Pi 1.0 发布：Code Mode 与原生 MCP 进入稳定版，Durable Harness 成为核心架构

一句话结论

Pi 1.0 将 Code Mode 与原生 MCP 纳入稳定版，并推出 Durable Harness 以增强 Agent 容错与状态恢复能力。

关键要点

• Pi 1.0 版本同步发布了 Code Mode、原生 MCP 协议支持及 Pi Durable Harness 框架，标志着其核心架构进入稳定阶段。
• Pi Durable 框架代码量约 1.2 万行，采用“效应三明治”机制，支持在进程崩溃后精确恢复状态，避免重复执行副作用操作。
• Code Mode 允许 Agent 在 QuickJS 沙箱中运行 JavaScript，通过并行调用工具及在循环内调用轻量模型（如 Jev）降低 Token 消耗。
• Pi Durable 支持部署于 Vercel、Cloudflare Durable Objects、E2B 及本地设备，文档存储基于类似 MongoDB 的 JSON 结构，支持时间戳版本追踪。
• 团队正在开发非编码 Agent 产品 Personal Agent（前身为 Lefos），以及本地化多机器对话愿景的 Pi Mobile（PIM），目前 PIM 未计划开源。

背景与事实

Pi 项目由 Earendil 团队主导开发，近期升级至 1.0 版本。此次更新的核心在于将此前处于迭代中的 Code Mode 与原生 MCP（Model Context Protocol）协议正式纳入稳定版。在架构层面，Pi Durable Harness 框架经过八轮迭代，旨在解决 Agent 运行中的稳定性问题。该框架接管了数据库保存消息、Agent 启动、任务调度及状态恢复等关键流程。其核心机制为“效应三明治”，即在执行前写入意图记录，执行时利用幂等性处理崩溃情况，完成后存储结果。这种设计允许在进程崩溃后从中断位置继续执行，并对安全重放操作进行重新执行，从而避免产生重复副作用。目前，Pi Durable 的代码量约为 1.2 万行，其文档存储基于类似 MongoDB 的 JSON 结构，支持时间戳版本追踪及回溯，采用基于 JSON Patch 改进的差异存储方案。通过 JavaScript Proxy 自动记录对象操作，虽然性能相对较慢，但适用于 Agent 场景，且支持部署在 Vercel、Cloudflare Durable Objects、E2B 及本地设备上。

在交互与执行层面，Code Mode 允许 Agent 在 QuickJS 沙箱中运行 JavaScript 代码。这一机制支持并行调用工具、数据过滤及计算，显著降低了 Token 消耗。此外，系统允许在循环内调用 System 1 模型（如 Jev）进行快速判断。为了优化上下文管理，Pi 采用工具搜索和渐进式披露策略按需加载 MCP 工具，避免将大量工具一次性塞入上下文窗口。团队负责人 Mario Zechner 指出，MCP 协议在此前经历了六七轮调整才最终稳定。

除了核心框架，Pi 团队还在拓展产品边界。Mario 提及正在开发 Pi Mobile（PIM），其愿景是支持多机器多 Agent 对话，除 LLM 调用外所有处理均在本地完成，并支持连接远程机器作为执行环境，但该部分目前未计划开源。另外，由 Can Bölük 开发的 OMP（Oh My Pi）工具支持通过 Advisor 机制监控对话并注入修正指令，但存在 Token 消耗高和 System Prompt 巨大的限制。在模型选择上，Mario 对 Sol 6.1 和 Opus 5.5 的沟通风格表示满意，认为 Opus 在硬件与软件层导航推理任务上取得了突破。同时，Clanker 工具展示了逆向 JVM native 结构、识别内存映射的能力，曾协助抵御攻击，并被用于解决 PS5 PC 模拟以保存游戏等案例。专家指出，当前 LLM 擅长有标准答案或可模糊测试的任务（如 Bun Rust 重写测试），但因缺乏关于“构建过程”及高层架构设计的训练数据，其架构设计表现受限，递归自我改进（RSI）被视为未来突破点。安全方面，团队面临 Web 界面 XSS、Cookie 窃取及 iframe 体验差等挑战，Docker 沙箱化被视为相对简单的隔离手段。

影响分析

对于中文开发者与从业者而言，Pi 1.0 的发布意味着 Agent 基础设施的成熟度显著提升。Pi Durable Harness 提供的状态恢复与幂等性处理，直接解决了生产环境中 Agent 因网络波动或进程崩溃导致数据不一致或重复执行的痛点，降低了开发长期运行 Agent 的运维成本。Code Mode 在沙箱中运行 JavaScript 的能力，为开发者提供了一种无需依赖外部重型框架即可实现复杂逻辑控制的手段，特别是在降低 Token 成本方面具有实际商业价值。

然而，Pi 采用渐进式披露按需加载 MCP 工具的策略，要求开发者在工具集设计时具备更高的可预测性。如果工具描述不规范，Agent 可能无法准确检索所需工具，导致任务失败。此外，Pi Mobile 虽强调本地处理与多机器对话，但未开源且未明确时间表，对于希望构建类似本地化多智能体系统的团队而言，只能作为方向参考而非直接可用的技术方案。OMP 的高 Token 消耗限制也警示开发者，在引入外部监控修正机制时需仔细权衡成本效益。

适用边界

上述结论主要适用于基于 Node.js 或 JavaScript 生态、需要高频调用 LLM 并涉及复杂状态管理的 Agent 开发场景。Pi Durable 的“效应三明治”机制虽然增强了容错性，但其基于 JSON Patch 和 JavaScript Proxy 的实现方式性能较慢，因此不适用于对实时性要求极高、需要微秒级状态同步的高并发金融交易或即时通讯系统。Pi Mobile 的本地化愿景目前仅限于技术探索阶段，不适用于需要立即商业落地且要求开源代码审计的项目。此外，Code Mode 中的 QuickJS 沙箱可能限制了对部分浏览器特有 API 或高级 Web 功能的访问，依赖这些特性的 Web 前端 Agent 需重新评估兼容性。

孤本观察

编辑认为，Pi 将 MCP 协议从边缘实验推入核心稳定版，且通过“效应三明治”机制解决状态恢复问题，表明 Agent 开发正从单纯的提示词工程转向工程化的基础设施竞争，稳定性与成本控制取代单纯的模型能力成为核心指标。这一转变也暗示，未来 Agent 框架的竞争壁垒将更多体现在底层运行时效率与分布式状态管理上，而非单纯的大模型接入。

来源：InfoQ 中文 AI