零运维时代的全栈AI应用：Brook Riggio的Serverless Agent实战路径

这篇文章复盘了Brook Riggio在AI Engineer频道分享的一次真实生产级Demo，讲清楚他如何在2025年用OpenAI Agents SDK、Next.js和Vercel，构建真正“零运维、可扩展、面向用户”的AI Agent应用，以及这套组合背后的方法论取舍。

为什么“零运维 Agent 应用”成了2025年的核心命题

一开始，Brook Riggio就抛出了一个极具时代感的问题：“What does full stack AI engineering even look like today in the serverless environment？” 这并不是概念讨论，而是一个被生产环境反复拷打出来的现实疑问。作为 thrive.com 的技术合伙人，他已经多次尝试把 Agentic Workflow 真正交付给用户，而不是停留在 Demo 或 Notebook 层面。

他直言，2025年AI工程师真正的工作目标已经变了，不再是“能不能跑通一个Agent”，而是“how do we deploy zero ops resilient agent-powered user ready apps today？”——如何在几乎不需要运维的前提下，把具备韧性（resilient）的Agent应用交到真实用户手中。这种转变背后，是模型能力成熟后的必然结果：真正困难的部分，已经从模型本身，转移到了工程、部署和系统协作。

Brook并没有回避现实的复杂性。他调侃说，现在可选的技术栈组合多到“至少有4200万种”，连他自己都不敢断言哪一个是“最优解”。这句话本身就是一个重要洞见：在Agent时代，工程复杂度并没有下降，反而被放大了，真正稀缺的是“能在生产中跑得住”的组合经验。

反复踩坑后的选择：一套“能一起工作的”技术组合

在讲清问题之后，Brook才进入核心价值部分——他的个人最优解是如何形成的。他坦率承认，自己曾“struggled with this very thing trying to make it happen over and over again in a production environment”。这不是一次灵光乍现的架构设计，而是多次失败后的收敛。

他的核心选择包括：前端和应用层使用 Next.js，Agent能力来自 OpenAI Agents SDK，部署与Serverless运行环境选择 Vercel，而流程编排（orchestration）则使用 ingest。之所以强调“组合”，是因为他反复强调AI工程师真正关心的问题是：“how does it all work together？”

在他看来，Next.js的优势不仅是成熟，而是和Vercel之间天然的协同：每次push就能获得preview deployment，前后端边界清晰；Vercel则提供了稳定的Serverless Python运行环境（他明确展示了 Python 3.12）。而在Agent层面，他特别指出OpenAI提供了“strong backing”，但又“not stuck in their ecosystem”，这对长期演进非常关键。

至于 ingest，他看重的是工程能力本身：automatic retry、step-level observability，以及与Vercel的一键集成。这些都不是噱头，而是生产环境中避免凌晨报警的关键细节。

架构拆解：Agent只是其中一层，而不是全部

当架构图真正展开时，一个容易被忽略的事实被点了出来：OpenAI Agents SDK 目前是 Python only。Brook没有回避这一限制，而是顺势把它放进一个清晰的分层架构中——Agent服务负责推理和决策，结果再返回给上层的编排系统。

在他的示例中，Agent服务使用 FastAPI，每个文件都是一个独立函数，没有额外的 vercel.json 配置。这种设计意味着，Agent本身是“无状态、可替换”的，而真正的流程控制发生在 ingest workflow 中。他现场展示了一个完整流程：step one 调用 agent，后续步骤处理结果，step three 将结果写入 blob storage。

这一点非常关键，因为它传达了一个清晰的工程观：Agent不是万能胶水，而是流水线中的一个能力节点。Brook总结得很直白：“fits together very well… all the agentic power that you can get”，前提是你没有把所有复杂性都压到Agent身上。

从Demo到真实应用：AI生成新闻稿的完整闭环

为了避免抽象讨论，Brook构建了一个完整示例应用：一个用AI Agents自动生成 newsletter 的Web App。这个案例并不追求炫技，而是刻意选择了“用户可理解、结果可验证”的场景。

他从clone repo开始，现场演示需要同时启动三个终端，随后打开 Next.js 应用首页。用户只需触发生成流程，系统就会返回一份完整的 newsletter。这背后体现的是 serverless scalability（自动扩展）和 full type safety（完整类型安全）的结合，而不是简单的API调用。

在代码讲解中，他快速浏览了项目结构，强调“each file as its own independent function”。这让整个系统在调试和扩展时都非常清晰。最后，他展示了完整日志、Vercel环境中的运行情况，以及通过 Vercel CLI 登录、配置 OpenAI API key 并触发构建的流程。

到这里，这个Demo完成了从Agent、编排、存储到前端呈现的完整闭环，也印证了他开头那句话：这是一次真正的“full stack agents in the cloud”。

总结

Brook Riggio这次分享的价值，并不在于某一个具体工具，而在于他展示了一条可被复制的思考路径：先承认复杂性，再用生产经验不断收敛组合。在Agent能力迅速商品化的当下，真正拉开差距的，是谁能更快把“能用的AI”交付给用户。对AI工程师而言，这场竞争已经从模型参数，转向了系统设计与工程判断。

关键词： AI Agent， Serverless， OpenAI Agents SDK， Next.js， Vercel

事实核查备注： Brook Riggio（演讲者姓名）；AI Engineer（频道）；发布时间：2025-06-03；OpenAI Agents SDK（Python only）；Next.js（前端/应用框架）；Vercel（Serverless部署平台）；ingest（流程编排工具）；FastAPI（Agent服务框架）；Python 3.12（Vercel运行环境）；示例应用：AI生成newsletter