--- title: "API 网关与工具路由参考：petalflow - API 网关与工具路由 | 思行致远" canonical: "https://siyuanailab.com/knowledge/workflows/infrastructure/api-tool-routing/infrastructure-api-tool-routing-petalflow/" dateModified: "2026-06-30" datePublished: "2026-06-30" --- 打开 AI·外脑目录 AI·外脑 [返回专栏首页](https://siyuanailab.com/knowledge/) × 站内搜索 ⌕ 主要栏目 - [AI 核心概念](https://siyuanailab.com/knowledge/ai-core/) - [工作流](https://siyuanailab.com/knowledge/workflows/) - [工具配置与选型](https://siyuanailab.com/knowledge/toolkits/) - [信源与标准](https://siyuanailab.com/knowledge/sources/) - [场景案例 待开发](https://siyuanailab.com/knowledge/scenarios/) - [职业与能力](https://siyuanailab.com/knowledge/career/) 专题 - [从这里开始](https://siyuanailab.com/knowledge/start/) - [获取与安装](https://siyuanailab.com/knowledge/install/) - [建设日志](https://siyuanailab.com/knowledge/ops/) [工作流子目录](https://siyuanailab.com/knowledge/workflows/) 基础设施层 - [浏览器自动化 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/browser-automation/) - [MCP 工具 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/mcp-tools/) - [文件系统与本地执行 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/filesystem-local/) - [API 网关与工具路由 **5**](https://siyuanailab.com/knowledge/workflows/infrastructure/api-tool-routing/) - [WF-016 API 网关与工具路由参考：ai](https://siyuanailab.com/knowledge/workflows/infrastructure/api-tool-routing/infrastructure-api-tool-routing-ai/) - [WF-017 API 网关与工具路由参考：composio](https://siyuanailab.com/knowledge/workflows/infrastructure/api-tool-routing/infrastructure-api-tool-routing-composio/) - [WF-018 API 网关与工具路由参考：gateway](https://siyuanailab.com/knowledge/workflows/infrastructure/api-tool-routing/infrastructure-api-tool-routing-gateway/) - [WF-019 API 网关与工具路由参考：litellm](https://siyuanailab.com/knowledge/workflows/infrastructure/api-tool-routing/infrastructure-api-tool-routing-litellm/) - [WF-020 API 网关与工具路由参考：petalflow](https://siyuanailab.com/knowledge/workflows/infrastructure/api-tool-routing/infrastructure-api-tool-routing-petalflow/) Skill 生产线 - [目标明确 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/goal-definition/) - [Skill 设计 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/skill-design/) - [代码实现 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/implementation/) - [测试评估 **5**](https://siyuanailab.com/knowledge/workflows/skill-forge/testing-evaluation/) Skill 参考库 - [写作与内容 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/writing-content/) - [研究与知识 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/research-knowledge/) - [沟通与协作 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/communication-collaboration/) - [产品与项目 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/product-project/) - [数据与分析 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/data-analysis/) - [创意与设计 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/creative-design/) - [商业与营销 **5**](https://siyuanailab.com/knowledge/workflows/skill-library/business-marketing/) Agent Building 只收录有多步工作流、工作标准、Loop、Harness、工具链或通信机制的真 Agent；不收纯 persona、profile、curated list 或只有 system prompt 的仓库。 - [多 Agent 框架 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/multi-agent-frameworks/) - [工作流编排 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/workflow-orchestration/) - [Sub-agent 模式 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/sub-agent-patterns/) - [Harness 与评估 **5**](https://siyuanailab.com/knowledge/workflows/agent-building/harness-evaluation/) 基础设施层 · API 网关与工具路由 · 工具解读 · WF-020 # API 网关与工具路由参考：petalflow 思行致远 · 2026/6/30 · 置信度：中 API网关工具路由function calling权限边界 一个用 Go 构建的轻量 Agent 工作流图运行时，把 LLM 步骤、工具、路由、webhook、调度和事件流编排成显式图。 # PetalFlow > 一个用 Go 构建的轻量 Agent 工作流图运行时，把 LLM 步骤、工具、路由、webhook、调度和事件流编排成显式图。 ## 这个能力解决什么问题 很多 Agent 工作流停留在“提示词加几个工具”的层面，难以验证执行顺序、失败节点和人工审批点。PetalFlow 解决的是把 AI 工作流写成可验证的 Agent/Task YAML 或 Graph IR，让同一套流程可以从 Go SDK、CLI 或 HTTP daemon 运行，并把运行事件保存下来用于调试。 ## 核心逻辑 输入可以是高层 Agent/Task YAML、低层 Graph IR JSON，或 daemon API 收到的运行请求。处理层先 validate，再把 Agent/Task compile 成 Graph IR；运行时按节点和边执行 LLM 节点、工具节点、transform、route、human gate、webhook trigger/call 等；每个节点产生事件并可流式输出。输出是最终工作流结果、Graph IR 文件、SQLite 中的 workflows/schedules/tools/events 记录，以及 OpenTelemetry trace/metrics。 ## 技术结构 - **Authoring 层**：Agent/Task YAML 用 agent、task、execution 描述角色、任务和顺序；Graph IR 是更低层运行格式。 - **CLI 层**：`validate` 检查工作流，`compile` 转 Graph IR，`run` 执行 YAML 或 JSON，daemon 提供 API。 - **Runtime 层**：显式图节点处理 LLM、tool call、router、human gate、webhook、schedule。 - **持久化与观测**：SQLite 保存 workflows、schedules、tools、events；事件包括 run、node、tool、route，并可导出 OpenTelemetry。 - **外部工具**：README 提到 tool registry 和 MCP integration，可把 MCP 工具挂入 workflow。 ## 为什么值得参考 PetalFlow 虽然星标很低，但结构判断价值高：它把 Agent 工作拆成作者格式、编译格式、运行时事件和 daemon API。对内部工作流系统来说，“YAML 高层意图 → Graph IR → 事件流”的链路比直接堆提示词更容易测试和复盘。 ## 为什么不建议直接套用 项目星标和生态都很小，成熟度、社区反馈和生产案例不足；Go runtime 也未必符合你的主要工程栈。它覆盖 LLM、工具、MCP、webhook、cron、SQLite、OTel，直接采用会引入一整套运行时选择。作为参考可以，作为核心生产依赖需要 CC 复核和实际跑样例。 ## 如何改造成自己的版本 借它的文件格式思路：为内部 Skill 定义 agent/task/execution 三段，先只支持顺序执行、条件路由和人工审批三类节点；每次运行写事件日志，至少包含 node.started、node.finished、node.failed、tool.call。等流程稳定后，再考虑 compile 成更低层 IR。 ## 适用场景 - 需要把 Agent 流程显式化、可校验、可回放。 - 工作流包含 LLM、工具、路由、人工审批和定时触发。 - 团队愿意维护 Go/CLI/daemon 形态的运行时。 ## 不适用场景 - 只需要单次模型调用或简单脚本。 - 项目必须依赖成熟生态和大量社区案例。 - 不希望引入额外 Graph IR、SQLite 和 daemon API。 ## 公开版边界 - 项目较新，成熟度待验证。 ## 参考信息 - 原项目：[petalflow](https://github.com/petal-labs/petalflow) - 作者：petal-labs - 相关概念：[[工作流编排]]、[[Graph IR]]、[[OpenTelemetry]] - 相关卡片：保守留空 ## 参考对象信息 **名称：**petalflow **作者：**petal-labs **链接：**[https://github.com/petal-labs/petalflow](https://github.com/petal-labs/petalflow) ## 适用场景与行动 **场景：**基础设施层 / API 网关与工具路由 **适合谁：**关注 AI 工作流、Skill 生产和 Agent Building 的读者 **下一步：**先阅读边界说明，再判断它是否适合改造成自己的API 网关与工具路由流程。 当前内容按公开来源和已审核草稿整理，只作为工作流理解与方法论参考。 涉及客户数据、外部平台、会议记录和业务系统的场景，必须保留人工确认与授权边界。 [上一张：API 网关与工具路由参考：litellm](https://siyuanailab.com/knowledge/workflows/infrastructure/api-tool-routing/infrastructure-api-tool-routing-litellm/) [返回当前分类](https://siyuanailab.com/knowledge/workflows/infrastructure/api-tool-routing/) [返回工作流专栏](https://siyuanailab.com/knowledge/workflows/)