OpenRath: Sitzungszentrierter Laufzeitzustand für Agentensysteme

Zusammenfassung

Moderne Agentensysteme leiden häufig unter fragmentierten Laufzeitzuständen: Transkripte, Werkzeugeffekte, Speicherereignisse, Arbeitsbereichsplatzierungen, Abzweigherkünfte und Wiedergabenachweise werden getrennt erfasst und sind schwer zu prüfen oder zu reproduzieren. OpenRath begegnet diesem Problem mit einem PyTorch-ähnlichen Programmiermodell für Multi-Agenten- und Multi-Sitzungssysteme. Die Analogie bezieht sich auf die Rolle einer zentralen erstklassigen Laufzeitabstraktion, nicht auf Tensorberechnungen. Seine Kernabstraktion ist die Session, der Laufzeitwert, der zwischen Agenten und Workflows übergeben wird. Eine Session ist verzweigbar, prüfbar, wiederholbar, backend-bewusst und zusammensetzbar. Sie zeichnet Gesprächsabschnitte, Sandbox-Platzierungen, Abstammungsmetadaten, Tokenverbrauch, anstehende Arbeiten und Werkzeugnachweise auf und definiert, wo Speicherinteraktionen in den Laufzeitdatensatz eingehen. Da dieser Zustand durch denselben Wert getragen wird, der bei der Programmausführung verwendet wird, werden Fork, Merge und Replay zu expliziten Laufzeitoperationen und nicht zu Zuständen, die aus externen Spuren rekonstruiert werden. OpenRath definiert ferner Sandbox, Werkzeug, Agent, Speicher, Workflow und Selektor, wobei der Selektor den Kontrollfluss in laufzeitgesteuerte Entscheidungen umwandelt. Dieser Bericht stellt das Programmiermodell, die Architektur, geprüfte Meilensteine und das Nachweisprotokoll vor. Seine Behauptungen beschränken sich auf kontrollierte Laufzeiteigenschaften, während breite quantitative Vergleiche, Live-Anbieterqualität, optionale Backend-Verfügbarkeit und Speicherqualität für eine Folgebewertung offen bleiben. Die zentrale These ist, dass die Session Agentensystemen einen erstklassigen Laufzeitwert für prüfbare Komposition bietet.

English

Modern agent systems often suffer from fragmented runtime state: transcripts, tool effects, memory events, workspace placement, branch provenance, and replay evidence are recorded separately and become difficult to inspect or reproduce. OpenRath addresses this issue with a PyTorch-like programming model for multi-agent, multi-session systems. The analogy concerns the role of a central first-class runtime abstraction, not tensor computation. Its core abstraction is Session, the runtime value passed between agents and workflows. A Session is branchable, inspectable, replayable, backend-aware, and composable. It records conversation chunks, sandbox placement, lineage metadata, token usage, pending work, and tool evidence, while defining where memory interactions enter the runtime record. Since this state is carried by the same value used in program execution, fork, merge, and replay become explicit runtime operations rather than states reconstructed from external traces. OpenRath further defines Sandbox, Tool, Agent, Memory, Workflow, and Selector, with Selector turning control flow into runtime-routed decisions. This report presents the programming model, architecture, audited milestones, and evidence protocol. Its claims are limited to controlled runtime properties, while broad quantitative comparisons, live-provider quality, optional-backend availability, and memory quality are left for follow-on evaluation. The central thesis is that Session provides agent systems with a first-class runtime value for auditable composition.