Diagrid 于 2026 年 7 月 28 日发布了 Catalyst 2.0，为使用 LangGraph、Microsoft Agent Framework、Google ADK 和 Dapr Agents 等框架构建的智能体增加了故障恢复和加密验证能力。
本次发布共提供十个框架集成，还包括 LangGraph Deep Agents、AWS Strands、OpenAI Agents SDK、Claude Managed Agents、CrewAI 与 Pydantic AI 等。
开发者只需在现有智能体应用中添加一个 Diagrid 包。Diagrid 表示，Catalyst 会将模型调用与工具调用表示为持久化的工作流活动，从而使中断的运行能够从中断处恢复，无需重复已完成的工作。
这一模式所针对的故障场景很常见：一个长时间多步骤任务在执行序列的末尾才失败，如果没有在调用粒度上设置检查点，重试时将为此前已完成的所有模型调用重新买单。Diagrid 表示，Catalyst 可运行于云端、本地及隔离网络环境。持久化智能体通过 Python SDK 构建，而 Catalyst 的文档所列的工作流 SDK 支持 .NET、Go、Java、JavaScript 和 Python；开源的 Dapr 1.18 SDK 还包含 Rust。
验证模型来自 Dapr 1.18。Dapr 对工作流历史事件进行批量哈希，将每个摘要链接到前一个签名，并使用 Dapr 边车基于 SPIFFE 的身份对结果进行签名。在加载工作流状态时会检查该链，检测出被删除、重新排序或修改的历史记录，接收方会根据 Dapr Sentry 信任锚点验证每个签名的块，因此历史记录可以在生成它的应用之外进行验证。Dapr 将这组能力归为三类：工作流历史签名、工作流历史传播和工作流证明，后两者可将经过验证的执行上下文跨越工作流与服务的边界进行传递。
团队应注意，Dapr 1.18 的签名功能默认处于禁用状态，通过 WorkflowHistorySigning 功能标志进行控制，并且依赖 mTLS——如果启用了签名但 mTLS 未开启，daprd 将拒绝启动。此外，每个工作流的签名决策是单向的：无法对现有历史记录进行追溯签名，而对一个正在运行的工作流切换签名开关会触发验证错误，因此在更大范围启用签名之前，进行中的未签名工作流必须先行完成或被清除。
Diagrid 联合创始人兼 CTO、同时也是 Agentic AI Foundation 工作流与流程集成工作组主席的 Yaron Schneider 表示，当智能体调用工具或委派工作时，组织需要“对已发生之事的证明”。
目前已知的早期采用者数量有限：光学制造商蔡司集团（ZEISS Group）被列为早期用户，其端到端核心应用工程负责人 Wendelin Niesl 在公告中表示，在“AI 模型和框架快速发展的背景下，Catalyst 为我们提供了可以依赖的稳定基础”，使公司能够“为 AI 和传统工作负载构建一个可持续、持久且有弹性的平台”。
Catalyst 既不是这些框架的第一个持久化方案，也不是这个细分市场的新进入者。LangGraph 持久化在图的超级步骤边界记录检查点，支持从成功的检查点恢复执行，并通过其 Agent Server 提供持久化任务执行；Temporal 和 Restate 为长时间运行的应用提供重放或基于日志的执行，并且已经能够承载智能体工作流。Catalyst 的独特之处在于，它提供了一个基于 Dapr 的单一恢复和证明模型，横跨多个框架，将持久化能力应用于单个模型调用和工具调用，而非图的边界。因此，架构决策的关键在于团队希望把恢复、身份、审计证据和框架集成放在哪里。
Diagrid 声称 Catalyst 的性能可达开源版 Dapr 的十倍，并支持数百万并发智能体工作流。但公告并未说明该倍数是指吞吐量、每秒工作流启动数还是延迟，也未说明是在何种工作负载、硬件或 Dapr 配置下测试得出的，因此这一对比无法独立评估。在商业层面，Diagrid 公布了定价方案，包括免费云端套餐、按并发工作流规模计费的专属云和自带云方案，以及针对本地和隔离部署的定制报价企业服务器版。
加密证明能够证明记录历史的完整性和来源，但并不能证明智能体做出了正确的决策、工具返回了准确的数据，或所有外部副作用都被捕获了。实践者还应评估非幂等工具的重试处理、存储和延迟开销、证书轮换、独立验证，以及哪些能力属于开源版 Dapr、哪些属于商业版 Catalyst。
查看英文原文：https://www.infoq.com/news/2026/08/diagrid-catalyst-ai-agents/
