Agent Skills Runtime 是 ORCA（Open Cognitive Runtime Architecture，开放认知运行时架构）的参考实现。其出发点不是再造一个智能体编排器，而是为“可执行认知”提供运行时：把重复出现的智能体推理逻辑转化为可执行技能，使其可复用、可测试、可观测，并可跨工具与模型提供商移植。
用途与问题背景 多数智能体系统仍把关键逻辑编码在提示词与框架粘合代码中，由此带来反复出现的工程痛点：推理逻辑被锁在提示文本中而非可执行工作流；工作流难以复用、更难测试；步骤之间的契约隐式且脆弱；可观测性与可审计性常被事后补做；安全与治理控制不一致；更换提供商或框架往往意味着大量重写。ORCA 的应对方式是引入一层认知工作流执行层。
主要能力与架构
- Skills：以 DAG 声明的可复用认知工作流。
- Capabilities：稳定、契约驱动的接口，具有类型化的输入输出，与后端无关。
- Bindings：可互换的执行后端，连接契约与执行，包括 PythonCall、OpenAPI、MCP、OpenRPC。
- Runtime：DAG 调度器 + 策略引擎 + 认知状态（CognitiveState）+ 执行轨迹（trace），使推理结构显式且可执行，同时保持跨后端的可移植性。 仓库术语说明：面向认知运行时术语时使用 COGIT 表示 capability；但在该仓库实现中，文件路径、API、模式、CLI、目录与运行时内部仍保留规范技术术语 capability/capabilities 和 skill/skills，以保持架构与兼容性。
认知分类 纯认知层有意窄于完整运行时。当前分类区分：纯认知能力（decision、evaluation、evidence、memory、perception、reasoning）；兼容性界面（迁移期间仍存在于活动注册表中的旧称或过渡名称，如 eval.*）；操作性能力（路由、委派、工作流控制及其他运行时辅助，不应计为核心认知）。分类的注册表级参考文档为 agent-skill-registry/docs/COGNITIVE_TAXONOMY.md，用于判定某项能力属于认知核心还是操作层。
使用方式与集成 本地优先运行无需 API 密钥，可使用确定性 Python 基线进行离线开发与测试；首次运行可能耗时 30-60 秒。官方演示技能为 decision.make，展示不确定性下的完整决策工作流：多步流水线（选项生成、分析、评分、论证、验证），结构化输出（如 recommendation、tradeoffs、confidence_score、confidence_level、uncertainties、next_steps），通过显式标准与约束进行风险感知推理，并支持符合 ORCA 可观测性目标的轨迹友好执行。需注意文档中的 JSON 输出为示意，实际输出取决于输入上下文、绑定与策略设置。 可选集成面包括：嵌入式 SDK（最低延迟、进程内）、HTTP API（服务边界、非 Python 客户端）、MCP 服务器（工具生态与 MCP 宿主）、框架适配器（LangChain、CrewAI、AutoGen、Semantic Kernel）、原生工具定义（Anthropic、OpenAI、Gemini）。构建技能时可用声明式方式把技能编写为 DAG 工作流，复用既有能力契约，验证接线与执行行为，并打包贡献可复用工作流。
高级特性与质量门控 高级特性涵盖：认证与 RBAC 控制、Webhook 事件、插件扩展点、审计模式与运行时可观测性、CognitiveState v1 与认知提示、运行时管理的输出信封（status、rationale、trace_ref）、JSON Schema 生成与验证、技能治理与一致性工具。运行时的质量门控包面向纯认知能力，可运行 gate pack 或仅生成评分卡，主要产物为 artifacts/cognitive_e2e_contract_report.json、artifacts/cognitive_semantic_all_report.json、artifacts/cognitive_quality_scorecard.json、artifacts/cognitive_quality_gates_local_report.json。文档可在本地提供服务。
适用场景与限制 适合希望把智能体推理结构从提示词中解耦、需要可测试/可观测/可审计执行、以及希望在框架、工具与模型提供商之间保持可移植性的团队；它可独立运行，但最强用例是作为框架、工具与模型提供商之下的可复用执行层，而非替代所有智能体框架。仓库附带论文信息：Beyond Prompting: Decoupling Cognition from Execution in LLM-based Agents through the ORCA Framework（Fernandez Alvarez, G. E., 2026），DOI 与 SSRN 链接已给出，论文页面为 docs/PAPER.md。项目欢迎贡献，见 CONTRIBUTING.md；采用 Apache 2.0 许可，见 LICENSE；研究引用方式见软件引用与 CITATION.cff。仓库还包含行为准则与安全政策。具体收费、价格、平台覆盖与效果未在资料中提供。
