OpenAaaS: An Open Agent-as-a-Service Framework for Distributed Materials-Informatics Research

本文介绍了 OpenAaaS，这是一个开源的分布式“智能体即服务”框架，它遵循“代码流动、数据静止”原则，通过支持安全的多智能体协作来推动材料信息学发展，从而使各机构能够在不损害数据主权的前提下整合孤立的数据与计算资源。

要点

想象一下，你正在尝试解决一个庞大而复杂的谜题，比如为喷气发动机设计一种全新的超强金属。为此，你需要咨询三位分别坐在三个不同国家的专家：

1. 北京的图书管理员：她读过所有关于金属合金的论文，但无法离开她的图书馆。
2. 纽约的数据库管理员：他掌握着一个包含 17 太字节（17,000 吉字节）机密金属配方的集合，法律禁止他通过互联网发送这些数据。
3. 柏林的超级计算机操作员：他拥有一台能模拟金属行为的大型机器，但数据来回传输的速度太慢。

按照旧有的做法，你必须要求这些专家将整个图书馆和硬盘邮寄给你。图书管理员需要复印数百万页文件，数据库管理员需要运送一卡车硬盘，而超级计算机操作员则需要等待数周才能完成数据上传。这种方式既缓慢又昂贵，且常因安全规定而变得不可行。

OpenAaaS 是一个全新的开源框架，它改变了游戏规则。与其要求专家将数据发送给你，不如你将问题发送给他们。

以下是其工作原理，使用简单的类比说明：

核心理念：“发送厨师，而非食材”

将数据（金属配方、论文、模拟结果）想象成厨房里摆放的新鲜食材。

• 旧方式：你要求厨师将所有食材打包并运送到你家，以便你来烹饪。这种方式缓慢，且食材可能在运输途中变质或在海关（安全防火墙）处丢失。
• OpenAaaS 方式：你派遣一位数字厨师（AI 代理）前往厨房。厨师走进厨房，就地利用食材烹饪出菜肴，然后只将成品菜肴（答案）送回给你。食材从未离开过厨房。

系统的三个组成部分

1. 主代理（项目经理）
这是你与之对话的 AI。你告诉它：“我需要找到一种在 2000 度下不会熔化的金属。”主代理本身并不知道答案。相反，它像一个聪明的项目经理。它将你的大问题分解为更小的任务，并将其分发到网络中。它从不查看原始数据，只看到最终答案。

2. 网络枢纽（调度中心）
这是一个轻量级服务器，充当电话总机。它维护着所有可用“厨房”（节点）及其专长的列表。当项目经理需要帮助时，枢纽将请求路由到正确的厨房。关键在于，枢纽从不接触食材。它只是传递指令。

3. 代理核心（本地厨师）
这些是紧邻数据放置的计算机。

• 图书管理员节点：运行阅读论文的 AI。它在图书馆中找到答案并发送摘要。
• 数据库节点：运行查询 17TB 机密数据库的 AI。它在服务器本地进行计算，并返回一份微小的报告（可能仅 2 兆字节），而不是整个 17TB 的数据库。
• 超级计算机节点：运行模拟并返回结果。

为何这至关重要（“最后一公里”问题）

该论文指出，我们已经拥有卓越的 AI 模型和海量数据。问题在于，由于数据主权（数据必须留在其所属位置的规定），我们无法在不同组织（如大学、公司和政府）之间安全地连接它们。

OpenAaaS 通过为 AI 创建一种**“安全配送服务”**来解决这一问题。

• 无数据迁移：原始数据从未离开其所在地。
• 零格式麻烦：本地“厨师”可以处理任何文件格式（Excel、PDF、奇怪的二进制文件），因为它们就在现场。它们无需在开始工作前对数据进行清理。
• 安全性：由于数据从未移动，它无需穿过防火墙，也无需担心在传输过程中被黑客攻击。

论文中的两个现实案例

1. “深度阅读”图书管理员（AlphaAgent）
研究人员构建了一位特殊的“厨师”来阅读材料科学论文。当被问及复杂问题，例如“热处理如何影响这种特定合金？”时，普通 AI 可能只是猜测，或找到一篇看似相似但不够准确的论文。
这位 AlphaAgent 厨师：

• 仔细阅读论文。
• 检查证据是否确实与特定金属和条件相匹配。
• 撰写报告，精确引用支持答案的页码。
• 结果：它在深度分析问题上的得分为5 分中的 4.66 分，击败了仅停留在表面浏览的普通 AI 模型。

2. “秘密金库”数据库（HEA-Executor）
他们连接了一个包含高熵合金（含 6 种以上元素的复杂金属）的海量数据库。该数据库大小达17.4 太字节。

• 问题：如果你尝试将其下载到笔记本电脑进行搜索，仅数据传输就需要17 天。
• OpenAaaS 解决方案：AI 厨师前往数据库服务器。它问道：“钼、铌、钽和钨的哪些组合延展性最强？”服务器立即进行计算，并返回一个微小的答案（2.3 MB）。
• 结果：用户无需查看或下载庞大的机密数据库，便在几秒钟内获得了关于优化金属塑性的具体答案。

总结

OpenAaaS 就像建立一个全球专业厨房网络，你可以在其中订购定制餐点，而无需拥有食材。它允许科学家通过在数据处发送 AI 代理（而非将数据移至 AI）来协作解决复杂问题（例如为恶劣环境设计新材料）。这既保护了机密，节省了时间，又让不同组织能够在不违反安全规定的前提下开展合作。

技术摘要

技术摘要：OpenAaaS

1. 问题陈述

面向恶劣环境（如高温合金、抗辐射钢）的结构与功能材料开发，正面临一个关键的“最后一公里”瓶颈。尽管材料基因组计划（MGI）成功建立了集中式平台（SaaS、PaaS、IaaS），且大语言模型（LLM）已引入自主推理能力，但现有架构无法在严格的数据主权约束下支持跨组织协作。

当前系统面临四个具体局限：

1. 长周期视野：研发周期长达数年，超出了单次会话智能体的上下文窗口和持久化能力。
2. 机理复杂性：问题需要跨领域综合（电子结构、缺陷化学等），孤立工具无法处理。
3. 高领域专业知识：通用智能体缺乏在专业学科间进行可靠推理的深度。
4. 敏感数据约束：专有成分、未发表成果和受限模型因保密要求、出口管制或机构防火墙而无法迁移至集中式平台。

核心挑战在于缺乏一种组织基础设施，能够在不违反数据主权的前提下，安全地跨越机构边界组合世界级模型与海量数据仓库。

2. 方法论：OpenAaaS 框架

为此，作者提出了OpenAaaS（开放智能体即服务），这是一个基于核心原则构建的分层分布式框架：“代码流动，数据静止”。OpenAaaS 不将原始数据迁移至中心位置，而是将智能体执行节点分发至数据所在地，仅传输任务描述、中间推理产物和最终结果。

2.1 三层架构

系统由三个 distinct 层级组成：

• 主智能体层（Tier 1）：通用 LLM 智能体（如 Kimi CLI、Claude Code、Codex），负责理解用户意图、分解复杂研究问题并编排远程能力。关键在于，主智能体从不访问原始数据；它仅基于任务描述和服务元数据进行推理。
• 网络枢纽/OpenAaaS 服务器（Tier 2）：一个轻量级、单二进制文件的 HTTP 服务器（使用 Rust 实现并嵌入 SQLite），充当注册表和路由器。它维护可用服务列表，将任务路由至合格节点，管理身份验证，并中继小型文件产物。它绝不访问或存储原始科学数据。
• 网络节点/智能体核心（Tier 3）：部署在数据所在地（实验室、集群）的领域特定执行节点。每个节点在隔离的 Docker 沙箱中运行，对本地数据集、专有算法和硬件保留完全主权。节点通过自描述 API 将本地资源暴露为可组合服务。

2.2 关键设计机制

• 近数据执行：计算在数据源处进行。对于 10 TB 的数据库，仅有查询结果（KB–MB 级）穿越网络，消除了带宽瓶颈和数据出境的合规审查。
• 渐进式能力发现：为防止主智能体上下文窗口溢出，服务发现分为三阶段：
  1. 轻量级摘要：名称、领域标签和容量。
  2. 按需使用：仅针对活跃候选者加载完整文档（模式、示例）。
  3. 交互式细化：初步提示以澄清参数。
• 安全模型：采用纵深防御，包括 HTTPS 通信、出站连接（反向轮询）以绕过防火墙、HMAC-SHA256 身份验证以及容器沙箱化。
• 协议兼容性：该框架与**模型上下文协议（MCP）**集成，允许标准 MCP 客户端（如 Cursor、Cline）通过专用适配器连接，同时也为特定智能体提供自定义插件。

3. 主要贡献

本文形式化并实现了四项主要贡献：

1. 架构形式化：识别跨域集成与数据主权之间的张力作为核心设计约束，提出了一种解决这一差距的分层多智能体架构。
2. OpenAaaS 实现：一个三层、开源（MIT 许可证）框架，实现了近数据执行、渐进式发现和标准化协议。
3. AlphaAgent 案例研究：一个基于材料文献分析的执行器，其答案基于验证过的检索证据，性能优于单次 RAG 基线。
4. HEA 数据库案例研究：一个安全、超大规模（17.4 TB）的六元高熵合金描述符数据库服务，展示了无需原始数据迁移的安全近数据执行和领域特定工作流。

4. 结果与评估

4.1 案例研究 I：AlphaAgent（文献分析）

AlphaAgent 在 40 个冶金学问题（20 个深度分析题，20 个一般题）上，与单次 RAG 基线及通用模型（GPT-5.5、Kimi-K2.6）进行了评估。

• 性能：AlphaAgent 在深度分析问题上平均得分为4.66/5.0，显著优于单次 RAG 基线（2.67）和通用模型（4.05 和 3.96）。
• 机制：系统使用“科学执行契约”来强制证据验证。它重写意图以保留材料特定实体，在证据不足时执行有界查询重构，并在生成报告前验证检索片段是否与材料系统和机理焦点匹配。

4.2 案例研究 II：HEA 描述符数据库

该框架在包含约 5.4 × 10¹⁰ 个候选六元高熵合金成分的 17.4 TB 数据库上进行了测试。

• 效率：任务涉及优化 MoNbTaW 难熔高熵合金的室温塑性。HEA-Executor 在远程节点处完全完成了数据过滤、ML 模型训练和报告生成。
• 数据传输：总返回数据量仅为约 2.3 MB（候选成分、预测和报告），相比之下原始数据集为 17.4 TB。这代表数据传输量减少了近七个数量级。
• 延迟：OpenAaaS 任务路由开销约为550 毫秒，与通过标准 100 Mbps 连接传输完整数据集所需的约 17.7 天相比可忽略不计。
• 结果：系统发现了一个 Al–Mo–Nb–Ta–W–Hf 体系，其中 9.80% 为高延展性构型，比含 Ti 基线提高了 10.7 倍。

5. 意义与主张

本文主张，OpenAaaS 通过智能体集体建立了一条通往**“有组织研究”**的原则性路径。其意义在于：

• 解决数据主权瓶颈：它实现了孤立的材料智能孤岛（学术、工业、国家实验室）的安全集成，无需数据迁移，从而尊重保密性和监管约束。
• 范式转变：从“数据向计算移动”转变为“计算向数据移动”，使得 TB 级数据集的数据移动边际成本可忽略不计。
• 可扩展基础：它为下一代材料智能设计平台提供了可重用的基础，其中专业化、持久化且自我改进的智能体可以跨越机构边界进行协作。
• 渐进式信任：该架构支持联邦模型，信任是逐步建立的（按服务逐个建立），而非要求全有或全无的网络成员资格。

作者总结道，尽管在网络规模、语义发现和服务质量保证方面仍存在挑战，但 OpenAaaS 为从孤立的数字基础设施向互联的“智能体科学”网络过渡提供了可扩展的基础。