个人全球分布式AI执行网络：基于A2A核心理念的轻量级落地架构与实现指南

国内客户端 → 代理/VPN节点 → 目标AI API

┌─────────────────────────┐
│  L1 业务发起Agent       │  国内本地环境
│  (Initiator)            │  产生任务意图，对接用户/Hermes
└───────────┬─────────────┘
            │  加密通道 · 仅传任务语义
┌───────────▼─────────────┐
│  L2 中央调度编排Agent   │  境外中立机房
│  (Orchestrator)         │  能力路由、负载均衡、故障容错
└───────────┬─────────────┘
            │  属地内网 · 仅传任务指令
┌───────────▼─────────────┐
│  L3 属地执行Agent池     │  各目标国家本地环境
│  (Provider/Worker)      │  本地持有密钥，原生发起API请求
│  · 住宅宽带节点         │
│  · 蜂窝真机节点(Mobile Proxy)  │
└─────────────────────────┘

4.3.1 核心技术通用要求

1. 密钥本地隔离：密钥加密存储于节点本地密钥环，请求出站前实时注入，进程内不留存明文，全程不跨层传输；
2. 指纹完全自洽：系统时区、语言、DNS、TCP/TLS栈与属地普通用户完全一致，禁用公共DNS、境外时间源；
3. 行为拟人化：本地实现请求随机间隔、每日闲时休眠、并发数限制，规避行为风控；
4. 网络强约束：仅允许出口网卡访问AI API，管理网卡仅保留与L2的通信权限，杜绝漏流。

4.3.2 蜂窝真机节点专项技术栈（Mobile Proxy生态）

蜂窝节点底层基于Mobile Proxy技术体系，该赛道已形成成熟的软硬件生态，此前主要服务跨境电商、账号运营、广告验证等强风控场景，迁移至AI API保活场景具备极强的技术红利。以下分为自建部署工具链与商业化托管服务商两类选型，可无缝接入本架构的L3层。

（1）自建部署工具链（可控性强，适合中大规模自用）

• iProxy Online 行业主流的安卓真机集群管理系统，是自建SIM农场的核心调度软件。支持批量远程控制安卓真机、统一管理蜂窝网络、API触发SIM重拨换IP、端口映射、流量统计。 在本架构中的定位：作为L3蜂窝节点池的统一管理平面，L2调度网关可直接对接其开放API，实现节点池的统一调度、健康检查与IP自动轮换，是多节点自建部署的首选方案。

• 3proxy 轻量级开源代理服务器，支持HTTP/SOCKS5协议，资源占用极低、稳定性极强。可将蜂窝网卡（如wwan0、rmnet0）的流量封装为标准代理服务，配合iptables策略路由实现严格的出口隔离。 在本架构中的定位：工业级4G/5G Modem形态节点的代理层，也可作为安卓真机节点的底层流量转发组件，是轻量化自建的核心工具。

• ProxySmart 面向蜂窝代理场景的专用管理工具，支持多Modem、多SIM卡批量管理，内置IP轮换、会话保持、流量监控能力，提供标准化REST API接口。 在本架构中的定位：中等规模混合节点部署的管理中间件，可无缝对接L2调度层的路由体系，降低自建集群的运维成本。

（2）商业化托管服务商（快速落地，无需自建硬件）

• Coronium.io 行业头部的独享实体Mobile Proxy服务商，以美国市场为核心，覆盖全球主流国家，提供独享安卓真机、工业Modem两类硬件方案，单设备单客户独占，无共享IP连坐风险；支持完整REST API控制重拨换IP、长会话（Sticky IP）保持。 在本架构中的定位：个人/小团队快速验证、小规模落地的首选L3节点，无需自行采购硬件、SIM卡与机房托管，直接通过标准API接入L2调度层，开箱即用。

所有商业化Mobile Proxy节点均提供标准HTTP/SOCKS5接口，既可作为L3节点的网络出口，也可直接在节点内部署执行Agent程序，实现流量本地原生出站，最大化指纹一致性。

4.3.3 为什么Mobile Proxy在AI场景风控抗性更强

核心逻辑在于AI服务商的IP风控权重体系： 1. CGNAT天然保护：海外移动运营商普遍采用运营商级地址转换，一个公网IP对应数百上千普通自然人用户，风控平台不敢大规模拉黑移动ASN，误伤成本极高； 2. ASN风控权重最低：风控系统普遍将IP分为三类风险等级：数据中心（高危）> 住宅宽带（中危）> 蜂窝移动（低危），蜂窝IP是当前民用场景中风控容忍度最高的出口类型； 3. 指纹天然自洽：配合安卓真机发起请求，系统指纹、网络指纹、行为特征完全匹配普通移动用户，不存在”Linux服务器套手机IP”的指纹割裂问题。

五、层间通信协议规范（轻量A2A实现）

5.1 设计原则

完全兼容OpenAI REST API格式，最大化降低接入成本；同时遵循A2A能力声明思想，实现节点可插拔。

5.2 能力声明规范（简化版Agent Card）

L3节点向L2注册时，提交标准化能力声明文件，对应A2A的Agent Card；蜂窝节点需额外标注出口类型、运营商、重拨API等属性。

{
  "agent_id": "worker-us-cellular-01",
  "role": "provider",
  "region": "us",
  "egress_type": "cellular",
  "vendor": "coronium",
  "carrier": "T-Mobile",
  "reboot_api": "https://xxx/api/reboot",
  "capabilities": [
    {
      "model": "gpt-4o",
      "vendor": "openai",
      "max_concurrent": 2,
      "daily_limit": 500
    },
    {
      "model": "claude-3-5-sonnet-20240620",
      "vendor": "anthropic",
      "max_concurrent": 2,
      "daily_limit": 300
    }
  ],
  "endpoint": "https://10.0.0.12:8443/v1",
  "auth": "mTLS证书指纹"
}

5.3 任务交互API（兼容OpenAI标准）

L1 → L2 → L3 全程采用OpenAI兼容接口，业务端零改造接入。

请求示例（L1调用L2）：

from openai import OpenAI

# 仅修改base_url为L2网关地址，其余代码完全不变
client = OpenAI(
    api_key="hermes-local-dummy-key",
    base_url="https://l2-gateway.example.com/v1"
)

response = client.chat.completions.create(
    model="gpt-4o@us-cellular",
    messages=[{"role": "user", "content": "请解释A2A协议的核心价值"}]
)
print(response.choices[0].message.content)

5.4 安全认证机制

层间采用「mTLS双向证书认证 + IP白名单」双重校验： - 每个节点颁发独立客户端证书，无证书无法建立连接； - 仅允许上下游固定IP访问，服务端口不对公网开放； - 可选二次API密钥校验，满足多租户共享场景。

六、核心模块可运行代码示例

6.1 L2 调度网关最简实现（FastAPI）

"""
L2 中央调度网关 - 轻量A2A编排器
最简实现：标签路由 + 防漏流约束 + OpenAI兼容接口
支持蜂窝/住宅节点混合调度
"""
from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
import httpx

app = FastAPI(title="A2A Light Orchestrator")

# 节点注册表（对应A2A Agent Card，生产环境可改为配置文件/数据库）
WORKER_NODES = {
    "gpt-4o@us-cellular": {
        "endpoint": "https://10.0.0.12:8443/v1",
        "api_key": "sk-worker-local-key",
        "health": True,
        "reboot_api": "https://10.0.0.12:8443/reboot"
    },
    "claude-3-5-sonnet@us-resi": {
        "endpoint": "https://10.0.0.15:8443/v1",
        "api_key": "sk-worker-local-key",
        "health": True
    }
}

class ChatCompletionRequest(BaseModel):
    model: str
    messages: list
    temperature: float = 0.7

@app.post("/v1/chat/completions")
async def chat_completions(request: ChatCompletionRequest):
    # 1. 路由匹配
    worker = WORKER_NODES.get(request.model)
    if not worker or not worker["health"]:
        raise HTTPException(status_code=404, detail="Model or worker not available")
    
    # 2. 转发请求到属地执行节点（仅传任务语义，不暴露上游信息）
    async with httpx.AsyncClient(verify=False) as client:
        resp = await client.post(
            f"{worker['endpoint']}/chat/completions",
            headers={"Authorization": f"Bearer {worker['api_key']}"},
            json=request.model_dump()
        )
    
    if resp.status_code != 200:
        raise HTTPException(status_code=resp.status_code, detail=resp.text)
    
    # 3. 返回结果，剥离执行节点所有特征
    return resp.json()

if __name__ == "__main__":
    import uvicorn
    uvicorn.run(app, host="0.0.0.0", port=8000)

6.2 L3 属地执行节点最简实现（蜂窝节点通用版）

"""
L3 属地执行Agent - 轻量A2A能力提供方
本地持有密钥，原生发起API请求，对外仅暴露标准接口
适配蜂窝真机/住宅宽带所有节点形态
"""
from fastapi import FastAPI, HTTPException
from pydantic import BaseModel
import httpx
import os

app = FastAPI(title="A2A Local Worker")

# 密钥仅本地读取，从系统密钥环/环境变量获取，绝不硬编码
API_KEY = os.getenv("LOCAL_AI_API_KEY")
BASE_URL = "https://api.openai.com/v1"

class ChatCompletionRequest(BaseModel):
    model: str
    messages: list
    temperature: float = 0.7

@app.post("/v1/chat/completions")
async def chat_completions(request: ChatCompletionRequest):
    # 本地原生发起请求，出口走属地蜂窝/住宅网络
    # 配合iptables强制出口网卡，杜绝漏流
    async with httpx.AsyncClient() as client:
        resp = await client.post(
            f"{BASE_URL}/chat/completions",
            headers={"Authorization": f"Bearer {API_KEY}"},
            json=request.model_dump()
        )
    
    if resp.status_code != 200:
        raise HTTPException(status_code=resp.status_code, detail=resp.text)
    
    return resp.json()

if __name__ == "__main__":
    import uvicorn
    # 仅监听内网管理网卡，绝不暴露公网
    uvicorn.run(app, host="10.0.0.12", port=8443, ssl_keyfile="key.pem", ssl_certfile="cert.pem")

6.3 L3 蜂窝节点防漏流iptables配置

# === L3蜂窝节点防漏流兜底规则 ===
# 规则目标：仅允许蜂窝网卡访问AI API，管理网卡仅保留与L2通信
# 适配3proxy/iProxy架构的出口隔离

# 1. 默认拒绝所有出站转发
iptables -P FORWARD DROP

# 2. 允许本地回环
iptables -A OUTPUT -o lo -j ACCEPT

# 3. 允许管理网卡与L2网关通信（仅放行指定IP+端口）
iptables -A OUTPUT -o eth0 -d 10.0.0.2 -p tcp --dport 8000 -j ACCEPT
iptables -A INPUT -i eth0 -s 10.0.0.2 -j ACCEPT

# 4. 仅允许蜂窝网卡（wwan0/rmnet0）访问外部服务
# 蜂窝出口全权放行，由本地执行Agent控制业务流量
iptables -A OUTPUT -o wwan0 -j ACCEPT

# 5. 兜底：禁止管理网卡访问任何外部AI服务IP段
iptables -A OUTPUT -o eth0 -m iprange --dst-range 104.18.0.0-104.18.255.255 -j DROP

# 6. 强制DNS走蜂窝网卡运营商原生DNS，禁止公共DNS
iptables -A OUTPUT -o eth0 -p udp --dport 53 -j DROP
iptables -A OUTPUT -o eth0 -p tcp --dport 53 -j DROP

七、有效性验证方法论

部署完成后，可通过以下四步验证架构有效性与隔离性，确保符合设计预期。

7.1 出口属性验证

在L3节点本地执行：

# 验证出口IP属地与ASN
curl -s https://ipinfo.io | jq '{ip, org, city, country}'
# 验证DNS属地
nslookup api.openai.com | grep Server

蜂窝节点预期结果：ASN归属属地移动运营商（AT&T/T-Mobile等），不含Hosting/Cloud/Server关键词；DNS为运营商原生DNS。

7.2 指纹一致性验证

使用指纹检测工具/API，验证系统指纹、TLS指纹与出口IP属性匹配，无代理特征。 核心校验项： - TCP窗口大小、TTL值与属地主流设备一致 - TLS JA3/JA4指纹与属地普通客户端一致 - 无WebRTC、DNS泄露等代理典型特征 - 蜂窝节点需验证：请求发起端系统为安卓，与移动IP属性完全匹配

7.3 漏流检测验证

在L2网关抓包，确认无任何目标AI API的出站流量：

# L2节点执行，监控是否有直连AI API的流量
tcpdump -i eth0 dst host api.openai.com

正常情况下应无任何数据包，证明调度层完全不触碰真实API流量，A2A隔离架构生效。

7.4 蜂窝节点专项验证

# 验证默认路由走蜂窝网卡，而非管理网卡
ip route show default
# 预期输出：default via xxx dev wwan0 （蜂窝网卡名）

# 验证重拨换IP功能正常
# 调用iProxy/Coronium的重拨API，确认出口IP发生变更

八、最佳实践与避坑指南

8.1 架构合规性

1. 严禁打破角色边界：禁止为了省事让L2直接存储密钥调用API，否则整个隔离架构直接失效，退化为普通代理方案；
2. 禁止流量穿透：层间仅传任务数据，绝对不能配置网络层代理转发、全局路由；
3. 密钥最小化：单L3节点绑定≤3组密钥，固定IP-密钥对应关系，禁止跨节点频繁切换密钥。

8.2 风控优化

1. 行为拟人化必须在L3层实现：请求间隔随机化、每日离线窗口、并发数限制，调度层的频率控制无法替代执行层的行为拟合；
2. DNS属地化是强校验项：公共DNS是风控系统识别代理的核心特征之一，必须强制使用运营商原生DNS；
3. 节点分散部署：同区域多节点分散不同运营商、不同机房，避免集中部署被识别为集群；
4. 蜂窝节点慎用高频换IP：AI账号保活场景下，固定稳定IP的存活率远高于频繁重拨换IP，换IP仅用于IP被风控后的补救。

8.3 运维安全

1. 日志最小化：每层仅保留必要运维日志，禁止跨层同步，避免形成完整溯源链；
2. 证书定期轮换：mTLS证书、API密钥定期更换，降低泄露风险；
3. 多节点冗余：每个区域至少配置2个异构出口节点（如T-Mobile蜂窝+住宅宽带），L2自动故障切换，避免单点故障。

8.4 Mobile Proxy在AI场景的选型建议

1. 场景适配原则：
   • 高封禁平台（OpenAI、Anthropic、AstroBit）+ 核心密钥长期保活：优先选择独享蜂窝真机节点；
   • 区域本地模型、低风控场景、批量调用：选用住宅宽带节点控制成本。
2. 规模选型路径：
   • 验证/小规模使用：直接选用Coronium.io等商业化独享节点，按需租用，降低试错成本；
   • 中等规模自用：基于iProxy Online搭建小型真机集群，自行采购属地SIM卡托管，可控性更强；
   • 大规模部署：采用工业Modem + 3proxy/ProxySmart架构，配合机房托管，实现标准化集群运维。
3. 认知纠偏： Mobile Proxy并非跨境电商专属工具，其核心价值是「民用级网络指纹 + 低风控权重IP」，对于所有存在地域封禁、账号风控的在线服务（包括AI API、SaaS服务）均具备极高适用性，是个人分布式AI网络的核心出口技术，目前在AI圈层仍属认知红利期。

九、生态扩展与演进方向

9.1 与Hermes Agent深度集成

本架构可作为Hermes的分布式执行后端插件： - Hermes本地负责记忆、规划、工具调用、业务编排； - 所有外部大模型调用统一分发至全球属地执行节点； - 实现「本地大脑 + 全球执行」的分层架构，兼顾数据隐私与全球AI能力。

9.2 向标准A2A协议演进

随着A2A生态成熟，可逐步将层间通信迁移至标准A2A协议栈： - 引入标准Agent Card能力声明 - 支持任务生命周期管理与流式状态同步 - 接入公共A2A网络，实现节点能力的公开发现与共享

9.3 能力边界扩展

除AI API调用外，L3属地节点可基于Mobile Proxy的属地网络优势，扩展更多属地化能力： - 属地网页浏览、信息检索 - 属地平台自动化操作 - 属地数据采集与处理 最终形成通用的全球分布式Agent执行网络。

十、总结

本文提出的轻量级A2A分布式执行架构，从根本上跳出了「翻墙用AI」的网络层思维定式，将问题转化为「多智能体分布式协作」的架构问题；同时首次系统性将Mobile Proxy技术栈引入AI Agent执行场景，为属地出口层提供了成熟、可落地、高抗风控的落地方案。

对于Hermes社区而言，这不仅是一个解决地域限制的实用方案，更是个人构建分布式Agent生产力网络的基础架构。Mobile Proxy在AI领域的应用仍处早期，存在大量优化与创新空间，欢迎社区同好基于此方案进行二次开发、优化与扩展，共同探索个人级A2A网络的更多可能性。

Hermes中文社区技术组 本文为社区开放技术方案，欢迎转载与二次开发，请保留原出处

苏ICP备2026032215号-1 · 苏公网安备32011502013954号 · GCat · Digital Civilization Lab · ✉ meow@g-cat.cn