。

核心设计:noworkflows 主张”Agent 本身就是 workflow,不需要单独的 workflow 引擎”。它提供 durable execution 基础设施,Agent 跑 30 分钟、1 小时、几天都不丢状态,也不需要写 Temporal / Airflow 这种专门的 workflow 调度器。

核心理念:传统 workflow 引擎(Airflow / Temporal / Prefect)是”为长流程编排设计”的,Agent 时代这种抽象反而成了累赘——Agent 自己就是 workflow,你只需要给它一个 durable 的运行环境。noworkflows 就是这种”durable runtime for agents”。

适用场景:Agent 跑长任务(几小时到几天)需要不丢状态、不想学 Temporal / Airflow 这种传统 workflow 引擎、要快速搭 Agent 平台。不适合:任务都是短任务(秒级 / 分钟级,不需要 durable execution)、已经在用 Temporal / Airflow 的团队(迁移成本高)。

六、4 工具对比表

把 4 个工具放在同一张表里,2026 下半年选型可以直接参考:

配图

维度 MailKite Termi Cadreen noworkflows
核心定位 Agent 邮件基础设施 Agent 3D 可视化 Intelligence as a Service Durable Agent Runtime
解决痛点 Agent 通信 Agent 可观测性 Agent 记忆+治理 Agent 长任务不丢状态
部署模式 SaaS(BYOA / route) 桌面应用 SaaS(API + SDK) SaaS + 自托管
SDK Node/Python/Ruby/Go/PHP/Java GUI 应用 TypeScript/Python/Go 多种
价格 按邮件量计费 $6.99 Lifetime 用量计费 用量计费
学习曲线 中(需要懂邮件协议) 低(下载即用) 中(需要懂 orchestration) 低(写 Agent 就行)
vendor lock-in 低(可自己跑 loop) 无(本地应用) 高(SaaS) 中(可自托管)
开源情况 否 否 是(MIT) 部分

选型速查:

  • Agent 需要收邮件 / 发邮件 → MailKite
  • 想”看到” Agent 在干什么 → Termi
  • 企业级 Agent + 需要 audit trail + 长期 memory → Cadreen
  • Agent 跑长任务 + 不想学 Temporal / Airflow → noworkflows

反例提醒:不要为了”看起来高级”全用——4 个工具定位完全不重叠,选 1 个最适合的即可。也不要同时用 MailKite + Cadreen 做通信(功能重叠)。

七、组合使用的 3 种典型场景

4 个工具虽然定位不同,但可以组合使用。下面是 3 种典型组合场景:

场景 1:Cadreen + Termi(企业级 Agent 开发)

  • Cadreen 做后端(记忆 / 治理 / 执行 / audit trail)
  • Termi 做前端可视化(看到 Agent 在干什么)
  • 适合:企业级 Agent 产品研发

场景 2:noworkflows + MailKite(Agent 跑长任务 + 通信)

  • noworkflows 提供 durable runtime(Agent 跑几天不丢状态)
  • MailKite 提供邮件接口(Agent 用邮件跟用户通信)
  • 适合:Agent 跑长任务(比如持续监控 / 持续学习 / 持续响应用户邮件)

场景 3:Termi + Cadreen + MailKite(全套组合)

  • 三个一起用,Termi 看可视化,Cadreen 管后端,MailKite 管通信
  • 适合:大厂 Agent 平台研发(预算充足 + 需要全套基础设施)

反例:不要在小项目里用全套组合——4 个工具加起来每月成本可能 $500+,小项目烧不起。建议小项目从单个工具起步,业务规模起来后再加。

3 个组合场景的选型逻辑:如果项目重点是”Agent 跑长任务”,优先选 noworkflows(它解决的是”不丢状态”这个最痛痛点);如果项目重点是”企业级合规”,优先选 Cadreen(audit trail / governance 是企业刚需);如果项目重点是”用户体验”,优先选 Termi(可视化让用户感觉 Agent 是”活的”);”Agent + 邮件通信”是 MailKite 的强项,但要评估邮件延迟是否在你的业务容忍范围内。

值得一提的”反组合”:不要同时用 Cadreen 和 noworkflows 做 durable execution,两者功能重叠会浪费预算;不要在 Termi 里跑 production Agent,Termi 是开发工具,不是生产 runtime。这些反组合是 2026 年下半年企业选型时常见的踩坑姿势。

八、写在最后

AI Agent 基础设施在 2026 年下半年是一个被低估的新赛道。MailKite / Termi / Cadreen / noworkflows 这 4 个项目都在 24 小时内集中上线 HN,说明整个行业都在补”Agent 不再是单模型调用”这个转变带来的基础设施缺口。

短期(未来 1-3 个月),建议先评估自己项目的”最痛痛点”是哪个——通信?可观测性?记忆?长任务?——然后选 1 个最匹配的工具试水。不要贪多,1 个工具用到 80% 满意度再考虑加第二个。

中期(未来 3-6 个月),关注 4 个工具的迭代节奏。MailKite 团队对”Agent 安全”的持续投入值得学习,Termi 的游戏化设计可能是 Agent 工具的主流方向,Cadreen 的”Intelligence as a Service”是企业级市场的标准路径,noworkflows 的”无 workflow 引擎”理念如果被验证,可能影响整个 workflow 引擎赛道。

长期(未来 6-12 个月),”Agent 基础设施”会成为跟”模型层” / “应用层”并列的独立投资赛道。预测未来 12 个月会有 10+ 个新工具出现,3-5 个会被收并购。

4 个工具背后的商业逻辑也值得展开:MailKite 是”Agent 通信协议”赛道,如果它能成为事实标准,价值会像 SMTP 一样(免费协议 + 企业级托管);Termi 是”游戏化工具”赛道,如果”看 Agent 工作”成为日常需求,Termi 会像 Figma 一样成为设计师的标配;Cadreen 是”AI 中间件”赛道,直接对标 Twilio / Stripe 这种”API 经济”模式,估值潜力最大;noworkflows 是”无 workflow 引擎”赛道,如果它能证明”不需要 Temporal 也能跑 durable workflow”,会直接颠覆整个 workflow 引擎市场。

4 个商业逻辑的风险也各不相同。MailKite 的风险是”邮件协议本身被淘汰”(未来 Agent 通信可能用 MCP / ANP 替代 SMTP);Termi 的风险是”游戏化只能吸引早期用户,商业用户更看重 ROI”;Cadreen 的风险是”被大厂(OpenAI / Anthropic / Google)内化,变成模型的默认能力”;noworkflows 的风险是”Temporal 等老牌 workflow 引擎降价反击”。这 4 个风险决定了 4 个工具未来 12 个月的胜率。

附:本文素材来自 HN 24 小时 AI agent 热点(7/3-7/4),前文 12074「Agentic Loops 的 5 个反模式」基于 Dan Luu 加拉帕戈斯笔记,本文延续”Agent 实战选型”主题。AI 学习拼图 v2 已完成 10 篇(#1-#8 为基础 8 篇,本文 + 12074 为 2026/7/4 当天加写 2 篇)。

你最近在用什么 Agent 基础设施?踩过哪些坑?