Kastor: 為 AI Agent 提供 Terraform 風格的宣告式層

Kastor 為 AI agent 提供了一個宣告式的單一事實來源層（source-of-truth layer），讓開發者能夠使用 HashiCorp Configuration Language (HCL) 來定義 agent、工具、提示詞（prompts）和模型，並將其編譯成可執行的框架代碼或受管平台資源。這種方法將 agent 配置視為可版本化、可審查的合約，而不是分散在框架代碼、提示詞文件和平台 UI 中的碎片化設定。

宣告式 Agent 規格書

Kastor 使用一套宣告式文件來定義 AI agent 的完整合約。Kastor 將定義與執行分離，而不是將配置嵌入到運行時代碼中。

文件類型與結構

一個 Kastor 模組由包含以下文件類型的目錄樹組成：

• .agent: 定義 agent 的模型、提示詞、工具、輸入與輸出，以及其對其他 agent 的依賴關係。
• .tool: 指定工具介面及其實現來源。
• .prompt: 包含提示詞模板並識別所需的變數。
• *kastor.hcl / .kastor: 用於定義模型、目標（targets）和全域預設值的專案文件。

這些文件中的引用透過位址（例如 model.fast 或 tool.web_search）而非文件路徑來連接區塊，這使得 Kastor 能夠在編譯時建立並驗證依賴圖（dependency graph）。

工作流程：建置、計畫與套用

Kastor 實作了一套模仿 Terraform 工作流程的工具鏈，以確保 agent 的預期狀態與實際部署的狀態一致。

代碼生成路徑 (kastor build)

Kastor 可以將模組編譯成可執行的框架代碼。例如，它可以從 Kastor 規格書生成完整的 LangGraph 專案。生成的代碼是輸出產物，並非旨在作為單一事實來源；任何更改都應在 HCL 規格書中進行並重新建置。

調解路徑 (kastor plan / apply)

對於託管型 agent，Kastor 提供調解工具：

• kastor plan: 一個唯讀操作，用於將目前的規格書與狀態文件和遠端資源進行比較，以識別偏差（drift）或所需的更改。
• kastor apply: 將託管型 agent 與規格書進行調解。
• kastor destroy: 移除受管 agent。

與 LangGraph 和 MCP 的整合

Kastor 目前支援生成 LangGraph 專案並與 Model Context Protocol (MCP) 整合。

LangGraph 生成

當針對 LangGraph 目標執行 kastor build 時，它會將生成的專案寫入指定的輸出目錄。該專案包含一個 README.md，詳細說明了 agent 的輸入/輸出合約與工具綁定。

MCP 工具化

Kastor 中的工具可以透過規格書 URI（例如 mcp://search-server/tavily_search）綁定到 MCP 伺服器與工具。實際的連接細節（例如 URL 和 API 金鑰）透過部署配置（例如 mcp_servers.json）處理，而不是透過規格書本身，從而避免將機密資訊暴露在受版本控制的 HCL 文件中。

架構與定位

Kastor 並非 agent 運行時（runtime）；它位於運行時層之上，以提供標準化的配置介面。

與框架與 Terraform 的比較

• 與 LangGraph 相比: 雖然 LangGraph 是一個執行 agent 的運行時框架，但 Kastor 定義了合約並生成了專案。Kastor 並非 LangGraph 的替代品，而是位於其上方的層。
• 與 Terraform 相比: 雖然 Terraform 是為了管理遠端基礎設施資源而設計的，但 Kastor 專注於 agent 規格書本身。這使得 Kastor 能夠同時支援本地框架代碼的生成，以及託管平台 agent 的調解。

目前狀態與功能

Kastor 目前處於早期概念驗證階段。其目前的可用功能包括：

• 解析 .agent, .tool, .prompt, 和 kastor.hcl 文件。
• 驗證引用與提示詞變數。
• 記憶體內平台支援: plan 和 apply 工作流程可以在內建的記憶體內平台目標上進行測試，而無需 API 金鑰。
• 狀態管理: 本地狀態文件、三方差異比較（three-way diffs）以及偏差檢測。
• 範例實作: 包含一個天氣 agent 和一個內容排程器。