OVERVIEW
我们在探索什么
当 AI Agent 参与部署与基础设施操作,执行是否符合计划、权限是否适当,以及失败后如何恢复,都会影响任务的可靠性。
DeployPilot 围绕 MCP 协议探索 AI 开发工具与基础设施之间的连接,并在已有工程原型上,进一步研究自动化任务中的可控性与可解释性。
01EXPLORATION
四项重点工作
结构化计划与偏差检测
探索将任务转化为结构化执行计划,识别实际操作与目标或约束之间的偏差。
基于上下文的权限约束
结合任务与环境动态约束工具调用范围,研究如何识别和拦截超出授权边界的操作。
故障分级与自适应恢复
区分失败类型,研究重试、恢复、调整计划及人工介入等决策方式。
可审计的执行过程
关联记录计划、工具调用、结果与恢复过程,支持问题分析与事后检查。
02EXPLORATION
在典型运维场景中验证
计划开展对比实验,评估任务成功率、执行效率、越权拦截率与故障恢复能力。
03EXPLORATION
持续迭代的开发基础
自 2026 年 4 月起持续推进开发。截至 2026 年 11 月阶段性记录,项目仓库累计约 530 次提交、347 个已合并 Pull Request。
