Agent 上线第一周最常见的死法，不是模型答错，是进程没了。
Python 进程一重启，跑了四十分钟的多步任务连上下文一起消失；想插一个人工审批，就得让某个进程挂着等两天。Orkes 拿 Netflix 2016 年开源的 Conductor 来补这个洞：Agent 定义先编译成一张工作流，交给服务端执行，worker 崩了换一台接着跑。2026 年 4 月，它刚拿了 6000 万美元 B 轮。
一、从 Netflix 的微服务引擎，变成 Agent 执行层
Conductor 最早是 Netflix 撑全球扩张写的微服务编排引擎，2016 年开源。转折在 2023 年 12 月：Netflix 不再维护开源版，Orkes 接手并 fork 出 conductor-oss/conductor。今天这个仓库 32,365 星、Apache-2.0、昨天还在推代码，README 标题已经从 microservices orchestrator 改成「Durable Execution for Workflows and Agents」——定位换了，内核没换：一次执行拆成任务节点，状态存服务端，算到第几步必须记着。
Orkes 由 Conductor 原班架构师在 2020 年成立，2022 年 stealth 拿 930 万美元，2024 年 A 轮 2000 万，2026 年 4 月 B 轮 6000 万（AVP 领投、Vertex Ventures US 参投）。官方口径：客户数自 A 轮翻了三倍，3000 家企业、数百万次安装。名单里有 LinkedIn、Twilio、Quest Diagnostics、United Wholesale Mortgage、Woodside Energy、Naveo Commerce；Conductor 的老用户还有 JPMorgan、Tesla、Atlassian、Oracle、Amex、GE Healthcare。Netflix 自己也在用，官方说内部用量近几个月涨了五倍。
二、它补的是哪个洞
自己写 Agent 的人一般会踩三个坑，Conductor 是照着这三个坑设计的。
第一，Agent 活在进程里。 多数框架默认内存执行，进程一死，跑到第 12 轮的工具调用全没了。checkpoint 能救一部分，存储和恢复逻辑得自己写。
第二，checkpoint 不等于持久化执行。 存了状态，不代表能跨机器接着跑，重试、超时、fan-out、补偿也没人替你管。
第三，人审最难受。 「等主管批一下」在工程上就是「一个进程挂两天」，会超时、会被 OOM、会在部署时被 kill。
答案很直接：执行搬到服务端，本地只留定义和 worker。
三、两条路：编译式 Agent 和自适应图
路线一：编译，不解释。 用 conductor-agent-sdk（Python / TypeScript / C#，MIT）写 Agent，工具用 @tool 装饰；注册时 SDK 把定义编译成静态 workflow JSON。之后每个工具调用变成 task，worker 长轮询领走；每个回合的模型调用是内置 LLM task，支持 15 家以上供应商；@tool(approval_required=True) 变成 Human Task，执行停在服务端等表单。官方 FAQ 说得很直白：一次执行可以为了人审、外部信号或定时器暂停几个月，恢复时从原位置继续，因为内存里没有状态可丢。
路线二：自适应图。 让 LLM 在运行时决定下一步：MCP 发现工具、推理、挑工具、执行，循环到完成。区别是这些选择（循环、分支、fan-out、审批、重试、取消）都落成可检查的持久化节点，而不是散在一个 Python while 循环里。
配套的还有：MCP Gateway 把内部 API 变成工具；事件源支持 cron、Kafka、SQS、AMQP、webhook、数据库变更，每次触发都是有完整历史的 execution；每个执行有 execution ID，任意机器上的任意进程都能拿它查状态、批准、暂停、恢复、取消。
四、上手
最省事是先看托管版：Orkes 的 Developer Playground 免费，注册就能画流程、跑 Agent，不用装东西。
本地起一套是两条命令的事：
npm install -g @conductor-oss/conductor-cli
conductor server start # http://localhost:8080，自带 ui-next
或者直接跑容器（UI 在 5000，API 在 8080）：
docker run -p 5000:5000 -p 8080:8080 conductoross/conductor:next
再装 Agent SDK，五行跑起来：
from conductor.ai.agents import Agent, AgentRuntime, tool
@tool
def get_weather(city: str) -> str:
"""查天气"""
return f"{city} 晴，22 度"
agent = Agent(name="weatherbot", model="openai/gpt-4o", tools=[get_weather])
with AgentRuntime() as runtime:
runtime.run(agent, "北京今天天气怎么样").print_result()
有个坑必须提醒：网上大量教程还在教你装 agentspan、跑 agentspan server start。AgentSpan 已在 2026 年 8 月 17 日并进 Orkes Conductor，原仓库归档只读，主线换成 conductor-agent-sdk。老包还能装，但别拿旧文档当准。
五、实话
1）它是执行引擎，不是画布工具。 没有拖拽界面，得写代码、懂 task 模型和 workflow DSL。想让业务同学点鼠标的，去看 Camunda 那类 BPMN 路线。
2）确定性是拿灵活性换的。 编译式 Agent 不能跑到一半改流程，只能靠 Plan-Execute 在计划阶段把话说清楚；自适应图给了自由，治理成本又回来。任务越探索，约束越难受。
3）开源版和企业版差在治理。 RBAC、SSO、审计、BYOK、跨区容灾、99.99% SLA 都在商业版。Apache-2.0 给的是引擎，不是运维团队。
4）价格不透明。 官网只写 Playground 免费、企业版 custom；第三方目录上的「825 美元/月」是旧价，真要买得让销售报价。
5）和 Temporal 不是一类东西。 Temporal 是代码即工作流，if/else 写在 SDK 里；Conductor 是 JSON 图加事件驱动，业务方能在 UI 里看到执行卡在哪一步。选哪个，取决于你更信代码还是更信图。
一句话：如果你已经有微服务、消息队列和一堆内部 API，想让 Agent 真进生产流程、还要人审和审计，Conductor + Orkes 是目前少见的「老引擎 + 新 Agent 层」组合；如果只是想让 Agent 帮你写个脚本，这套东西太重了。
