EP引入网络边界分离系统与训练循环

架构：EP在系统与训练循环之间引入网络边界。无需将agent重写为Python类，而是使用轻量级RemoteRolloutProcessor发起训练rollout。

- EP向你的agent的HTTP端点发送任务。
- 你的agent正常执行（Vercel、K8s、本地）。
- 追踪和日志被流式传输回来。
- EP计算奖励并更新模型。这意味着你可以用Python TRL训练器训练TypeScript Vercel agent或@Klavis_AI MCP agent，尽可能复用你的代码。