agent-state-gate：AI智能体工作流的工程治理与状态空间门控引擎

agent-state-gate是针对AI智能体工作流的工程治理集成层，核心通过状态空间门控引擎实现决策包摄取、评估组装、判定转换、人工审核队列管理和审计追踪等功能，旨在解决AI智能体系统复杂度提升带来的治理挑战，平衡自动化效率与人工监督可控性。

随着AI智能体系统复杂度提升，传统审批监控机制分散，缺乏统一治理层协调决策、审核和审计。agent-state-gate作为集成层，横跨6个既有资产，提供统一状态空间门控判定机制，将决策纳入可审计、可干预、可追踪的框架，确保关键决策触发人工审核同时保持自动化效率。

agent-state-gate承担六项闭环职责：

1. 决策包摄取：接收agent-gatefield的判定结果作为起点；
2. 评估组装：整合义务约束、过期检查、审批规则、证据链等多维度要素；
3. 判定转换：将原始结果（pass/warn/hold/block）转为精细决策（allow/needs_approval/stale_blocked/deny）；
4. 人工关注队列：管理待审核任务，支持优先级排序与状态追踪；
5. 审批绑定与新鲜度检查：通过差异比对和上下文哈希防止审批漂移；
6. 证据汇总：生成全生命周期审计包用于追溯与合规。

MCP服务接口：通过src/api/mcp_surface.py提供标准化交互接口，包括context.recall（文档解析）、gate.evaluate（门控评估）、context.stale_check（过期判定）等。 依赖资产：横跨workflow-cookbook（证据链）、memx-resolver（新鲜度检查）、agent-taskstate（状态追踪）、agent-protocols（规则引擎）、shipyard-cp（流程编排）、agent-gatefield（核心判定输入）六大资产，模块化架构支持独立演进。

MVP(P0)范围：包含决策包摄取、评估组装引擎、判定转换逻辑、人工队列管理、审批绑定、证据记录、上下文快照、最小重放能力、审计包v0等核心功能。 技术实现：采用Python开发，遵循现代实践。安装依赖：pip install -e .；运行测试：pytest tests/。项目结构分离核心引擎、适配器层、队列管理等模块。

agent-state-gate适用于：

• 合规敏感行业（金融、医疗、法律）需严格审计与复核；
• 高风险自动化操作（资金转移、数据修改）；
• 多团队协作需统一治理标准；
• 持续优化：通过审计数据分析优化门控规则与流程。其价值在于平衡自动化效率与决策可控性。

agent-state-gate是AI智能体治理领域的重要探索，建立了人工监督与自动化结合的治理思维。随着AI智能体生产部署普及，此类治理层将成基础设施关键部分，其设计理念与实现方法为领域提供参考。后续将增强可视化、自动化决策优化与跨系统治理能力。