5.6 KiB
多智能体框架与运行时
AI Agent 多智能体 FastAPI RAG LLM Python
Agno 是什么？
Agno 是一个多智能体框架、运行时和控制平面。用它来构建在您的云端运行的私有、安全 AI 产品。
- 构建：具备记忆、知识库、护栏和 100+ 集成的智能体、团队与工作流。
- 运行：基于无状态 FastAPI 运行时的生产级部署，支持水平扩展。
- 管理：控制平面直连您的运行时，数据不离开您的环境。
为什么选择 Agno？
- 您的云，您的数据：完全运行在您的基础设施中，没有任何数据离开您的环境。
- 第一天就可用于生产：预构建的 FastAPI 运行时，包含 SSE 端点，随时可部署。
- 极致性能：比 LangGraph 快 529 倍，内存占用低 24 倍。
快速开始
从入门指南开始，然后：
资源
- 文档：docs.agno.com
- Cookbook：Cookbook
- 社区论坛：community.agno.com
- Discord：discord
示例
以下是一个智能体示例，它连接到 MCP 服务器，在数据库中管理对话状态，并通过 FastAPI 应用提供服务，可通过 AgentOS UI 进行交互。
from agno.agent import Agent
from agno.db.sqlite import SqliteDb
from agno.models.anthropic import Claude
from agno.os import AgentOS
from agno.tools.mcp import MCPTools
# ************* 创建智能体 *************
agno_agent = Agent(
name="Agno Agent",
model=Claude(id="claude-sonnet-4-5"),
# 为智能体添加数据库
db=SqliteDb(db_file="agno.db"),
# 为智能体添加 Agno MCP 服务器
tools=[MCPTools(transport="streamable-http", url="https://docs.agno.com/mcp")],
# 将历史会话记录添加到上下文
add_history_to_context=True,
markdown=True,
)
# ************* 创建 AgentOS *************
agent_os = AgentOS(agents=[agno_agent])
# 获取 AgentOS 的 FastAPI 应用
app = agent_os.get_app()
# ************* 运行 AgentOS *************
if __name__ == "__main__":
agent_os.serve(app="agno_agent:app", reload=True)
AgentOS - 多智能体系统的生产运行时
构建智能体很容易，将其作为安全、可扩展的服务运行却很难。AgentOS 通过提供高性能运行时来解决这一问题，用于在生产环境中提供多智能体系统服务。主要特性包括：
-
预构建 FastAPI 应用：AgentOS 包含一个即用型 FastAPI 应用，用于运行您的智能体、团队和工作流，为构建 AI 产品提供显著的先发优势。
-
集成控制平面：AgentOS UI 直接连接到您的运行时，让您可以实时测试、监控和管理系统，具备完整的运营可见性。
-
隐私优先设计：AgentOS 完全运行在您的云端，确保完整的数据隐私。数据不离开您的环境，非常适合注重安全的企业。
隐私优先设计
这是我们最重视的部分。
AgentOS 运行在您的云端。控制平面 UI 直接从您的浏览器连接到您的运行时。您的数据从不经过我们的服务器。无留存成本，无供应商锁定，无合规难题。
这不是隐私模式或企业附加功能，这就是 Agno 的工作方式。
功能特性
核心能力：
- 模型无关——支持 OpenAI、Anthropic、Google、本地模型等
- 通过
input_schema和output_schema实现类型安全的输入/输出 - 异步优先，专为长时间运行任务设计
- 原生多模态支持（文本、图像、音频、视频、文件）
记忆与知识：
- 会话历史和状态的持久化存储
- 跨会话持久化的用户记忆
- 支持 20+ 向量存储、混合搜索、重排序的智能体 RAG
- Culture——跨智能体的共享长期记忆
执行控制：
- 人在回路（确认、审批、覆盖）
- 用于验证和安全的护栏机制
- 智能体生命周期的前/后钩子
- 原生 MCP 和 A2A 支持
- 100+ 内置工具包
生产就绪：
- 即用型 FastAPI 运行时
- 集成控制平面 UI
- 准确性、性能、延迟评估
- 可恢复工作流的持久化执行
- RBAC 和按智能体权限管理
性能
我们对性能极度重视，因为智能体工作负载会生成数百个实例并运行长时间任务。无状态、水平可扩展性不是可选项。
基准测试（Apple M4 MacBook Pro，2025 年 10 月）：
| 指标 | Agno | LangGraph | PydanticAI | CrewAI |
|---|---|---|---|---|
| 实例化 | 3μs | 1,587μs（慢 529 倍） | 170μs（慢 57 倍） | 210μs（慢 70 倍） |
| 内存 | 6.6 KiB | 161 KiB（高 24 倍） | 29 KiB（高 4 倍） | 66 KiB（高 10 倍） |
自行运行基准测试：cookbook/12_evals/performance
IDE 集成
要启用 AI 辅助开发，将我们的文档添加到您的 IDE：
Cursor： 设置 → 索引与文档 → 添加 https://docs.agno.com/llms-full.txt
同样支持 VSCode、Windsurf 及其他支持 AI 的编辑器。
贡献
欢迎贡献代码。请参阅贡献指南。
遥测
Agno 会记录使用了哪些模型提供商，以便我们优先安排更新。可通过设置 AGNO_TELEMETRY=false 来禁用。