一个 production-grade coding agent，到底有哪些层？

一个 production-grade coding agent，到底有哪些层？每一层解决什么问题？为什么需要这一层？可以使用哪些工具？

从当前的 MCP、OpenAI Agents SDK、LangGraph、GitLab MCP 等公开架构来看，一个成熟 coding-agent system 至少应该区分 model/reasoning、context & state、orchestration、tools/protocol、execution、artifact/verification、governance、observability/evaluation 这些职责。MCP 本身主要定义 prompts/resources/tools 等连接原语，并不是完整的 agent orchestration framework；OpenAI Agents SDK 则把 agents、tools、handoffs、guardrails、human-in-the-loop、sessions、tracing 等作为运行时能力；LangGraph 的 persistence 则把 graph state checkpoint 化，用于 HITL、memory、replay 和 fault tolerance

真正高级的 Agent Architect 应该把它理解成：

stateful control loop，而不是 prompt → response pipeline。