fix: 修复 agent 执行中断场景下 span 状态与输出丢失的 4 类问题

[weimch]

背景

修复 agent 执行中断/异常场景下链路追踪(span)状态错误与输出丢失的 4 类问题。

改动

1. invocation 初始化异常时 span 显示 unknown：trace_runner() 的 invocation_context 改为 Optional，初始化异常路径传入 None（此时 InvocationContext 尚未构造出来），依赖它的 runner.name 在 None 时跳过，其余业务属性照常写入；runner 初始化失败分支统一调用 trace_runner() 上报错误状态。

2. call_llm 模型调用错误被记录为成功：模型异常被 retry 层转成 LlmResponse(error_code=...) 后 trace 层未识别 error_code，span 误标成功；现补充检查 llm_response.error_code，标记 span 为失败。

3. 外部取消(asyncio.CancelledError)时根 span 仍显示成功且缺 partial：CancelledError 继承 BaseException 而非 Exception，漏过 except Exception；现单独捕获 CancelledError 标记 span 为错误，并累积已流式的 partial 文本，防止取消时已生成内容丢失。

4. GeneratorExit 时 agent_run 无部分输出：生成器关闭(aclose/break)触发的 GeneratorExit 分支现会累积并回填 partial 流式文本到 agent_action 中，避免已输出内容丢失。

影响

• 仅修改 trpc_agent_sdk 下 3 个文件：runners.py / telemetry/_trace.py / agents/_base_agent.py
• 行为变化：异常/取消/中断场景的 span 状态更准确，流式中断不再丢失已生成文本

[helloopenworld]

AI Code Review

发现的问题

⚠️ Warning

• trpc_agent_sdk/runners.py:671-688 与 trpc_agent_sdk/telemetry/_trace.py:159-164：中断时 partial_text 与 last_event 优先级不一致，多 agent/transfer 场景下抢救的 partial 文本仍会被丢弃

  • trace_runner 中 last_event 优先于 partial_text（if last_event ... elif partial_text），而 trace_cancellation 中 partial_text 优先于 last_event（见 tests/telemetry/test_trace.py:434）。当 agent A 产出非 partial 终止事件后 transfer 到 agent B，B 流式产出 partial 期间被 CancelledError/GeneratorExit 中断时，last_non_streaming_event 仍为 A 的事件，trace_partial_text（B 的 partial）被静默丢弃，与本次"不丢失已流式输出"的修复目标相悖。建议在 trace_runner 中与 trace_cancellation 保持一致：中断路径下 partial_text 优先，或当 trace_error_type 指示中断时优先取 partial_text。

• trpc_agent_sdk/runners.py:480：初始化阶段未捕获 asyncio.CancelledError，与主 try 块新增的中断处理不对称

  • 初始化 try 仅 except Exception，而 get_session/create_session/register_run 均 await，可能被外部 task.cancel()/wait_for 超时取消。此时 CancelledError 绕过该 except，既不走 trace_runner(invocation_context=None) 标错，也不进主 finally，导致 invocation span 无错误状态、cleanup_run 也不执行（若 register_run 已成功则泄漏注册）。本 PR 专门为主路径补了 CancelledError 分支，初始化路径应同样补一个 except asyncio.CancelledError 调用 trace_runner(..., invocation_context=None, error_type="CancelledError", ...) 后 raise。

• trpc_agent_sdk/telemetry/_trace.py:500-509：trace_call_llm 新增的 error_code 回退路径无测试覆盖

  • 新逻辑 effective_error_type = error_type or llm_response.error_code 改变了行为：retry 层吞掉异常并返回带 error_code 的 LlmResponse 时，现在 span 会被标为 ERROR。现有测试（tests/telemetry/test_trace.py:936）同时传入 error_type 和 error_code，未覆盖"仅 llm_response.error_code 有值、error_type=None"这一新触发路径，无法验证回退确实生效且 error.type 取值正确。建议补一条该场景的断言用例。

• trpc_agent_sdk/runners.py:671、trpc_agent_sdk/agents/_base_agent.py:328：新增 asyncio.CancelledError 分支及 partial 文本抢救逻辑缺少测试

  • 现有 tests/test_runner.py:310 与 tests/agents/test_base_agent.py:240 仅覆盖 GeneratorExit，新增的 CancelledError 分支（错误类型 CancelledError/AgentCancelledError、trace_partial_text/interrupted_partial_text 回填、[INTERRUPTED] 输出）无任何用例。建议补：流式 partial 后触发 CancelledError，断言 trace_runner 收到 error_type="CancelledError" 且 partial_text 非空、runner.output 以 [INTERRUPTED] 开头。

💡 Suggestion

• trpc_agent_sdk/runners.py:413-416：runner.name 在 span 起始处用 self.agent.name 预置，又在 trace_runner（invocation_context 非空时）用 invocation_context.agent.name 重设，正常路径下两次写入值相同属冗余；仅在 init 失败路径有实际意义。可将预置限定为 init 失败兜底（或加一行注释说明重设会覆盖），减少阅读时的"是否冲突"疑虑，长期维护更清晰。

总结

本 PR 修复了中断场景下 span 状态与流式输出丢失问题，方向正确且与现有 trace_cancellation/_build_interrupted_content 模式基本一致；无 Critical 阻塞问题。主要风险是中断处理覆盖不完整（多 agent transfer 下 partial 仍被丢弃、初始化阶段未处理 CancelledError）以及新增路径缺乏测试，建议合并前补齐。

测试建议

• 补充 CancelledError 中断用例：runner 与 base agent 各一条，流式产出 partial 后取消，断言 trace_runner/trace_agent 收到正确 error_type 且 partial_text/runner.output 含 [INTERRUPTED] 前缀的已流式文本。
• 补充 trace_call_llm 仅 llm_response.error_code 有值（error_type=None）的用例，断言 span 被标记为 ERROR 且 error.type 等于 error_code。
• 补充多 agent transfer 后中断用例，验证第二个 agent 的 partial 文本是否落入 trace（用于暴露上文 Warning 1）。