随着 HarmonyOS 7 的正式支持发布与鸿蒙智能体框架（HMAF）2.0 的落地，Agent 能力正式下沉至客户端。发布越来越多的鸿蒙开发者开始在 App 中集成 Agent 能力：从电商场景的单一对话入口，到复杂的生态多轮推理与 Skill 调用，Agent 正在重塑应用交互逻辑。正式支持

然而，发布对于开发者而言，鸿蒙一个严峻的生态挑战随之而来：“黑盒”困境。虽然用户的正式支持操作行为清晰可见，但 Agent 在后台的发布执行轨迹——包括推理步骤、调用状态、鸿蒙中断点及耗时——往往处于不可见状态。生态

ThinkingAIAgentic SDK 正式发布，正式支持全面支持鸿蒙智能体框架 HMAF 2.0 生态。发布该 SDK 专为端侧 Agent 打造，鸿蒙提供全链路的运行状况观测能力，精准覆盖 Agent 的调用轨迹、性能耗时及成败状态，让 Agent 的运行“透明化”。

一、痛点解析：Agent 运行状态为何“不可见”？

在过去十年中，应用分析主要聚焦于用户侧行为：点击路径、功能入口、流失节点等。

当 Agent 嵌入应用后，业务逻辑发生了本质变化。用户的输入仅是起点，后续由 Agent 自主完成：
* 调用了哪些工具（Tools/Skills）？
* 走了哪条推理路径？
* 消耗了多少 Token？
* 哪一步发生了错误？

这些信息发生在应用内部，传统的用户行为分析工具无法触及。因此，同一应用中出现了两类割裂的信息：

现有工具已覆盖 VS 缺失信息

缺乏对 Agent 内部运行状态的观测，开发者无法评估 Agent 的有效性、成本分布及优化方向。而这一层的表现，直接决定了用户需求是否被真正满足。

二、技术突破：鸿蒙 HMAF 2.0 开放端侧观测入口

此前，Agent 观测存在天然门槛。在其他平台，Agent 多运行于服务端（Python/Node.js），手机端缺乏读取运行时数据的接口。

鸿蒙智能体框架 2.0 改变了这一现状：
1. 能力下沉：Agent 能力全面部署至客户端。
2. 接口开放：框架公开了关键轨迹接口，为端侧 Agent 提供了标准化的数据读取入口。

ThinkingAIAgentic SDK 基于 HMAF 2.0 的关键点位进行对接，读取 Agent 运行时留下的调用、耗时、成败等轨迹。核心覆盖场景包括：
* Agent 注册
* Skill 执行
* MCP 工具调用
* A2A 跨 Agent 协同
* 内嵌 UI 会话

图源网络

低侵入式接入体验：
SDK 在框架公开接口边界进行轻量级包装，不修改框架源码。单个模块接入改动极小，且不影响框架后续升级。提供三种接入方式，从快速验证到生产环境全覆盖，最轻模式几乎无需修改代码。

三、核心能力：全链路 Trace 串联，还原任务全貌

端侧 Agent 的一次任务通常跨越多层架构：
1. 系统意图层：接收用户指令，抽取参数。
2. Skill 执行层：处理具体业务逻辑。
3. 工具调用层：Skill 内部可能调用 MCP 工具或本地 Tool。

若任何一层断开，排查工作将陷入“拼凑日志”的泥潭。

ThinkingAIAgentic SDK 解决方案：
通过统一的标识符，将 Intent、Skill、MCP/Tool 三层事件串联。同一次任务的所有调用均挂载在同一个 trace_id下，形成层级分明的调用链。
* 自动配对：会话开始、Skill 调用、工具返回、跨 Agent 协同结束，每一步自动关联。
* 完整上下文：每条事件均携带耗时、入参、结果及状态码。

开发者无需手工拼接日志，即可顺着一条链路，直观查看 Agent 完成任务的全过程。

四、数据融合：Agent 运行与应用行为同频分析

ThinkingAI 在鸿蒙平台原有的分析 SDK 专注于用户侧行为。本次更新在同一包中补齐了 Agent 侧数据，实现了“用户操作”与“Agent 运行”的深度融合。

• 上层链路：解决“Agent 内部如何运行”的问题。
• 同包交付：解决“Agent 表现如何影响用户”的问题。

用户在对话中提出需求，Agent 调用的 Skill、推理路径、成本消耗，以及最终任务完成率和用户留存情况，均按同一会话 ID 对齐，形成连续的分析漏斗。

三层全链路分析

数据安全与合规保障

鉴于记录涉及用户与 Agent 的交互行为，SDK 在数据处理上遵循严格规范：
1. 默认脱敏：默认不上报原始对话内容，仅记录结构化运行信息（如工具调用、耗时、成功状态）。
2. 隐私保护：敏感字段自动脱敏，超长内容自动截断。
3. 合规遵循：严格遵循鸿蒙 HPIC（个人智能计算）规范，支持用户退出采集。
4. 隔离与降级：采集层与 Agent 业务逻辑隔离，采集异常时自动降级，确保 Agent 正常运行。
5. 私有化部署：整条链路支持私有化部署，数据不出企业边界，满足高安全需求开发者的前提条件。

五、价值落地：从“可观测”到“可优化”

将用户操作与 Agent 运行数据整合后，开发者可高效解决以下核心问题：

1. 精准排查：Agent 出错时，可回放整条路径。查看每一步的入参、结果、耗时及状态，无需手动翻查日志。
2. 成本核算：按会话、任务、场景精确计算 Token 消耗，识别高消耗功能与用户群体，优化资源分配。
3. 转化分析：追踪从“需求提出”到“任务完成”的全流程，分析流失节点与留存率，无需额外手工埋点。

开放的数据出口

SDK 支持多种数据接入方式，适配公有云与私有化部署：
* 系统通道：鸿蒙 HiAppEvent、HiLog。
* 引擎对接：AgenticEngine。
* 企业集成：自建后端、Webhook、OpenTelemetry。

数据进入分析平台后，可直接生成留存率、漏斗分析、成本统计等决策依据，而非杂乱的原始记录。

超越观测：驱动运营迭代

观测仅是起点。基于同一套体系，SDK 还可延伸至运营领域：
* AB 实验：在 SDK 内验证新策略。
* 触发式策略：基于实时数据动态调整 Agent 行为。
* 灰度发布：先小范围验证，再决定是否全量推广，避免未经验证策略带来的风险。

结语

Agent 正加速渗透至各行各业的应用中，而端侧是它们实际运行的核心阵地。只有当用户与 Agent 连接的完整路径变得可观测，应用的迭代与 Agent 的优化才有据可依。

鸿蒙将 Agent 能力带至端侧，ThinkingAIAgentic SDK 在此层面提供配套的观测与分析能力。两者协同，让端侧 Agent 的运行状况真正变得可观测、可量化、可优化。