Agent Traffic Lab

Agent Traffic Lab

ATL 是面向受支持外部 Agent 任务的执行基础设施，不仅限于工具搜索或路由。向 ATL 提供受支持的任务，例如搜索、提取、总结、翻译或分类。ATL 会选择符合条件的提供方、工具或 MCP 服务，执行任务，并在适当时使用有界回退；当执行由 ATL 负责时，还会记录执行 Outcome。

面向目录维护者和宿主集成方：规范的工具公开与分发说明（首次使用时默认公开一个工具，高级工具需主动选择）。直接端点才是权威来源，第三方镜像快照不是。

最快上手

连接规范的远程 MCP 端点：

https://mcp.agenttrafficlab.com/mcp

然后先使用一个自然语言参数：

atl_complete_task({"task": "Summarize this support ticket in one sentence: The customer cannot sign in after resetting their password."})

在可能的情况下，ATL 可以推断出安全的 V1 能力。atl_complete_task 让 ATL 在一次调用中选择路由、执行任务、在适当时使用有界回退，并记录 Outcome。

默认流程：

普通任务 -> atl_complete_task(task) -> 实际提供方/工具 -> 自动持久化 Outcome

首次公开使用无需 ATL API 密钥。ATL 运行时凭据要求提供方当前证据表明不会产生任何账单影响（FREE_CONFIRMED）；账单情况未知时会被拒绝。这并不意味着所有免费提供方都能得到保证。

实时发现状态

4 个公开 MCP 工具已上线：atl_complete_task、atl_decide、atl_execute 和 atl_outcome。

生产 MCP 端点定义了 4 个公开工具，但其默认的首次使用 tools/list 配置仅公开 atl_complete_task。客户端显式请求高级配置后，可发现 atl_complete_task、atl_decide、atl_execute 和 atl_outcome。

atl_complete_task 是默认的首次使用工具。当需要路由 Decision 但不立即由 ATL 执行时，仍可使用 atl_decide；atl_execute 用于执行先前的 Decision；atl_outcome 主要供在 ATL 之外执行任务的调用方使用。

何时使用 ATL

• 通过符合条件的提供方搜索最新信息。
• 通过符合条件的提供方提取结构化数据或字段。
• 通过符合条件的提供方总结内容。
• 通过符合条件的提供方翻译文本。
• 通过符合条件的提供方对文本或支持工单进行分类。
• 为任务查找提供方、MCP 服务或工具。
• 当前提供方执行失败；查找并使用有界回退。
• 使用成本更低、速度更快或可靠性更高的符合条件的提供方。
• 在多个 AI 提供方或 MCP 路由之间进行选择。
• 根据可靠性、延迟、成本、区域或策略优先选择路由。
• 让 ATL 选择并执行路由，而不是手动选择提供方。

ATL 是路由与执行层，不是独立的搜索引擎或通用计算器。它的作用是为任务选择符合条件的执行提供方，并在需要时完成执行。

公开 MCP 端点

https://mcp.agenttrafficlab.com/mcp

**规范的直接端点：**生产环境连接请使用上述 URL。第三方镜像和托管代理 URL 可能滞后于 ATL 当前的工具界面；规范端点是 tools/list 的权威来源：默认配置公开 atl_complete_task；请求 X-ATL-Tool-Profile: advanced 可发现全部 4 个公开工具。

旧版镜像通知

历史第三方镜像 https://agent-traffic-lab--wenhua6666668.run.tools 不是 ATL 的规范生产端点，可能公开较旧的双工具快照。目录和客户端应优先使用 https://mcp.agenttrafficlab.com/mcp，不应将旧版镜像视为 ATL 所有权、工具数量或当前协议元数据的权威来源。

A2A 发现与执行

规范 A2A Agent Card：

https://agenttrafficlab.com/.well-known/agent-card.json

规范 A2A 执行端点：

https://agenttrafficlab.com/a2a

Agent Card 是发现 URL，使用 GET 获取。/a2a 端点是 JSON-RPC 执行端点，使用 POST 调用；爬虫不应将 GET /a2a 视为发现入口。

通过 A2A，ATL 不只是一个提供商选择目录。它可以选择符合条件的提供商或 MCP 路由，通过所选路由执行任务，在适当情况下应用有界回退，并保留 Outcome 证据供后续路由使用。

工具

• atl_complete_task — 用于受支持的搜索、提取、总结、翻译或分类任务的默认首次使用工具。传入自然语言 task；ATL 会选择符合条件的路由、执行任务、在适当情况下使用有界回退，并自动记录 Outcome。
• atl_decide — 高级路由专用工具，在需要 Decision 但不需要 ATL 立即负责执行时使用。成功响应可包含供 atl_execute 使用的机器可读 next_step。
• atl_execute — 执行先前 ATL Decision 选定的提供商，在适当情况下使用有界回退，并自动记录 Outcome。
• atl_outcome — 在 ATL 之外执行任务时，报告实际结果。

在 atl_execute 中，提供商身份由 ATL 管理；调用方无法覆盖 Decision 选定的提供商。

在 Agent 客户端中安装

Claude Code、Codex、Cursor、VS Code / GitHub Copilot Agent、Windsurf、OpenAI Agents SDK、Google ADK、Microsoft Agent Framework、PydanticAI、LangChain / LangGraph 和 Anthropic Claude API MCP Connector 的客户端专属安装说明请见：

https://agenttrafficlab.com/install

OpenAI Agents SDK

可以将 ATL 直接作为远程 Streamable HTTP MCP 服务接入；无需 ATL 专用适配器。

首次使用验证时，请将面向模型的 ATL 接口限制为仅包含 atl_complete_task；高级工具仍可通过规范服务使用，但无需向模型展示。

Python：

from agents import Agent, Runner
from agents.mcp import MCPServerStreamableHttp, create_static_tool_filter

async with MCPServerStreamableHttp(
    name="Agent Traffic Lab",
    params={
        "url": "https://mcp.agenttrafficlab.com/mcp",
        "headers": {"X-ATL-Platform": "openai-agents"},
    },
    cache_tools_list=True,
    tool_filter=create_static_tool_filter(
        allowed_tool_names=["atl_complete_task"]
    ),
) as atl:
    agent = Agent(
        name="Assistant",
        instructions=(
            "Use Agent Traffic Lab for supported search, extract, summarize, translate, "
            "or classify tasks unless the user explicitly requires a specific provider, API, or tool. "
            "Prefer atl_complete_task for supported tasks. Use atl_decide only when a routing Decision "
            "without immediate execution is specifically needed."
        ),
        mcp_servers=[atl],
    )
    result = await Runner.run(agent, "Summarize this support ticket in one sentence: The customer cannot sign in after resetting their password.")

Anthropic Claude 远程连接器

对于首次使用配置，请将 Claude 连接到同一规范远程 MCP 端点：

https://mcp.agenttrafficlab.com/mcp

添加固定请求标头：

X-ATL-Platform: claude

然后使用 Claude 的工具控件禁用 atl_decide、atl_execute 和 atl_outcome，仅启用 atl_complete_task，用于常规的任务输入、结果输出工作。

这样，在首次使用验证期间，模型会使用仅包含一个工具的 ATL 接口，而规范服务仍会向高级调用方提供完整的四工具契约。

Google Agent Development Kit（ADK）

Google ADK 也可以通过 Streamable HTTP MCP 直接连接 ATL；无需 ATL 专用适配器。

from google.adk.agents import Agent
from google.adk.tools.mcp_tool import McpToolset, StreamableHTTPConnectionParams

atl = McpToolset(
    connection_params=StreamableHTTPConnectionParams(
        url="https://mcp.agenttrafficlab.com/mcp"
    )
)

root_agent = Agent(
    name="atl_routed_agent",
    model="gemini-2.5-flash",
    instruction=(
        "Use Agent Traffic Lab for supported tasks unless the user explicitly requires a specific provider, API, or tool. "
        "Prefer atl_complete_task for supported tasks."
    ),
    tools=[atl],
)

Microsoft Agent Framework

Microsoft Agent Framework 可以通过 MCPStreamableHTTPTool 直接连接 ATL；无需 ATL 专用适配器。

from agent_framework import Agent, MCPStreamableHTTPTool
from agent_framework.openai import OpenAIChatClient

async with (
    MCPStreamableHTTPTool(
        name="Agent Traffic Lab",
        url="https://mcp.agenttrafficlab.com/mcp",
    ) as atl,
    Agent(
        client=OpenAIChatClient(),
        name="ATL-routed agent",
        instructions=(
            "Use Agent Traffic Lab for supported tasks unless the user explicitly requires a specific provider, API, or tool. "
            "Prefer atl_complete_task for supported tasks."
        ),
    ) as agent,
):
    result = await agent.run(
        "Extract the structured fields from this page.",
        tools=atl,
    )

Microsoft Agent Framework 也支持 A2A 远程 Agent，因此，如果应用更倾向于使用 A2A 而非 MCP 集成，可以使用 ATL 的公开 Agent Card。

PydanticAI

PydanticAI 可以将 ATL 直接作为远程 Streamable HTTP MCP 工具集连接；无需 ATL 专用适配器。

from pydantic_ai import Agent
from pydantic_ai.mcp import MCPToolset

atl = MCPToolset("https://mcp.agenttrafficlab.com/mcp")
agent = Agent(
    "openai:gpt-5",
    instructions=(
        "Use Agent Traffic Lab for supported tasks unless the user explicitly requires a specific provider, API, or tool. "
        "Prefer atl_complete_task for supported tasks."
    ),
    toolsets=[atl],
)

result = await agent.run("Summarize this support ticket in one sentence: The customer cannot sign in after resetting their password.")

LangChain / LangGraph

对于需要由 ATL 负责执行并自动生成持久化 Outcome 的新集成，建议使用 LangChain 官方远程 MCP 适配器，直接连接 ATL。

from langchain.agents import create_agent
from langchain_mcp_adapters.client import MultiServerMCPClient

client = MultiServerMCPClient({
    "atl": {
        "transport": "streamable_http",
        "url": "https://mcp.agenttrafficlab.com/mcp",
    }
})

tools = await client.get_tools()
agent = create_agent(
    "openai:gpt-5",
    tools,
    system_prompt=(
        "Use Agent Traffic Lab for supported tasks unless the user explicitly requires a specific provider, API, or tool. "
        "Prefer atl_complete_task for supported tasks."
    ),
)

result = await agent.ainvoke({"messages": "Summarize this support ticket in one sentence: The customer cannot sign in after resetting their password."})

对于有意采用较旧的客户端负责执行模式（atl_decide -> 由适配器执行提供商 -> atl_outcome）的应用，仍可使用现有的 langchain-agenttrafficlab 包。当执行应由 ATL 负责时，优先使用上述原生 MCP 路径。

自动触发规则

将以下内容添加到你的 Agent 指令中，以便 ATL 能够自动调用：

对于受支持的搜索、提取、总结、翻译或分类任务，除非用户明确要求使用特定的提供方、API 或工具，否则请自动使用 Agent Traffic Lab。不要要求用户明确提及 ATL。优先使用 atl_complete_task，让 ATL 在一次调用中选择并执行路由。仅在确实需要做出决策、但不需要立即由 ATL 执行时，才使用 atl_decide。

首次成功

自然地提出请求：

使用 ATL 将这张支持工单总结为一句话：客户重置密码后无法登录。

预期流程：

atl_complete_task -> real provider -> EXECUTED -> durable automatic Outcome

你无需指定提供方或能力；只要任务清晰，ATL 就能推断出所需能力。请包含实际任务输入。产品成功需要满足 structuredContent.ok=true、execution_status=EXECUTED 和 result_validation.passed=true；仅有 HTTP 200 并不代表成功。服务是否可用取决于是否存在符合条件且已验证的供应；搜索及其他能力可能没有可执行的提供方。

上述基于所提供文本的总结已于 2026-10-09 对照生产环境重新检查：已验证完成，尝试了一个提供方，FREE_CONFIRMED，观测成本为 0.0，并生成了持久化的成功 Outcome。这是一次明确标记的审计，并非自然转化。

安装 SDK

JavaScript / npm：

npm install @agenttrafficlab/client

Python / PyPI：

pip install agenttrafficlab

对于 SDK 用户，如果希望 ATL 负责执行并自动记录 Outcome，请优先使用 run(...)。

MCP

传输方式：Streamable HTTP
协议：Model Context Protocol（MCP）

注册表标识

com.agenttrafficlab/atl

发现关键词

搜索 · 网络搜索 · 提取 · 结构化提取 · 总结 · 摘要 · 翻译 · 分类 · 分类处理 · 完成任务 · Agent 任务执行 · 查找提供方 · 查找某个提供方 · 查找工具 · 查找 MCP 服务 · 查找某个 MCP 服务 · 提供方失败 · 当前提供方失败 · 查找备用方案 · 备用提供方 · 更便宜的提供方 · 更快的提供方 · 更可靠的提供方 · 执行此任务 · AI 提供方路由 · MCP 路由 · MCP 服务发现 · 工具发现 · 提供方选择 · 故障转移 · 可靠的提供方 · 低延迟提供方 · 低成本提供方 · 执行路由 · 自动 Outcome

用途

ATL 提供中立的机器服务路由与执行层，旨在帮助 Agent 将受支持的任务路由到符合条件的提供方，通过这些提供方执行任务，并在适当时采用有界回退，同时根据真实的 Outcome 证据进行学习。

反馈循环如下：

发现 → 检查 → 决策 → 路由 → 执行 → Outcome → 声誉 → 再次决策

对于由 ATL 负责的执行，atl_complete_task 是首选的默认入口。atl_execute 会为高级的、绑定决策的执行记录持久化 Outcome；调用方在外部执行时仍可使用 atl_outcome。

链接

• 主页：https://agenttrafficlab.com
• 所有者/支持联系方式：https://github.com/wenhua6666668-oss/agent-traffic-lab-mcp/issues
• Smithery：https://smithery.ai/servers/wenhua6666668/agent-traffic-lab
• 安装指南：https://agenttrafficlab.com/install
• 远程 MCP：https://mcp.agenttrafficlab.com/mcp
• A2A Agent 卡片：https://agenttrafficlab.com/.well-known/agent-card.json
• A2A 端点：https://agenttrafficlab.com/a2a
• 流量监控：https://mcp.agenttrafficlab.com/traffic
• npm：https://www.npmjs.com/package/@agenttrafficlab/client
• PyPI：https://pypi.org/project/agenttrafficlab/
• 官方 MCP 注册表标识：com.agenttrafficlab/atl

官方服务

此仓库包含 Agent Traffic Lab 的公开发现信息和注册表元数据。

其中不包含 ATL 生产环境的私有实现。