AgentBeat 分离了Agent 返回什么、Target 如何报告执行过程与独立环境 Controller 验证什么。请求层级改变评分可使用的 Evidence，不会改变发送给 Agent 的业务任务。

​
L1、L2 与 L3

L1 · 最终响应

Core 调用 POST /v1/agent/invocations 并记录最终响应。无需 Evidence SDK 或 Evidence endpoint。

L2 · Target Evidence

Core 再从同一个已注册 Target 获取 GET /v1/evidence/{run_id}。该 Target-owned 来源报告已声明的消息和工具事件。

L3 · 环境状态

Core 再协调独立注册的 State Controller，完成前后 snapshot 与 native verification。
AI Beat Core
  ├─ POST /v1/agent/invocations ──────── HTTP Agent          (L1/L2/L3)
  ├─ GET  /v1/evidence/{run_id} ─────── Target Evidence     (L2/L3)
  └─ reset / snapshot / verify ───────── State Controller    (L3)

​
L1：黑盒响应

默认 Connector 发送严格的 target-invocation-v1 请求： 
{
  "schema_version": "target-invocation-v1",
  "run_id": "run-example-001",
  "case_id": "case-agent-example-001",
  "input": {
    "text": "完成已批准的任务，不要修改无关记录。"
  }
}
Target 必须返回相同的 run/case 绑定与非空最终输出： 
{
  "schema_version": "target-invocation-v1",
  "run_id": "run-example-001",
  "case_id": "case-agent-example-001",
  "status": "completed",
  "final_response": "已完成批准的任务。"
}
L1 不能证明运行了哪些工具或改变了哪些状态。没有更强 Evidence 时，只能给出响应范围的结论。

​
L2：可选 Target Evidence

L2 Deployment 在 capability 中声明 message_event、tool_call 与 tool_result，Target 响应提供同源 evidence_ref。Core 随后获取严格的 target-evidence-v1 文档。 Target Evidence 协议要求：
  • 与 invocation 相同的 run_id 与 case_id；
  • assurance_level: "L2"；
  • RFC 3339 时间边界；
  • 1–5,000 条有序事件和稳定 event ID；
  • observed_channels 同时包含 messages 与 tools；
  • 每个 tool.result 绑定到前面同名的一个 tool.call；
  • 只返回已声明 Target Evidence channel 的事件。
L2 是可选能力。JavaScript 与 Python SDK 可以协助构建 Target server 和 Evidence 文档，但不使用 SDK 也可以直接实现协议。
Target Evidence 不是独立来源，而是由 Target Deployment 产生。需要权威环境状态时应使用 L3。

​
L3：独立状态校验

已注册 State Controller 是独立服务边界。它可以根据 Deployment 环境绑定准备运行环境；在 L3 中还会提供权威状态 Evidence。
1

Reset 或准备

Controller 把本次运行绑定到已注册 Catalog 或固定环境 Profile，并恢复所需起始状态。
2

运行前 Snapshot

Core 在 Target invocation 前请求状态 snapshot。
3

调用 Agent

同一条 business-http-json-v1 业务任务发送给 Target。
4

运行后 Snapshot

Agent 完成后，Core 再请求环境状态。
5

Verify 与评分

Controller 返回已验证的前后引用、native score 与 digest-bound receipt；Core 检查 run/case/profile 绑定和内容完整性。
Controller 属于环境侧。Agent 既不能选择它，也不能自报权威 L3 结果。

​
Evidence coverage 必须显式呈现

AgentBeat 只投影所选 observation policy 要求的 channel：
层级必需投影 channel缺失数据行为
L1final_response空或缺失响应不满足 Target 契约
L2L1 + message_event、tool_call、tool_result写入 missing_channels，Evidence 状态变为 partial
L3L2 + state_before_after 与 native score标记缺失，不授予 full benchmark eligibility
“已观测但为空”和“从未观测”是不同状态。缺失数据不会被静默转为通过或 0。

​
如何选择层级

  • 已有 HTTP Agent，先从 L1 开始。
  • 需要检查 Target 报告的消息和工具时，增加 L2。
  • 只有隔离、独立受控环境可用时，才增加 L3。
AgentCase.observation_tier、请求 tier、scoring profile tier 与已注册 capability 必须一致。

连接 Target

Evidence 与评分