smolagents 的生产环境部署需要注意哪些问题？

1. 可观测性现状

当前版本的可观测性评分相对较低，默认使用 Rich 控制台格式化输出，适合人工阅读但不适合机器解析。生产部署需要额外集成：

• 结构化 JSON 日志
• 健康检查端点（/healthz、/readyz）
• 分布式追踪（OpenTelemetry）

社区已提供与 Phoenix 的集成方案，用于实时追踪复杂的多步执行轨迹和评估。

2. 记忆持久化缺失

由于记忆仅存在于进程内存中，Agent 重启后状态完全丢失。对于需要状态恢复或长期运行的任务，需要自行实现外部存储层，或在每次请求时重新初始化 Agent 并从外部数据源加载上下文。

3. 多智能体与沙箱的兼容性

沙箱化执行目前不支持多智能体系统，因为 Agent 之间需要传递可执行代码，而远程沙箱环境难以处理这种交互。架构设计时，应将不可信输入的处理隔离在独立的子 Agent 中，这些子 Agent 不与其他 Agent 共享可执行代码边界。

4. 成本与延迟优化

• 模型选择：根据任务复杂度选择合适的模型规模，专业子 Agent 可使用成本更低的小模型
• 并发控制：在 GAIA 评估脚本中，通过 ThreadPoolExecutor 实现高并发处理，默认并发数为 8
• Token 追踪：使用 agent.monitor.get_total_token_counts() 聚合管理 Agent 和所有子 Agent 的成本