frameworks
图鉴
纵向：50 个开源框架的源码级深度分析，按设计范式分组、可下钻实现。
多智能体协作15
AG2
AutoGen 创始团队（Chi Wang / Qingyun Wu）从微软分叉并完全开源的"AgentOS"，以 可对话 Agent（ConversableAgent）+ 多 Agent 会话编排 为核心范式：所有 Agent 都能收发消息、用 LLM/工具/人类输入生成回
Agency Swarm
一个把多智能体系统类比成"真实公司组织架构"的 Python multi-agent 框架（v1.9.9）：你定义带角色（CEO/Developer/VA）的 Agent，用有向的 communication_flows（ceo > dev）声明谁能给谁发消息，框架据此自
AgentVerse
一个面向研究的 多智能体（multi-agent）仿真与协作框架（OpenBMB / ICLR 2024 论文配套实现），核心信条是"用 YAML 配置 + 可插拔规则组件描述一个多智能体环境"：同时提供 simulation（自定义环境观察 LLM 群体涌现行为，如
AutoGen
Microsoft 出品的事件驱动多智能体框架：底层 autogen-core 提供 actor 式消息传递（send / publish-subscribe）、agent runtime（单进程 / 分布式 / 跨 .NET-Python）与一套与 LLM provid
CrewAI
一个"从零自建、不依赖 LangChain"的 Python multi-agent 编排框架，核心隐喻是角色扮演的团队（Crew）：用 role/goal/backstory 定义 Agent，用 Task 描述工作，用 Process（sequential 顺序 / hi
hcom
"Hook your coding agents together"——一个单文件 Rust CLI，通过给各家编码 agent（Claude Code / Gemini CLI / Codex / OpenCode / Kilo / Pi / Antigravity / Curso
Hive
一个 目标驱动（Outcome-Driven）、自改进的多智能体 harness：用自然语言描述"想要的结果"，由 Queen（编码 agent）自动生成 graph-based 执行 DAG（节点 + 边 + 共享 buffer），运行时（runtime）负责状态持久化、崩
LoongFlow
百度出品的"专家级、会思考会学习的进化型 Agent 开发框架"：核心是 PES（Plan-Execute-Summary）思考范式 + 进化记忆，把"生成-重试 / 变异-选择"升级为"规划-执行-反思"的有向进化搜索，靠多岛 MAP-Elites + 自适应 Boltzm
Maestro
一个单文件、脚本式的 multi-agent 编排 demo：用强模型 (Claude Opus/Sonnet) 作 orchestrator 把目标拆成下一个子任务，派给弱模型 (Haiku/Sonnet) 子代理执行，循环到 orchestrator 宣布完成，最后再用强
MetaGPT
一个把"软件公司 SOP 标准作业流程"固化进多智能体协作的 Python 框架，信条是 Code = SOP(Team)：给不同 LLM 角色（产品经理/架构师/项目经理/工程师/数据分析师）分派职责，靠共享 Environment 消息池 + cause_by 订
Open Multi-Agent
一个 TypeScript-native 的多智能体编排框架，信条是 "From a goal to a task DAG, automatically"：一次 runTeam(team, goal) 调用，让临时 coordinator agent 用一次 LLM
PraisonAI
一个"开箱即生产"的多智能体框架（核心 SDK praisonaiagents），主打 Agent / Task / Process 三件套：单 agent 两行起步，多 agent 经 Agents 容器以 sequential / hierarchical / w
Swarm
OpenAI 出品的教学型极简多智能体编排库（核心仅约 300 行）：用"函数即工具 + 返回 Agent 即移交（handoff）"两个原语，演示轻量、人体工学的多 agent 协作。无状态、不为生产设计。
SwarmClaw
一个自托管的多 agent 编排运行时：在一个 Next.js + Electron 应用里跑自治 agent 群（swarm），用 heartbeats（心跳自驱）、schedules（定时）、delegation（委派给 Claude Code/Codex/Gemini
Swarms
企业级 Python 多智能体编排框架：以一个功能极重的 Agent（单文件 6400+ 行）为唯一原语，向上堆叠十余种可互换的 swarm 结构（Sequential / Concurrent / AgentRearrange / Graph / MixtureOfAg
单 Agent / 通用15
Aeon
一个"配置一次、永久遗忘"的自治单 agent 框架：没有自己的运行时内核，而是把 GitHub Actions cron 当调度器、把 Claude Code CLI（claude -p -）当推理引擎，靠一堆 SKILL.md 提示文件 + YAML 配置在无人值守下
Agentic Context Engine (ACE)
一个让 single-agent 从执行反馈中自我改进的 Python 框架：不微调、不训练、不要向量库，而是用 Agent / Reflector / SkillManager 三角色把每次执行的经验沉淀进一本可演化的 Skillbook（策略手册 = 自策展上下文）
AgentScope
阿里通义实验室出品的"为越来越 agentic 的 LLM 设计"的生产级 Python agent 框架；2.0 版围绕一个统一的、纯异步、事件流式的 ReAct Agent 重构，强调"靠模型自身的推理/工具能力而非死板 prompt 编排"，内置 Claude-Co
Ailoy
一个 Rust 内核 + 多语言绑定（Python / Node.js / 浏览器 WASM） 的 single-agent 框架，核心卖点是"AI 在哪都能跑"：通过内置 TVM 运行时（Vulkan/Metal/WebGPU）把开源模型（Qwen3）直接拉到本地 GP
ConnectOnion
一个"开箱即生产"的 Python single-agent 框架，信条是 "Keep simple things simple, make complicated things possible"：两行起一个 agent，普通 Python 函数即工具；同时把 Claude
Hermes Agent
Nous Research 出品的 "自我进化"个人 agent：单 agent 工具循环为内核，但卖点是一条闭环学习回路——它在复杂任务后自动从经验里创建/改写 skill、用后台 fork 自我审查并把"用户是谁"沉淀进持久记忆、用 FTS5 全文检索翻自己的历史
Lagent
InternLM 团队出品的轻量级 LLM agent 框架，借鉴 PyTorch 的设计哲学：Agent 就是一层"神经网络层"，开发者只需创建 layer 并定义 layer 间的消息传递（AgentMessage）。内核极薄——Agent 只负责 L
LangChain
一个分层的 LLM 应用 / agent 工程平台：底层 langchain-core 用 Runnable 协议把模型 / 工具 / 提示 / 检索器统一成可组合、可流式、可批处理的 LCEL 管道；上层 langchain(v1) 以 create_agent(
llm-agents
一个极简（几百行）的教学型 single-agent 库，受 LangChain 启发、刻意"从零手搓"，用纯文本 prompt 脚手架 + 正则解析复刻经典 ReAct（Thought / Action / Action Input / Observation）循环，目的是
Mastra
一个面向现代 TypeScript 全栈的 opinionated agent 框架（Y Combinator W25，Kepler Software 出品）：用 Agent（自主工具循环）+ 声明式 graph workflow（.then()/.branch()/.
nanobot
一个超轻量、可自托管的 Python single-agent 运行时：围绕一个小而可读的 agent loop（消息进入→LLM 决定是否调工具→拉取记忆/技能作为上下文→回写渠道），把长时运行 agent 真正需要的"实战零件"——WebUI、9+ 聊天渠道、工具、记忆、
smolagents
Hugging Face 出品的"极简内核"Python agent 库（核心逻辑约 1000 行），主打 CodeAct 范式——让 LLM 把动作写成 Python 代码而非 JSON 工具调用（CodeAgent），并配套 local/e2b/docker/moda
Strands Agents
AWS 出品的 model-driven（模型驱动） Python Agent SDK：几行代码就能起一个 agent，把"规划/工具选择/反思/何时停"全部交给底层模型在一个极简的 event loop 里自驱，框架本身只做模型抽象、工具调度、上下文管理与多智能体编排这些"
Transformers Agents
HuggingFace 在 transformers 库之上提供的"自然语言 API"：把一句指令交给 LLM，由它选择并调用一组 transformers/HF 工具（图像、语音、文本等）来完成多模态任务。是较早的 agent 化尝试，现已被独立项目 smolagents 取代
Upsonic
一个以"可靠性"为卖点的生产级 Python agent 框架（自我定位 "Agent Framework For Fintech"）：核心抽象是 Agent + Task，把单次 agent 执行拆成一条 24 步显式 pipeline，并在其中内置 rel
RAG · 数据为中心4
Agentset
一个 开源、生产级、模型无关的 RAG 平台（TS monorepo），把"摄取 → 切块 → 向量索引 → 混合检索 → 重排 → agentic 多轮检索/深度研究 → 带引用作答 → 托管/评估/计费"做成端到端流水线；核心不是"造一个 agent SDK"，而是用
Haystack
deepset 出品的 production-ready RAG & Agent 编排框架：核心是一套声明式 DAG Pipeline——任何标了 @component 的类（retriever / embedder / generator / ranker /
LlamaIndex
一个以"数据 / RAG"为中心的 Python 框架：把私有数据通过 reader→node_parser→index→retriever→query_engine 的管线接入 LLM，再把检索能力封装成 tool，由建立在自研 Workflow(事件驱动状态机) 之上的
vectara-agentic
一个构建在 LlamaIndex Agent 框架之上的 Agentic-RAG 库：核心卖点是把 Vectara 的检索/RAG 管线“一行代码封装成工具”（create_rag_tool / create_search_tool），再让 ReAct 或 Funct
平台 · 基础设施12
Agent-LLM (AGiXT)
AGiXT 是一个"重型 AI 自动化平台"而非轻量库：以 FastAPI 服务 + 多租户 SQL 数据库为底座，把 agent / provider / chain / memory / extension 全部做成可配置的服务端资源，自带 97+ 内置 extension（从
AgentDock
一个 TypeScript 编写、后端优先（backend-first）的开源生产级 agent 与 workflow 构建平台，核心信条是 configurable determinism（可配置确定性）：用统一的 node-based 架构（BaseNode
AgentField
面向 AI 后端的"生产基础设施"：一个 Kubernetes 风格的无状态 Go control plane + 多语言 SDK（Python/Go/TypeScript），把任意函数变成可被前端/后端/其他 agent/定时任务直接 curl 的 REST 端点；同时为每个
Astron Agent
科大讯飞开源的企业级、商业友好的 Agentic Workflow 开发平台（对应商用产品「讯飞星辰 / SuperAgent」），不是单包 SDK 而是一整套多语言微服务系统：React 控制台 + Java Spring Boot 后端 + 一组 Python/G
Botpress
Botpress 是一个企业级 chatbot/AI assistant 构建平台（Botpress Cloud + Studio 可视化 flows），本仓库是其开源 monorepo（CLI / SDK / Client / 集成 / 示例 bots）。其中真正的 age
Cordum
一个进程外的 AI Agent 治理控制面（Go 编写，CAP v2 协议）：在任意框架/模型的 agent 执行动作之前 拦截每一次工作请求，做声明式策略 enforcement（ALLOW/DENY/REQUIRE_APPROVAL/THROTTLE）、人工审批门、以
Cortex Memory
用 Rust 写的 AI-native 长期记忆基础设施（不是 agent 编排框架）：为任意 LLM 应用/agent 提供"提取 → 分层组织 → 向量检索 → 自动优化/遗忘"的完整记忆方案，以 cortex:// 虚拟文件系统做持久层、Qdrant 做语义检索，并
Dust
Dust 是一个面向企业工作场景的 AI Agent 构建与运营平台（不是库），采用 monorepo：front（Next.js + TypeScript，承载 agent/assistant 业务逻辑、MCP 工具生态、对话与编排）+ core（Rust 执行引擎
E2B
E2B 不是一个完整的 agent 框架，而是为 AI/LLM 生成代码提供的云端安全隔离沙箱运行时基础设施：用一行 Sandbox.create() 在云上拉起一个 Linux 微虚拟机，把 LLM 产出的代码/命令丢进去执行，再把文件系统、进程、PTY、git、网络出
Modus
Hypermode 出品的开源、serverless / WebAssembly 智能体与 AI 应用框架：用 Go 或 AssemblyScript 写普通导出函数，Modus 自动抽取元数据、编译为 WASM、缓存模块、按清单(manifest)注入模型与数据连接，并暴露
OpenClaw
一个"跑在你自己设备上的个人自治 AI 助手"——以 本地 Gateway 作为控制平面，把同一个 agent 接入你已经在用的 20+ 消息渠道（WhatsApp/Telegram/Slack/Discord/Signal/iMessage…），并用 cron 调度、心跳唤
Pilot Protocol
Pilot Protocol 不是 agent 框架，而是 agent 的网络基础设施：一套架在标准 UDP 之上的 overlay 网络栈，给每个 AI agent 一个永久的 48 位虚拟地址、端口、经认证加密的 UDP 隧道（X25519+Ed25519+AES-256
语音 · 多模态1
模型栈2
Llama Agentic System (llama-stack-apps)
Meta 官方的 Llama agentic 参考实现，已演进并改名为 llama-stack-apps：它本身是一组"客户端应用样例"，真正的 agentic 内核被下沉到 Llama Stack 这套标准化 API 平台——把 inference / safety
Semantic Kernel
微软出品的 model-agnostic 企业级 Agent SDK：核心是一个充当依赖注入容器的 Kernel，把 LLM 服务（connector）、工具（plugin/function）、过滤器、记忆/向量库统一挂在上面；在此之上提供 ChatCompletionAgent 单