如果你正在构建一个需要调用多个工具的 AI Agent,你可能已经注意到一个隐蔽的性能瓶颈:不是模型不够聪明,而是编排开销太高。每个工具调用都是一次独立的模型推理回合——生成 token、网络往返、状态序列化。当任务涉及 10 个工具时,你实际上在等待 10 次完整的推理循环。
Microsoft 在 BUILD 2026 上发布的 CodeAct 正在改变这个局面。它不再让 Agent 逐轮选择工具,而是让模型一次性生成一个完整程序,在隔离的微 VM 中批量执行所有工具调用,然后返回聚合结果。这不是渐进式优化——这是从 ReAct 循环到程序化执行的范式转移。
本文将带你理解 CodeAct 的核心原理、它在实际项目中的表现、以及为什么这可能是 Agent 开发中最值得关注的架构变化之一。
目录
- 为什么传统 Agent 编排不够用了
- CodeAct 核心原理:从逐轮推理到程序化执行
- Hyperlight 微 VM:隔离与安全如何做到”几乎零开销”
- 动手试试:5 分钟搭建你的第一个 CodeAct Agent
- 进阶:CodeAct vs ReAct vs Plan-and-Execute
- 实际案例:性能对比与适用边界
- 总结与行动清单
为什么传统 Agent 编排不够用了
在深入 CodeAct 之前,我们先看一个具体的场景。假设你要构建一个研究助手,它需要完成以下任务:
- 搜索最新论文(调用 Web Search API)
- 下载 PDF 并提取摘要(调用文件操作工具)
- 分析摘要中的关键发现(调用 LLM 分析工具)
- 将结果写入文档(调用文件系统工具)
在传统的 ReAct 模式下,这个流程需要 4 次完整的模型推理回合:
用户请求 → [推理1: 选择搜索] → [推理2: 解析搜索结果] →
[推理3: 选择下载+分析] → [推理4: 写入文档] → 最终结果
每次推理回合包含三个成本层:
- 延迟:模型生成 token 的时间 + 网络往返时间(通常 500ms~2s)
- Token 消耗:每轮都要传递完整的上下文窗口,包括之前的工具调用历史
- 状态管理复杂度:需要维护对话状态、错误恢复逻辑、超时处理
当任务从 4 步扩展到 20 步时,问题不是线性增长——是指数级恶化。因为每一步的错误都会污染后续所有步骤的上下文。
关键洞察:Agent 的性能瓶颈往往不在模型能力,而在编排架构。一个中等质量的模型配合高效的执行模式,通常优于一个强模型配合低效的执行模式。
这就是 CodeAct 要解决的根本问题:减少推理回合数,让一次推理完成多步操作。
CodeAct 核心原理:从逐轮推理到程序化执行
CodeAct 的核心思想可以用一句话概括:让 Agent 写代码,而不是写决策。
传统模式 vs CodeAct 模式对比 传统 ReAct 循环(左):
┌─────────┐ ┌──────────┐ ┌──────────┐
│ Model │────▶│ Tool A │────▶│ Model │
│ (推理) │◀────│ (执行) │◀────│ (推理) │
└─────────┘ └──────────┘ └──────────┘
│
┌─────────┐ ┌──────────┐ ▼
│ Model │────▶│ Tool B │ ┌──────────┐
│ (推理) │◀────│ (执行) │◀─────────│ Model │
└─────────┘ └──────────┘ │ (推理) │
└──────────┘
CodeAct 模式(右):
┌─────────┐ ┌──────────────────────┐
│ Model │────▶│ Hyperlight Micro-VM │
│ (一次推理)│ │ │
│ │ │ call_tool(A) │
│ │ │ call_tool(B) │
│ │ │ call_tool(C) │
│ │ │ write_file() │
│ │ └──────────┬───────────┘
│ │ ▼
│ │ 聚合结果返回
└─────────┘
CodeAct 的三个关键组件 1. 程序化输出(Programmatic Output)
模型不再输出”下一步调用哪个工具”,而是直接生成一个可执行的 Python 程序。这个程序通过统一的 call_tool() API 来调用所有需要的工具:
result_search = call_tool("web_search", query="latest AI agent benchmarks")
result_download = call_tool("file_download", url=result_search[0].url)
result_analysis = call_tool("llm_analyze",
text=extract_text(result_download),
prompt="Extract key findings"
)
write_file("research_summary.md", format_output(result_analysis))
2. 批量执行(Batched Execution)
程序在 Hyperlight 微 VM 中一次性运行完毕。所有工具调用按程序逻辑顺序执行,中间结果通过变量传递,最终返回聚合结果给模型。
3. 隔离沙箱(Isolated Sandbox)
每次 CodeAct 执行都在独立的 Hyperlight micro-VM 中进行。这意味着:
- 恶意代码无法影响宿主系统
- 每次执行的资源消耗可精确计量
- 失败不会影响其他 Agent 会话
注意:CodeAct 目前处于 alpha 阶段(
agent-framework-hyperlight包),生产环境使用前需要评估稳定性。Microsoft 计划在后续版本中将其提升为稳定 API。
Hyperlight 微 VM:隔离与安全如何做到”几乎零开销”
CodeAct 的安全模型建立在 Microsoft 的 Hyperlight 项目之上。理解它为什么重要,需要先了解传统沙箱方案的痛点。
传统沙箱 vs Hyperlight micro-VM | 维度 | Docker 容器 | Firecracker micro-VM | Hyperlight micro-VM | |——|————|———————|——————-| | 启动时间 | ~2s | ~125ms | <10ms | | 内存占用 | ~50MB+ | ~5MB | ~1MB | | 隔离级别 | 进程级 | 内核级 | 用户态库级 | | 适用场景 | 长期运行服务 | 无服务器计算 | 单次工具调用 |
Hyperlight 的核心创新在于:它不是一个完整的虚拟机,而是一个轻量级的执行隔离库。
传统方案: 宿主 OS → Hypervisor → Guest OS → 容器 → 进程
CodeAct: 宿主 OS → Hyperlight Runtime → 隔离执行环境
这种架构使得每次 CodeAct 执行的额外开销可以忽略不计——启动一个微 VM 的时间比一次模型推理的延迟还要短。这意味着你可以为每个 Agent 任务分配独立的隔离环境,而不必担心资源浪费。
安全边界设计 CodeAct 的安全模型采用最小权限原则:
- 工具白名单:只有显式注册的工具才能被
call_tool()调用 - 网络限制:默认禁止出站网络连接(可通过配置开启)
- 文件系统隔离:Agent 只能访问预定义的目录
- 超时控制:每个程序执行有最大运行时间限制
var codeActOptions = new CodeActOptions
{
MaxExecutionTime = TimeSpan.FromSeconds(30),
AllowedTools = ["web_search", "file_read", "llm_analyze"],
NetworkAccess = NetworkAccessType.Disabled,
WorkingDirectory = "/tmp/agent-sandbox"
};
小技巧:在生产环境中,建议将
MaxExecutionTime设置为任务预期耗时的 2-3 倍。过短会导致正常任务超时,过长则失去安全防护的意义。
动手试试:5 分钟搭建你的第一个 CodeAct Agent
下面是一个最小可运行的 CodeAct Agent 示例。我们使用 Microsoft Agent Framework (MAF) 的 Python SDK,它同时支持 .NET 和 Python 两种运行时。
环境准备
pip install agent-framework
pip install agent-framework-hyperlight
最小代码实现
from agent_framework import create_harness_agent, create_codeact_executor
from agent_framework.tools import WebSearchTool, FileReadTool
agent = create_harness_agent(
client=openai_client,
max_context_window_tokens=128_000,
name="ResearchAgent",
description="A research assistant that uses CodeAct for efficient tool execution.",
)
tools = [WebSearchTool(), FileReadTool()]
executor = create_codeact_executor(
tools=tools,
max_program_length=500, # 程序最大长度(字符)
execution_timeout_seconds=30,
)
result = agent.run(
prompt="搜索最新的 AI Agent 基准测试结果,提取 Top 3 发现并写入 summary.md",
executor=executor,
)
print(result.summary)
执行路径图解
用户请求 → CodeAct Executor
│
▼
┌───────────────┐
│ Model 推理 │ ← 一次完整的推理回合
│ (生成程序) │ 输出: Python 代码
└───────┬───────┘
│
▼
┌───────────────┐
│ Hyperlight VM │ ← 隔离执行环境
│ │
│ call_tool() │ → Web Search API
│ call_tool() │ → File System
│ write_file() │ → summary.md
└───────┬───────┘
│
▼
聚合结果返回给用户
预期输出 与传统 ReAct 模式相比,同样的任务在 CodeAct 模式下:
- 推理回合数:1 次(vs ReAct 的 4+ 次)
- 总延迟:模型生成时间 + VM 执行时间(通常 <3s)
- Token 消耗:约减少 60%(无需重复传递中间状态)
注意事项:CodeAct alpha 版本目前仅支持 Python 工具。.NET 工具的完整支持在后续版本中计划推出。如果你的项目主要使用 .NET,可以先通过 REST API 桥接的方式试用。
进阶:CodeAct vs ReAct vs Plan-and-Execute
理解 CodeAct 的价值,最好的方式是把它放在 Agent 编排的演进脉络中来看。
三种执行模式的对比 ReAct(推理-行动循环) — 经典模式:
For each step:
1. Model reasons about current state
2. Model selects next tool
3. Tool executes
4. Result feeds back to model
Repeat until done
Plan-and-Execute(规划-执行) — 改进模式:
1. Model generates full plan (list of steps)
2. Execute each step sequentially
- Each step: select tool → execute → observe
3. If failure, backtrack and retry
CodeAct(程序化批量执行) — 新模式:
1. Model generates complete program
2. Program executes all tools in one batch
3. Aggregated results returned to model
4. If needed, model generates revised program
决策矩阵 | 场景 | ReAct | Plan-and-Execute | CodeAct | |——|——-|—————–|———| | 简单工具调用(1-2个) | 适合 | 过度设计 | 杀鸡用牛刀 | | 中等复杂度(3-5个) | 延迟累积 | 平衡选择 | 推荐 | | 高复杂度(6+个) | 不推荐 | 仍有多轮开销 | 最佳选择 | | 需要动态决策 | 灵活 | 部分支持 | 限制较多 | | 探索性任务 | 适合 | 有限支持 | 不适合 | | 确定性流水线 | 可用 | 适合 | 最佳选择 |
核心原则:CodeAct 不是 ReAct 的替代品,而是补充。在 Agent 框架中同时支持多种执行模式,让开发者根据任务特性选择最合适的策略。
实际案例:性能对比与适用边界
基准测试数据 根据 Microsoft BUILD 2026 发布的数据,在典型的 Agent 任务场景下(5-10 个工具调用):
| 指标 | ReAct | Plan-and-Execute | CodeAct |
|---|---|---|---|
| 平均推理回合数 | 7.3 | 2.1 | 1.0 |
| 端到端延迟 (s) | 8.5 | 4.2 | 2.8 |
| Token 消耗 (K) | 12.4 | 6.8 | 4.1 |
| 错误率 (%) | 18.3 | 12.7 | 9.4 |
关键发现:CodeAct 将端到端延迟降低了约 67%,Token 消耗减少了约 67%。更重要的是,错误率也显著下降——因为减少了中间状态传递的环节,出错点更少。
CodeAct 的适用边界 CodeAct 并非万能药。以下场景需要谨慎使用:
不适合的场景:
- 交互式调试:需要根据每次工具返回的结果动态调整策略(如调试代码)
- 人类在环审批:某些步骤需要人工确认后才能继续
- 不确定性的探索任务:如”帮我找一个合适的开源项目”,结果不可预测
适合的场景:
- 数据收集流水线:搜索 → 下载 → 解析 → 存储
- 批量 API 调用:同时查询多个数据源并聚合结果
- 文档生成:基于多源信息自动生成结构化内容
Before vs After:一个真实场景 假设你需要构建一个竞品分析 Agent,需要:
- 搜索 5 个竞品的最新功能更新
- 下载各竞品的定价页面
- 提取关键功能对比
- 生成 Markdown 报告
ReAct 模式:约 20-30 次推理回合,总延迟 25-40 秒 CodeAct 模式:1-2 次推理回合(可能需要一次修正),总延迟 5-8 秒
注意:实际性能取决于模型质量和工具响应速度。上述数据基于 GPT-4o + 标准 API 的测试环境。使用较小模型时,CodeAct 的程序生成质量可能下降,需要更多修正迭代。
前史与坐标:CodeAct 不是新点子,新的是把它焊进微 VM
给读者补上容易被发布稿淹没的谱系。CodeAct 这个名字来自论文《Executable Code Actions Elicit Better LLM Agents》(arXiv 2402.01030,Xingyao Wang 等六人,2024-02-01 提交、06-07 修订至 v4):论文的核心论点是「让 agent 用 JSON/文本这类受限格式输出动作,会被动作空间卡住;直接输出可执行代码,函数组合与控制流就都回来了」——Microsoft 这次做的,是把论文里「代码动作」的粒度从单步升级成整段程序,再用微 VM 把执行安全兜住。工程侧的先行者比发布早了一年多:LangChain 家在 2025 年 3 月就放出 langgraph-codeact,README 直书「实现 Manus 所使用的 CodeAct 架构」——通用 agent 头部产品的发动机房里早就装着同型零件,只是从未被这样官方定名。2026-04-24,Microsoft 开发者博客单发《CodeAct in Agent Framework: Faster Agents with Fewer Model Turns》(HN 转发帖仅 2 分,HN 47893439),两个月后 BUILD 2026 才升格为主角——一个范式词从论文到发布会走了两年半,从博客预热到头版只用了两个月,采纳曲线的加速本身就值得记录。底座 Hyperlight 是可查的开源实体(GitHub hyperlight-dev/hyperlight,2026-11-16 实测 4,815 星 / 223 fork,当天仍有提交),官方仓库自述定位「嵌入应用内的轻量 VMM,以极低延迟安全执行不可信代码」——与发布稿口径一致。最后留一条与前作接壤的边界提醒:本文对比表把 Hyperlight 归为「用户态库级」隔离,按本刊《隔离质量等于攻击面质量》的层级阶梯,它的对照组是 Firecracker 那一档而非物理隔离档——CodeAct 让模型写的程序「跑得便宜」,但模型会写出什么仍是另一层问题,沙箱档位的选择请照旧按你的威胁模型来定,别被启动时间的毫秒数替你做决定。
总结与行动清单
CodeAct 代表了 Agent 执行从”逐轮决策”到”程序化批量执行”的范式转移。核心收益是:减少 60-70% 的推理开销,同时降低错误率。但这不是银弹——它最适合确定性流水线任务,而非需要动态探索的场景。
你现在可以做的:
- 评估现有 Agent 架构:列出你项目中所有工具调用链,识别出那些”固定流程、多步骤”的任务——这些是 CodeAct 的最佳候选
- 在沙箱环境中试用:使用
agent-framework-hyperlightalpha 包搭建一个最小 PoC,验证在你的具体场景下的性能提升 - 混合策略设计:不要全盘替换 ReAct。设计一个混合架构——简单任务用 ReAct,流水线任务用 CodeAct,复杂探索任务保留 ReAct 的灵活性
- 关注 A2A 协议的演进:当多 Agent 协作成为常态时,CodeAct + A2A(Agent-to-Agent)协议可能产生新的协作模式。提前了解 Google/Anthropic 的 A2A 规范
References
- Microsoft Agent Framework at BUILD 2026
- Agent Harness in Agent Framework
- Hyperlight GitHub Repository
- LangChain: Best AI Agent Frameworks 2026
- Microsoft Agent Framework Documentation
- Executable Code Actions Elicit Better LLM Agents (arXiv 2402.01030)
- LangGraph CodeAct(Manus 所用架构的开源实现)
- CodeAct in Agent Framework 预热博客(HN 转发)
- Hyperlight 仓库