Diagrid Catalyst 2.0 Adds Durable and Verifiable Execution for AI Agents

Diagrid Catalyst 2.0 为 AI 代理增加持久化和可验证执行 - InfoQ

InfoQ 首页 News Diagrid Catalyst 2.0 为 AI 代理增加持久化和可验证执行

DevOps

AI 代理为何在规模化时失败：上下文是数据层问题（8月27日网络研讨会）

Diagrid Catalyst 2.0 为 AI 代理增加持久化和可验证执行

2026年8月26日 3分钟阅读

作者：

• Mark Silvester

#### 关注我们

Youtube

232K 粉丝

Linkedin

26K 粉丝

Instagram

新

RSS

19K 读者

X

57.1k 粉丝

Facebook

21K 点赞

Bluesky

收听本文 -

0:00

音频准备播放

您的浏览器不支持音频元素。

正常

1.25x

1.5x

喜欢

新下拉阅读列表

• 阅读列表

Diagrid 于 2026 年 7 月 28 日宣布发布 Catalyst 2.0，为使用 LangGraph、Microsoft Agent Framework、Google ADK 和 Dapr Agents 等框架构建的代理增加了故障恢复和加密验证功能。

此次发布包含 10 个框架集成，还涵盖 LangGraph Deep Agents、AWS Strands、OpenAI Agents SDK、Claude Managed Agents、CrewAI 和 Pydantic AI。

开发人员只需将 Diagrid 包添加到现有代理应用中。Diagrid 表示，Catalyst 会将模型和工具调用表示为持久化工作流活动，使中断的运行能够从中断处恢复而无需重复已完成的工作。

该功能针对的故障模式较为常见：一个长时间的多步骤运行在序列后期失败，且由于未在调用粒度上进行检查点记录，重试时需要重新执行所有已完成的模型调用。Diagrid 表示 Catalyst 可在云端、本地和隔离环境中运行。持久化代理通过 Python SDK 构建，而 Catalyst 的文档列出了对 .NET、Go、Java、JavaScript 和 Python 的工作流 SDK 支持；开源的 Dapr 1.18 SDK 还包含 Rust。

验证模型源自 Dapr 1.18。Dapr 对工作流历史事件批次进行哈希处理，将每个摘要链接到前一个签名，并使用 Dapr sidecar 的 SPIFFE 基身份对其进行签名。在加载工作流状态时会检查该链，使删除、重新排序或修改的历史记录变得可检测，接收方会将每个签名块与 Dapr Sentry 信任锚点进行验证，因此历史记录可以在生成它们的应用程序之外进行验证。Dapr 将该工作划分为三个能力：工作流历史签名、工作流历史传播和工作流证明，后两者在工作流和服务边界之间传递经过验证的执行上下文。

团队需要注意的是，默认情况下 Dapr 1.18 的签名功能是禁用的，该功能受 WorkflowHistorySigning 特性标志保护，并依赖于 mTLS。如果启用了签名但关闭了 mTLS，daprd 将拒绝启动。此外，每个工作流的签名决策是单向的：现有历史记录不会进行追溯签名，且对已运行的工作流切换签名功能会引发验证错误，因此在广泛启用签名之前，所有未签名的进行中工作流必须完成或被清除。

Diagrid 联合创始人兼 CTO、Agentic AI 基金会工作流与流程集成工作组主席 Yaron Schneider 表示，当代理调用工具或委托工作时，组织需要“了解发生了什么的证明”。

命名的早期采用目前仍有限：光学制造商蔡司集团（ZEISS Group）被引用为早期用户，其端到端核心应用工程负责人Wendelin Niesl在声明中表示，在“人工智能模型和框架快速演变的背景下，Catalyst为我们提供了可以依赖的稳定基础”，使公司能够构建“一个可持续、耐用且具有韧性的平台，适用于人工智能和传统工作负载”。

Catalyst并不是这些框架的第一个持久性选项，也不是一个新兴市场的参与者。LangGraph的持久性在图超级步骤边界记录检查点，支持从成功检查点恢复，并通过其Agent Server提供持久任务执行，而Temporal和Restate则为长期运行的应用程序提供重放或基于日志的执行，并且已经可以托管代理工作流。Catalyst的独特之处在于基于Dapr的单一恢复和验证模型，覆盖多个框架，将持久性应用于单个模型和工具调用，而不是图边界。因此，架构决策在于团队希望将恢复、身份、审计证据和框架集成放在何处。

Diagrid声称Catalyst的性能可达开源Dapr的十倍，并支持数百万个并发代理工作流。该声明并未说明该倍数是指吞吐量、每秒工作流启动次数还是延迟，也未说明测试所针对的工作负载、硬件或Dapr配置，因此无法独立评估该比较。商业方面，Diagrid发布了涵盖免费云层级、专用云和自带云计划（按并发工作流规模定价）以及适用于本地和隔离部署的定制报价企业服务器版的定价方案。

密码学验证证明了记录历史的完整性和来源，但并不能证明代理做出了正确决策、工具返回了准确数据或捕获了所有外部副作用。从业者还应评估非幂等工具的重试处理、存储和延迟开销、证书轮换、独立验证，以及哪些功能属于开源Dapr，哪些属于商业版Catalyst。

作者部分主容器

关于作者

章节标题

每个作者的主容器

#### Mark Silvester

显示更多

显示更少

#### 本内容属于DevOps主题

##### 相关主题：

• 开发

• DevOps

• 人工智能、机器学习与数据工程

• 代理

• 人工智能架构

• dapr

• 相关编辑内容

• 相关赞助商

• 相关赞助商 2026年8月27日，东部时间下午1点 为什么AI代理在规模扩展时会失败：上下文是一个数据层问题 演讲者：Boyd Stowe - Tacnode公司联合解决方案架构师

InfoQ新闻通讯

每周五发送上周InfoQ内容的摘要。加入超过25万名高级开发者的社区。查看示例

我们保护您的隐私。