子 Agent 机制

执行链路总览

一条 Agent(prompt="修复 bug") 调用的完整路径：

AI 生成 tool_use: { prompt: "修复 bug", subagent_type: "Explore" }
  ↓
AgentTool.call()                              ← 入口（AgentTool.tsx:239）
  ├── 解析 effectiveType（fork vs 命名 agent）
  ├── filterDeniedAgents()                    ← 权限过滤
  ├── 检查 requiredMcpServers                 ← MCP 依赖验证（最长等 30s）
  ├── assembleToolPool(workerPermissionContext) ← 独立组装工具池
  ├── createAgentWorktree()                   ← 可选 worktree 隔离
  ↓
runAgent()                                    ← 核心执行（runAgent.ts:248）
  ├── getAgentSystemPrompt()                  ← 构建 agent 专属 system prompt
  ├── initializeAgentMcpServers()             ← agent 级 MCP 服务器
  ├── executeSubagentStartHooks()             ← Hook 注入
  ├── query()                                 ← 进入标准 agentic loop
  │   ├── 消息流逐条 yield
  │   └── recordSidechainTranscript()         ← JSONL 持久化
  ↓
finalizeAgentTool()                           ← 结果汇总
  ├── 提取文本内容 + usage 统计
  └── mapToolResultToToolResultBlockParam()   ← 格式化为 tool_result

两种子 Agent 路径：命名 Agent vs Fork

AgentTool.call() 根据是否提供 subagent_type 走两条完全不同的路径（AgentTool.tsx:322-356）：

维度	命名 Agent（`subagent_type` 指定）	Fork 子进程（`subagent_type` 省略）
触发条件	`subagent_type` 有值	`isForkSubagentEnabled()` && 未指定类型
System Prompt	Agent 自身的 `getSystemPrompt()`	继承父 Agent 的完整 System Prompt
工具池	`assembleToolPool()` 独立组装	父 Agent 的原始工具池（`useExactTools: true`）
上下文	仅任务描述	父 Agent 的完整对话历史（`forkContextMessages`）
模型	可独立指定	继承父模型（`model: 'inherit'`）
权限模式	Agent 定义的 `permissionMode`	`'bubble'`（上浮到父终端）
目的	专业任务委派	Prompt Cache 命中率优化

Fork 路径的设计核心是 Prompt Cache 共享：所有 fork 子进程共享父 Agent 的完整 assistant 消息（所有 tool_use 块），用相同的占位符 tool_result 填充，只有最后一个 text 块包含各自的指令。这使得 API 请求前缀字节完全一致，最大化缓存命中。

// forkSubagent.ts:142 — 所有 fork 子进程的占位结果
const FORK_PLACEHOLDER_RESULT = 'Fork started — processing in background'

// buildForkedMessages() 构建：
// [assistant(全量 tool_use), user(placeholder_results..., 子进程指令)]

Fork 递归防护

Fork 子进程保留 Agent 工具（为了 cache-identical tool defs），但通过两道防线防止递归 fork（AgentTool.tsx:332）：

querySource 检查（压缩安全）：context.options.querySource === 'agent:builtin:fork'
消息扫描（降级兜底）：检测 <fork-boilerplate> 标签

工具池的独立组装

子 Agent 不继承父 Agent 的工具限制——它的工具池完全独立组装（AgentTool.tsx:573-577）：

const workerPermissionContext = {
  ...appState.toolPermissionContext,
  mode: selectedAgent.permissionMode ?? 'acceptEdits'
}
const workerTools = assembleToolPool(workerPermissionContext, appState.mcp.tools)

关键设计决策：

权限模式独立：子 Agent 使用 selectedAgent.permissionMode（默认 acceptEdits），不受父 Agent 当前模式的限制
MCP 工具继承：appState.mcp.tools 包含所有已连接的 MCP 工具，子 Agent 自动获得
Agent 级 MCP 服务器：runAgent() 中的 initializeAgentMcpServers() 可以为特定 Agent 额外连接专属 MCP 服务器

工具过滤的 resolveAgentTools

runAgent.ts:500-502 在工具组装后进一步过滤：

const resolvedTools = useExactTools
  ? availableTools                           // Fork: 直接使用父工具
  : resolveAgentTools(agentDefinition, availableTools, isAsync).resolvedTools

resolveAgentTools() 会根据 Agent 定义中的 tools 字段过滤可用工具，将 ['*'] 映射为全量工具。

Worktree 隔离机制

isolation: "worktree" 参数让子 Agent 在独立的 git worktree 中工作（AgentTool.tsx:590-593）：

const slug = `agent-${earlyAgentId.slice(0, 8)}`
worktreeInfo = await createAgentWorktree(slug)

Worktree 生命周期：

创建：在 .git/worktrees/ 下创建独立工作副本
CWD 覆盖：runWithCwdOverride(worktreePath, fn) 让所有文件操作在 worktree 中执行
路径翻译：Fork + worktree 时注入路径翻译通知（buildWorktreeNotice）
清理（cleanupWorktreeIfNeeded）：
- Hook-based worktree → 始终保留
- 有变更 → 保留，返回 worktreePath
- 无变更 → 自动删除

生命周期管理：同步 vs 异步

异步 Agent（后台运行）

当 run_in_background=true 或 selectedAgent.background=true 时，Agent 立即返回 async_launched 状态（AgentTool.tsx:686-764）：

registerAsyncAgent(agentId, ...)      ← 注册到 AppState.tasks
  ↓ (void — 火后不管)
runAsyncAgentLifecycle()              ← 后台执行
  ├── runAgent().onCacheSafeParams    ← 进度摘要初始化
  ├── 消息流迭代
  ├── completeAsyncAgent()            ← 标记完成
  ├── classifyHandoffIfNeeded()       ← 安全检查
  └── enqueueAgentNotification()      ← 通知主 Agent

异步 Agent 获得独立的 AbortController，不与父 Agent 共享——用户按 ESC 取消主线程不会杀掉后台 Agent。

同步 Agent（前台运行）

同步 Agent 的关键特性是 可后台化（AgentTool.tsx:818-833）：

const registration = registerAgentForeground({
  autoBackgroundMs: getAutoBackgroundMs() || undefined  // 默认 120s
})
backgroundPromise = registration.backgroundSignal.then(...)

在 agentic loop 的每次迭代中，系统用 Promise.race 竞争下一条消息和后台化信号：

const raceResult = await Promise.race([
  nextMessagePromise.then(r => ({ type: 'message', result: r })),
  backgroundPromise  // 超过 autoBackgroundMs 触发
])

后台化后，前台迭代器被终止（agentIterator.return()），新的 runAgent() 以 isAsync: true 重新启动，当前台的输出文件继续写入。

结果回传格式

mapToolResultToToolResultBlockParam() 根据状态返回不同格式（AgentTool.tsx:1298-1375）：

状态	返回内容
`completed`	内容 + `<usage>` 块（token/tool_calls/duration）
`async_launched`	agentId + outputFile 路径 + 操作指引
`teammate_spawned`	agent_id + name + team_name
`remote_launched`	taskId + sessionUrl + outputFile

对于一次性内置 Agent（Explore、Plan），<usage> 块被省略——每周节省约 1-2 Gtok 的上下文窗口。

MCP 依赖的等待机制

如果 Agent 声明了 requiredMcpServers，call() 会等待这些服务器连接完成（AgentTool.tsx:371-410）：

const MAX_WAIT_MS = 30_000     // 最长等 30 秒
const POLL_INTERVAL_MS = 500   // 每 500ms 轮询

早期退出条件：任何必需服务器进入 failed 状态时立即停止等待。工具可用性通过 mcp__ 前缀工具名解析（mcp__serverName__toolName）判断。

适用场景

并行研究

多个 fork 子进程并行搜索不同方向，共享 Prompt Cache 前缀，只有指令不同

专业委派

使用命名 Agent（Explore/Plan/verification）执行专业任务，受限工具集 + 独立权限

隔离实验

isolation: "worktree" 在独立工作副本中尝试方案，不影响主分支

后台构建

run_in_background: true 启动长时间构建/测试任务，主 Agent 继续工作