Soket LOOP（印度开源长任务智能体执行框架）

Soket AI 是班加罗尔的一家研究实验室，入选印度 IndiaAI Mission，承担为印度与全球南方构建可自主控制的前沿基础模型的任务。2026 年 10 月 7 日，该公司在 Cypher 2026 大会上开源了 LOOP（Long-running Open Orchestration for Persistent AI Agents），一个用 Rust 编写、面向长任务智能体的执行框架。它所处的品类与 OpenAI 的 Codex、Anthropic 的 Claude Code 同级——都是把「执行外壳」从模型能力中剥离出来、让智能体持续工作的那一层，但 LOOP 强调开源、模型中立与本地或主权可部署。

其定位直指对控制与主权要求高的环境：网络安全、银行、金融、国防等场景中，组织不仅需要让智能体触达工具，还要考量任务如何执行、信息如何留存、活动如何与敏感基础设施隔离。LOOP 把这一执行层开源，契合印度推动主权 AI 基础设施的战略。

LOOP 的核心能力围绕「长任务不丢状态」展开。会话管理借鉴版本控制：开发者可像 Git 一样分支、暂停与恢复智能体会话，并在上下文压缩时保留会话历史，避免长任务因上下文窗口膨胀而静默丢失关键进度。工具层面支持 Model Context Protocol（MCP），技能与模板可转为斜杠命令复用，并允许暴露自有 MCP 工具。多智能体方面，单任务可分发到共享记忆的多个智能体，隔离强度可在 rootless 容器到 microVM 之间按风险选择。模型接入口只需配置一个 base URL，即可接入不同供应商的模型。

Soket AI 在自家初步基准中称，在八 worker、同一 Qwen 模型经 OpenRouter 的对比下，LOOP 的本地进程内存从 29 MiB 随 worker 增加近线性升至 223 MiB，并称其较对照工具大幅节省本地 RAM 与 CPU。需要明确的是，这些数字为厂商自报、尚未经独立验证，且只衡量本地 harness 进程、不含远程推理，不能等同于任务质量或可靠性的比较。公司在披露中也坦承，尚未提供智能体连续数周不间断完成生产负载的独立证据。

LOOP 与智能体运行外壳、Cua Spaces、托管运行时构成「执行层」谱系：运行外壳阐述单步循环的执行机理，Cua Spaces 提供桌面级智能体环境，托管运行时把执行层服务化，LOOP 则以 Rust 的性能与内存安全、模型中立与本地可主权部署作为差异化。相较于 Python 编写的同类 harness，Rust 重写带来无 GC 停顿与更低并发开销的潜在收益，但是否转化为真实生产优势，仍待社区与第三方基准检验。

作为开发者预览，LOOP 的完成度有边界：沙箱隔离、人格化、多智能体系统完整层、远程智能体、可信远程沙箱、群组对话等被公司列为「下一层」规划，尚未随预览发布；遥测与桌面应用也在开发中。更关键的是，开源与可主权部署本身并不自动等于安全或生产就绪，组织仍需自行评估访问控制、隔离、监控与失败恢复。对基准数字应持审慎态度——它们刻画的是资源效率，而非任务成功率或可靠性。

Soket AI 的路线图显示，LOOP 之后还有沙箱、人格化、多智能体系统、分层记忆、远程智能体、可信远程沙箱与群组对话等层待补；公司同时推进一个 260 亿参数的开源基础模型与配套训练栈，意图提供端到端的自托管智能体方案。值得跟踪的是：Rust harness 在真实长任务上的可靠性是否被独立基准验证、主权 AI 叙事能否转化为企业采购、以及开源执行层与闭源托管运行时之间的成本—控制权衡如何演化。