Agent开源项目集

更新时间：2026-06-06

一、深入学习（推荐精读）

二、项目集总览

2.1 教程类

系统化学习 Agent 开发的入门教程和教学项目。

2.2 Code Agent（代码/开发辅助场景）

专注于软件工程任务的 Agent，以代码生成、调试、部署为核心能力。

2.3 通用 Agent / Agent 产品

面向通用场景的完整 Agent 产品，强调长期运行、技能沉淀、多渠道路由。

2.4 Agent 应用开发框架

构建 Agent 所需的运行时、编排、工具调用等基础设施。

2.5 Agent Memory（记忆系统）

Agent 记忆与上下文管理的专项方案。

三、详细内容

3.1 LangGraph

仓库：github.com/langchain-ai/langgraph ｜ 33,966 ⭐ ｜ Python / JS

为什么值得深读：LangGraph 是当前生产级 Agent 编排的事实标准。StateGraph + checkpointing + interrupt/resume 定义了"有状态 Agent"的范式。Uber、JP Morgan、LinkedIn、Klarna 等在生产环境运行。LangSmith 提供完整的可观测 + Eval 体系。

核心学习点：

• 图编排：节点和边表达 agent 状态流转，支持条件分支和循环
• Checkpointing：任意步骤持久化，支持中断恢复和时间旅行
• Human-in-the-loop：interrupt() / resume() 实现人工审批节点
• 子图嵌套：主图调用子图，recursion_limit 传播与安全

推荐路线：Quick Start → StateGraph → Checkpointing → Interrupt → Streaming → 生产部署

3.2 Pi

仓库：github.com/earendil-works/pi ｜ 60,046 ⭐ ｜ TypeScript ｜ 226 releases

为什么值得深读：Pi 是激进极简主义的代表——整个 coding agent 仅 4 个内置工具（read/write/edit/bash），系统 prompt 极短，依赖模型自身 RL 训练而非冗长指令。Armin Ronacher（Flask 作者）主力维护，半年 226 个 release 迭代极快。TerminalBench 排名第二。

核心学习点：

• 极简内核：4 工具 + 短 prompt，看 agent 最小可行设计
• 热重载扩展：TypeScript 扩展运行时热加载，Agent 能自行修改扩展
• 模型无关：会话中途可切换 provider/model，不锁定生态
• Session 树：分支对话历史，支持 sub-agent 模式与完整可观测

推荐路线：README → pi-agent-core → pi-coding-agent → pi-ai → pi-tui

3.3 Mastra

仓库：github.com/mastra-ai/mastra ｜ 24,798 ⭐ ｜ TypeScript

为什么值得深读：Gatsby 团队出品，TypeScript 生态中最完整的 Agent 框架。内置 OpenTelemetry 可观测、工作流编排、Eval 体系，框架中立（不绑定特定 LLM）。适合前后端一体的 TS 全栈项目

核心学习点：

• 内置 OTel：Agent 可观测开箱即用，trace/span 自动采集
• Workflow 编排：步骤级依赖声明与并行执行
• Eval 体系：内置评估框架，解决 Agent 质量度量问题
• 框架中立：可切换 LLM provider，不锁定生态

推荐路线：Quick Start → Agents → Workflows → Observability → Eval

3.4 Hermes Agent

仓库：github.com/NousResearch/hermes-agent ｜ 182,120 ⭐ ｜ Python

为什么值得深读：目前最能代表"Agent 上限"的开源项目——长期运行、自我改进、技能自动沉淀。Gateway + Plugin 架构提供了记忆系统、技能发现、多 Agent 路由的完整方案。TencentDB Agent Memory 原生支持作为 Hermes 插件运行。

核心学习点：

• Gateway 架构：agent 能力的插件化注册与路由
• 技能沉淀：从执行轨迹中自动提炼可复用 Skill
• 长期记忆：跨会话的身份与知识保持
• 自我进化：基于反馈的持续改进闭环

推荐路线：README → Architecture → Gateway → Plugins → Memory → Skills

3.5 TencentDB Agent Memory

腾讯云数据库团队开源。让 Agent 沉淀经验，让人专注创造。

一句话定位：不是又一个"把对话 Embedding 存进向量库"的平庸方案，而是一个有明确分层设计哲学、可追溯、可调试、经过 Benchmark 验证的 Agent 记忆系统。

核心架构：

L3 Persona（用户画像）      ← 高层：把握偏好、风格
L2 Scenario（场景块）        ← 中层：同类场景归纳
L1 Atom（结构化事实）        ← 底层：离散的知识单元
L0 Conversation（原始对话）  ← 证据层：完整原文

• 纵向：L0→L3 语义金字塔，每层可沿链路下钻追溯，无不可逆摘要
• 横向：符号化短期记忆——工具日志卸载到文件系统，上下文仅保留 Mermaid 符号图谱（Token -61%，成功率 +51%）

技术栈：TypeScript / Node.js，本地 SQLite + sqlite-vec，支持 TCVDB 云端向量库

值得深入学习的点：

推荐阅读路线：README → src/core/prompts/ → src/core/record/ → src/core/scene/ → src/core/persona/ → src/core/store/ → src/core/hooks/

仓库：github.com/TencentCloud/TencentDB-Agent-Memory

3.6 Strands Agents

仓库：github.com/awslabs/strands-agents ｜ 6,004 ⭐ ｜ Python（TypeScript 预览） ｜ 62 releases ｜ Apache 2.0

为什么值得关注：AWS 官方出品的 AI Agent SDK，已内部用于 Amazon Q Developer 等生产场景。模型驱动设计（非图编排），以最少样板代码提供完整的 Agent 循环。一等 MCP 支持，可观测（OpenTelemetry）和安全（Hooks）开箱即用。

核心学习点：

• 模型驱动：声明式模型 + 工具定义，用指令而非代码定义行为，无显式图结构
• MCP 原生：对 Model Context Protocol 的集成是一等公民，开箱即用
• Hooks 安全：Agent 生命周期的拦截钩子（before/after tool call），实现审批/审计/改写
• OpenTelemetry：全链路可观测开箱即用，trace/span 自动采集
• 快速启动：最少 3 行代码跑通 Agent 循环

应该关注的点：

• Python SDK 较成熟，TypeScript 尚在预览阶段
• 模型驱动的上限：没有 LangGraph 的图编排灵活，复杂多步骤流程需要纯代码表达
• 缺少跨请求 Checkpointing：单次会话内状态管理完善，但长周期持久任务需外部编排
• 生态系统较新：从 2025-07 第一个 release，周边工具和社区资源仍在丰富中

推荐路线：Get Started （Notebook） → Agent → Tools → Hooks → MCP → Observability

与 Mastra 对比：