随着 harmonyos 7 的正式发布，鸿蒙智能体框架 hmaf 2.0 将 agent 能力深度下沉至客户端，越来越多的开发者正将 agent 集成进自家 app。例如一款电商应用，可能仅在某个功能模块中嵌入一个对话入口——用户轻点进入、提出问题，后续便由 agent 自主完成多轮推理、skill 调用与任务闭环。
对开发者而言，这带来了一层前所未有的“黑盒”：用户操作路径依然清晰可见，但对话背后 Agent 的执行逻辑——它经历了哪些推理步骤、调用了哪些能力、在哪一环中断、是否成功返回——却难以追踪、无法度量。
ThinkingAIAgentic SDK 正式上线，全面适配鸿蒙智能体框架 HMAF 2.0 生态，为端侧 Agent 提供开箱即用的运行可观测能力，精准覆盖调用链路、响应耗时、执行成败等核心运行指标。
ThinkingAIAgentic SDK 正式发布
一、Agent 已就位，运行状态却仍模糊
过去十年，应用分析聚焦于用户行为本身：点击了哪个按钮、跳转了哪条路径、在何处流失。
当 Agent 被引入后，新增了一层隐藏于用户交互之下的“智能执行层”。用户的一句提问只是起点，真正的处理过程由 Agent 主导——它调度了哪些 Skill、走的是哪条决策路径、消耗了多少 Token、哪一步发生异常……这些关键信息均发生在端侧内部，传统用户行为分析工具完全无法捕获。
因此，同一款 App 中实际存在两类并行但割裂的信息流：
现有工具已覆盖VS缺失信息
若无法看清 Agent 层的表现，就无从评估其可用性、成本分布与瓶颈所在；而这一层的稳定性与效率，直接决定了用户当前诉求能否被真正满足。
二、鸿蒙 HMAF 2.0 开放端侧 Agent 观测通道
要在终端设备上实现 Agent 运行态的可视化，此前面临现实障碍。在其他平台，Agent 多部署于服务端，以 Python 或 Node.js 实现，极少落地到手机端，导致端侧缺乏统一、标准的运行数据采集入口。
鸿蒙智能体框架 2.0 不仅将 Agent 能力原生集成至客户端，更同步开放了关键执行轨迹的观测接口。端侧 Agent 的运行过程，首次具备了可采集、可解析、可关联的基础条件。ThinkingAIAgentic SDK 基于此，精准对接框架暴露的核心节点，实时捕获注册、Skill 执行、MCP 工具调用、A2A 跨 Agent 协同、内嵌 UI 会话等全场景下的调用关系、耗时分布与执行结果。
图源网络
接入方式高度轻量：仅需在框架公开 API 边界做薄层封装，不侵入原有框架代码，单模块改造极小，且兼容未来框架升级。SDK 提供三种接入模式，覆盖快速验证、灰度测试与生产环境全阶段，最简模式几乎无需修改业务代码。
三、一次任务，全程串联于一条 Trace 链
端侧 Agent 的一次完整任务，往往横跨多个层级：系统意图识别层接收用户输入并解析参数，Skill 层承接业务逻辑，而 Skill 内部又可能触发 MCP 工具或本地 Tool 调用。任一层出现异常，问题定位都只能依赖零散日志人工拼接。
SDK 通过统一 trace_id 将三层事件自动关联：从 Intent（意图）、Skill（能力）到 Tool/MCP（工具），所有属于同一次任务的操作均归属同一调用链，形成具备层级结构的执行视图。会话启动、Skill 调用、工具响应、跨 Agent 协同结束等关键节点，自动构建成结构化事件对，并附带耗时与状态标识。
开发者无需手动聚合碎片日志，即可沿单条链路，完整还原 Agent 完成该次任务的全过程。
四、打通用户行为与 Agent 运行，构建统一分析视角
ThinkingAI 在鸿蒙平台已拥有成熟的用户行为分析 SDK。本次升级，在同一 SDK 包中无缝整合 Agent 运行数据，使用户操作流与智能体执行流首次实现同源、同包、同链路的融合分析。
上层调用链解决“Agent 内部如何运转”，同包交付则实现“用户行为与 Agent 执行如何联动”：用户在对话中提出需求 → Agent 启动对应 Skill → 按策略调用工具 → 完成任务并返回结果 → 用户是否继续留存……所有环节按会话 ID 对齐，构成一条端到端的连续业务流。用户侧与 Agent 侧，自此纳入统一分析漏斗。
三层全链路分析
考虑到所采集数据涉及用户交互与智能体执行，SDK 在隐私与安全层面做了严格设计：默认不上传原始对话文本，仅记录结构化运行元数据（如调用工具名称、耗时、成功状态）；敏感字段自动脱敏，超长内容自动截断；全面遵循鸿蒙 HPIC 个人智能计算规范，支持用户自主关闭数据采集；采集模块与 Agent 业务逻辑物理隔离，采集异常时自动降级，不影响 Agent 正常运行；整套链路支持私有化部署，数据不出企业边界——这是面向端侧场景及高安全要求开发者的必要前提。
五、可观测，是可优化的前提
当用户行为与 Agent 运行数据融合归一、结构化呈现后，开发者最关切的几类问题得以直接回答：
- Agent 报错时，可完整回溯调用路径：哪步偏离预期？调用了哪些 Skill 和 Tool？每步入参、出参、耗时、状态一目了然，告别逐行翻查日志；
- 成本核算更精准：按会话、任务、功能模块、用户分群等维度统计 Token 消耗与资源占用，快速识别高成本场景与用户类型；
- 用户转化路径更透明：从发起对话到任务完成，各环节流失点、留存率、成功率均可连贯分析，无需额外埋点。
数据出口全面开放：既可对接鸿蒙 HiAppEvent、HiLog 等系统通道，也可直连 AgenticEngine，或接入企业自建后端、Webhook、OpenTelemetry 等主流协议，公有云与私有化部署均原生支持。数据进入分析平台后，留存率、转化漏斗、单位任务成本等关键指标可即时生成，无需二次加工原始日志。
观测只是起点。在此基础上，同一套体系还可延伸至运营闭环：例如通过 AB 实验与客户端触发式策略，在 SDK 内完成问题验证与灰度发布，避免未经验证的策略直接全量上线。
Agent 正加速渗透至各行各业的应用之中，而端侧，正是其真实运行、与用户产生交互的第一现场。唯有用户与 Agent 共同构成的端到端路径实现可观测，应用的持续迭代与 Agent 的精细化优化才真正有据可依。
鸿蒙将 Agent 能力带入终端，ThinkingAIAgentic SDK 则在这一关键层提供配套的可观测与可分析能力，与鸿蒙生态协同，让端侧 Agent 的每一次运行都清晰可见、可度量、可优化。
