OpenRath: Estado de Execução Centrado em Sessão para Sistemas de Agentes

Resumo

Os sistemas de agentes modernos frequentemente sofrem com estados de tempo de execução fragmentados: transcrições, efeitos de ferramentas, eventos de memória, posicionamento em área de trabalho, proveniência de ramificações e evidências de reprodução são registrados separadamente e tornam-se difíceis de inspecionar ou reproduzir. O OpenRath aborda esse problema com um modelo de programação inspirado no PyTorch para sistemas multiagente e multissessão. A analogia diz respeito ao papel de uma abstração central de tempo de execução de primeira classe, e não ao cálculo de tensores. Sua abstração central é a Session (Sessão), o valor de tempo de execução transmitido entre agentes e fluxos de trabalho. Uma Session é ramificável, inspecionável, reproduzível, ciente do backend e componível. Ela registra trechos de conversa, posicionamento em sandbox, metadados de linhagem, uso de tokens, trabalho pendente e evidências de ferramentas, ao mesmo tempo que define onde as interações de memória entram no registro de tempo de execução. Como esse estado é carregado pelo mesmo valor utilizado na execução do programa, as operações de ramificação (fork), mesclagem (merge) e reprodução (replay) tornam-se operações explícitas de tempo de execução, em vez de estados reconstruídos a partir de traços externos. O OpenRath define ainda Sandbox, Tool (Ferramenta), Agent (Agente), Memory (Memória), Workflow (Fluxo de Trabalho) e Selector (Seletor), sendo que o Selector transforma o fluxo de controle em decisões roteadas em tempo de execução. Este relatório apresenta o modelo de programação, a arquitetura, os marcos auditados e o protocolo de evidências. Suas afirmações limitam-se a propriedades controladas de tempo de execução, enquanto comparações quantitativas amplas, qualidade do provedor ativo, disponibilidade de backend opcional e qualidade da memória são deixadas para avaliação posterior. A tese central é que a Session fornece aos sistemas de agentes um valor de tempo de execução de primeira classe para composição auditável.

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.