Python Agent 框架

这个 pack 装了什么

这个包收齐了 五个 Python-first 的 agent 框架，按 GitHub star 和提交活跃度排序，每个都有足够的生产代码可以今天就用。每一个代表不同的设计哲学 —— 按问题形态选，不按品牌选。

故意把 LangGraph（多数 LangChain 栈默认带）和纯 JS 框架排除掉了。这五个覆盖的是 LangGraph StateGraph 太重时 Python 用户真正会挑的设计空间。

为什么「留在 Python」很重要

大多团队已经有 Python 数据栈 —— pandas、FastAPI、Postgres 驱动、ML 库。为一个功能切到 TypeScript 或 Go agent runtime 意味着把数据管道重写。这五个框架完全绕开这个：跑在你现有的 FastAPI 服务里，共享 venv，调用后端已经在用的 DB driver。

权衡形态：

• Phidata 最 Pythonic —— agent 是带工具方法的类，SQLAlchemy 味很浓。适合 agent 本身就是数据应用（仪表盘、内部工具）的场景
• AGiXT 是完整平台，带 UI、provider 抽象、chains、extensions。安装最重，开箱即用功能最多
• AutoGPT 是自主循环原型 —— 进目标，规划+执行+反思，重复。token 成本偏高，开发投入低
• OpenAI Swarm 最小 —— agent 之间通过 transfer_to_X() 函数互相转交。实验性，但路由心智模型最干净
• CrewAI 让你定义 Agent / Task / Crew 对象，明确角色，顺序或层级执行。适合「市场 → 审核 → 发布」这种流水线

一条命令装齐

# 装整个 pack，把依赖 + 示例 agent 放进项目
tokrepo install pack/python-agent-frameworks

# 或者只装一个
tokrepo install crewai
tokrepo install openai-swarm
tokrepo install autogpt

TokRepo CLI 拉取每个框架的 getting-started 模板，放在 agents/<框架>/，再把依赖加到 pyproject.toml 或 requirements.txt。接你真实 prompt 之前先 pytest agents/ 验证示例。

几个常见坑

• AutoGPT 别用在闭式任务，它的强项是开放式目标。「总结这个 PDF」会让它对着只有一步的问题循环反思烧 token
• Swarm 是实验性，不是生产级，OpenAI 是当作「设计模式」repo 在发。用它的路由模式，生产循环自己写或抄到维护中的 fork 里
• CrewAI 顺序模式会隐藏并行机会，两个任务没依赖就声明并行，否则顺序模式即使不需要也端到端跑
• Phidata 的存储层假设你用 Postgres，SQLite 本地开发能跑，但存储接口是围着 JSONB 设计的。线上版要规划真 Postgres
• AGiXT 更新快，小版本之间 schema 破坏过。生产上钉具体 tag，升级前先看 changelog

单这个 pack 不够时

如果你的问题是一个纯 Python 服务，这个 pack 够了。如果你有：

• Java/Spring 后端 → 看 多语言 Agent 框架 找 Spring AI 和 LangChain4j
• TypeScript edge function → 同一个 multilang pack 涵盖 Mastra
• 非 LLM 评估器作为门控 → 配 LLM 评测 & 护栏

也可以组合：Python 写 CrewAI 编排器，调 Java 的 Spring AI agent 做某个工具，上线前 Promptfoo 评估。这里的框架是 agent runtime，不指定你栈的其他部分。