简介: 本文面向正在构建AI Agent应用的开发者与架构师,分析Agent-to-User Interface这类声明式界面协议与传统流式界面协议在同一业务场景下的差异、互补关系与落地要点,帮助读者理解界面生成、事件确认与工具授权三者分离的安全设计思路。
在实际业务中,AI Agent已经从“回答问题”演进到“完成任务”:帮用户安排日程、填写表单、预览报表、确认下单、审批工单。这类场景有一个共同特征——Agent产出的结果需要用户查看、修改并明确确认后才能真正生效。
传统做法是把Agent的回复渲染成一长段自然语言文字。文字虽然灵活,但在涉及确认日程、选择方案、预览报告等任务时,用户无法直接“点一下就完成”,需要手动复制、切换页面、二次操作,交互链路长且容易出错。更合适的方式是让Agent输出一张可编辑、可确认的界面:一个卡片、一个表单、一个确认按钮。
于是问题来了:界面由谁生成?由谁渲染?用户点击之后,Agent是否就天然获得了执行外部操作的能力?这正是当前业界两类AI界面协议试图回答的核心问题,也是本文对比分析的场景基础。
在让Agent直接生成界面的实践中,团队通常会遇到以下几类问题:
1. 界面渲染不可控
如果允许模型自由生成并执行HTML/JavaScript,宿主应用实际上把渲染权交给了模型输出。模型输出中的脚本可能包含未预期的行为,前端渲染环境一旦执行了不可信代码,就存在注入、越权、数据泄露等风险。
2. 界面生成与权限边界模糊
一个常见误区是:Agent生成了一个“发送邮件”按钮,就认为Agent获得了发邮件的能力。这种把界面元素与执行权限绑定的理解,会导致两种极端——要么出于安全考虑完全禁止Agent生成可交互界面,导致体验退化;要么赋予Agent过大的执行权,形成安全隐患。
3. 多端渲染一致性差
Agent服务往往需要同时支撑Web端、移动端、桌面端宿主。如果界面描述是自由格式,每个宿主都要做适配和校验,开发和维护成本高,且不同宿主的实现质量参差不齐,安全策略难以统一。
4. 交互状态难以持续更新
日程卡片、进度条、审批状态这类界面需要随任务执行动态更新。如果界面只是一次性文本输出,后续状态同步就需要重新渲染整段内容,用户体验和工程实现都很粗糙。
业界目前形成了两种代表性的技术路径,可以理解为“两种语言”:
声明式界面描述协议(以A2UI 1.0为代表思路)
这类协议让Agent通过结构化JSON描述交互界面——组件类型、层级、数据绑定、可触发的事件等,而不是让模型随意生成并执行HTML/JavaScript。宿主应用使用自己批准的组件库进行渲染。其核心特征是:
流式交互事件协议(以AG-UI为代表思路)
这类协议关注的是Agent执行过程中的实时通信:思考状态、工具调用进度、流式文本、状态快照、生成式UI的动态推送等。它解决的是“Agent运行状态如何持续、标准化地同步到前端”的问题,让前端能够实时呈现Agent的工作过程。
两者的关系:互补而非替代
| 维度 | 声明式界面协议 | 流式事件协议 |
|---|---|---|
| 关注点 | 界面长什么样、能触发什么交互 | Agent执行过程如何实时同步 |
| 输出形态 | 结构化JSON界面描述 | 消息流、状态更新、事件序列 |
| 安全重心 | 组件白名单、描述校验 | 传输层鉴权、事件完整性 |
| 典型场景 | 确认表单、可编辑卡片、审批界面 | 任务进度展示、流式对话、过程可视化 |
在复杂Agent应用中,两者往往同时存在:流式协议负责把Agent的执行过程“讲”给用户听,声明式协议负责在需要确认和编辑的时刻呈现一张结构化界面。
要在Agent应用中落地安全的界面交互,需要具备以下几层能力:
一个简化的示意流程如下:
Agent 产出界面描述(JSON)↓宿主校验(组件白名单 + Schema校验)↓ 校验通过可信组件渲染界面↓用户点击 → 交互事件回传↓可信执行器按权限策略决定是否调用外部工具↓执行结果 → 更新界面状态
从安全架构角度看,这类协议最重要的设计思想是把三件事分开:
1. 界面生成权:Agent可以描述界面,但描述只是“提案”,不具备执行语义;
2. 确认交互权:用户点击只是产生一个交互事件,事件本身不代表授权完成;
3. 工具执行权:是否真正执行外部操作,由可信执行器依据权限策略决定。
三者分离意味着:即使Agent输出了一个“删除文件”按钮并成功渲染,点击之后仍需通过执行器的权限校验才可能触发删除动作。反过来,若宿主没有实现描述校验和执行器权限控制,再严格的声明式协议也不能自动保证安全——协议提供的是“规范框架”,安全落地取决于宿主的实现质量。
在实际工程中,建议关注以下几点:
上述设计思路不仅适用于日程确认、表单填写,还可延伸到审批流、报表预览、工单处理、配置变更等需要“AI建议+人工确认”的场景。在数据安全要求较高或涉及生产环境操作的场景下,更需要在执行器层面前置严格的权限控制与审计机制。
总结来看,声明式界面协议与流式事件协议解决的是Agent交互链路中不同环节的问题:前者规范“界面如何被安全描述与渲染”,后者规范“执行过程如何实时同步”。真正决定系统安全性的,是界面生成、点击确认与工具授权三者是否被清晰分离,以及宿主与执行器是否落实了校验和权限策略。协议是框架,安全靠实现——这是团队在构建Agent交互能力时应当始终牢记的原则。