搜索归档

Agent Development Kit (ADK)：用 Python 构建、评估与部署 AI Agent 的代码优先框架

google/adk-python · An open-source, code-first Python toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control.

Agent Development Kit（ADK）是 Google 开源、代码优先的 Python 框架，用于以软件工程方式构建、评估和部署 AI Agent。它提供基于图的 Workflow 运行时（支持路由、扇出/扇入、循环、重试、状态管理、动态节点、人在环路和嵌套工作流）、结构化任务 API（多轮任务模式与单轮受控输出）、模块化多 Agent 组合、丰富的工具生态（预置工具、自定义函数、OpenAPI 规范、MCP 工具）、工具确认流程（HITL），并支持容器化部署到 Cloud Run 或 Vertex AI Agent Engine。框架针对 Gemini 优化，但模型无关、部署无关，也可通过 Agent Config 免代码构建 Agent，并配有开发 UI 用于测试、评估与调试。

deepagentsjs：开箱即用的 TypeScript 智能体框架

langchain-ai/deepagentsjs · The batteries included agent harness.

Deep Agents 是一个内置完整能力的智能体框架（agent harness），以 TypeScript 包 deepagents 形式发布。它把提示词、工具与上下文管理预先封装好，安装后即可运行一个可用的智能体，并按需定制。内置能力包括：用 write_todos 做任务拆解与进度跟踪的规划能力；read_file、write_file、edit_file、ls、glob、grep 等文件系统工具作为工作记忆；通过 task 派发子智能体以隔离上下文窗口；以及让这些工具开箱可用的默认提示词与中间件。框架与模型供应商无关，可配合支持工具调用的聊天模型使用；createDeepAgent 返回编译好的 LangGraph 图，因此可用流式、Studio、checkpointer 等 LangGraph 特性。支持通过传入 model、tools、systemPrompt 进行定制，并提供 deepagents、deepagents/browser、deepagents/node 等运行时入口。

Deep Agents：开箱即用的 Agent 运行框架（harness）

langchain-ai/deepagents · The batteries-included agent harness.

Deep Agents 是 LangChain 团队开源的一套「电池内置」型 Agent 运行框架（harness），提供开箱即用的智能体实现，同时允许对任意组件进行扩展、覆盖或替换。其设计面向长周期、多步骤任务，支持任何具备工具调用能力的模型（前沿闭源、开放权重或本地模型均可），并基于 LangGraph 构建，具备流式输出、持久化与检查点等能力，可通过 LangSmith 进行追踪、评测与部署。核心特性包括子智能体（隔离上下文窗口的任务委派）、文件系统读写编辑与搜索（可插拔本地/沙箱/远程后端）、上下文管理（长对话摘要、工具输出落盘）、Shell 访问、持久记忆、人工介入（工具调用前审批/编辑/拒绝）、按需加载的技能（Skills）以及自带函数或任意 MCP 服务器的工具集成。项目还提供 JS/TS 版本 deepagents.js 以及终端编码智能体 Deep Agents Code。

Agent Protocol：面向生产环境的 LLM Agent 框架无关 API 规范

langchain-ai/agent-protocol

Agent Protocol 是 LangChain 团队提出的规范，用于定义在生产环境中以框架无关方式对外提供 LLM Agent 服务所需的 API。规范围绕三类核心概念展开：Runs（执行 Agent 的接口，含无状态一次性运行 /runs/wait 与 /runs/stream）、Threads（组织多轮交互，支持持久化状态、历史版本、并发控制与 CRUD）、Store（长期记忆，支持命名空间、键值与搜索）。此外还定义了 Agent 自省接口、Message 消息规范以及面向线程的流式协议（SSE / WebSocket、命令、回放、工具生命周期事件等），并附有 OpenAPI 文档、JSON 规范、Python 服务端桩代码以及若干 Hurl 编写的使用旅程示例。

Workday 走向无头化，向外部 AI 智能体开放 HR 与财务数据

Workday 把自己的 HR 和财务数据平台「无头化」——简单说，就是不再只靠自家网页界面来用，而是开放接口给外部程序。以前开发者想接这些数据，常把数据复制到数据湖或用系统账号，结果绕过了权限检查，智能体可能看到不该看的信息、做不该做的操作。现在通过官方的 MCP 服务器、SQL 直查和共享运行时，智能体能以用户本人的身份运行，只能看到、操作该用户有权处理的内容。对开发者来说，可以在 Claude Code、Cursor 等工具里构建自己的 HR 和财务智能体；对企业来说，智能体仍受 Workday 的权限和审计约束。

Agent 干了活，审计日志却说不出是谁下的指令

CloudBolt 的首席客户官 Shawn Petty 和售前工程总监 Mike Bombard 在一次网络研讨会上，分享了他们对客户和潜在客户环境的检查结果：超过 20% 与 MCP 相关的访问策略要么失效要么缺失，多数情况下 MCP 服务器跑在某个人的私人令牌上，而不是服务账号。这带来的麻烦是出事后审计日志查不清责任：私人令牌会把某个工程师的名字写进日志，共享服务账号则只留下账号名，两种都说不准到底是谁下的指令、谁批准了这次访问。他们演示的做法是把 Agent 的活动对接到企业已有的身份提供商，限制 Agent 能碰哪些资源，再读出可追溯的审计记录。对用 Agent 操作云基础设施的团队来说，这提供了一个把 Agent 行为追责到具体人的思路；该研讨会需注册后参加，具体产品能力原文未说明。

受治理的软件工厂：Harness 与 Cosmos

Harness 和 Cosmos 想把软件开发变成一条受管控的“流水线”：Harness 负责把代码变更安全送进生产环境，并在构建、测试、安全和部署等环节留下证据；Cosmos 负责用事件触发并协调各种 AI 代理，按固定流程把规格变成 PR、把告警变成修复。过去企业担心自动化流程不可信、不可控，这次的做法是让代理只在受限制的容器里运行、令牌按次发放、策略不通过就不执行，变更失败还能自动回滚。对读者来说，这意味着未来更多重复性工程工作可由流程化代理完成，人只在关键检查点审批，但目前材料没有说明具体可用时间、价格或独立验证结果。

用 ScaleDown 与 Deep Agents 构建长时间运行的智能体

LangChain 把 ScaleDown 的专用小模型接进了 Deep Agents 和 LangChain 智能体框架里。原来长时间运行的智能体上下文会越堆越满，而用通用大模型去摘要历史、压缩工具结果又慢又贵。现在换成专门做单一任务的 ScaleDown 模型（摘要、压缩、抽取、分类），官方称这些窄任务上比前沿模型快 200 倍、便宜 467 倍，单次最多能读 100 万 token，还能直接处理图片和扫描 PDF。做智能体的开发者可以借此降低每次决策的成本和延迟，也可通过 LangSmith LLM Gateway 追踪调用和用量。

通过 harness 工程改进 Deep Agents

LangChain 给自家的编程智能体 Deep Agents CLI 换了一套围绕模型的“外骨架”（系统提示、工具和中间件），用来引导模型的能力。原来的做法缺少测试和验证，智能体常写完代码、自己看一遍就停下，导致成绩只有 52.8 分，排在 Terminal Bench 2.0 榜单 30 名开外。这次他们加了强制自检清单、注入目录与工具环境信息、以及时间预算提醒，还用追踪数据自动分析失败原因，成绩提升 13.7 分到 66.5 分，进入前五。对读者的意义是：不改模型本身，靠工程化外围设计也能明显提升智能体表现；不过其追踪分析技能尚未发布，仍在测试中。

Deep Agents 的上下文管理机制

LangChain 团队开源的 Deep Agents SDK 是一个帮开发者搭建 AI 智能体的工具包，这类智能体可以自己规划任务、派生子智能体、读写文件，去完成耗时很长的工作。问题是任务一长，对话内容就会超出模型能记住的容量，导致 AI「忘事」、表现变差。为此它用三招省内存：工具返回内容超过 2 万 token 就存到文件系统里，只留一个路径和前 10 行预览；上下文用到 85% 时，把旧的写文件操作替换成文件路径，不再重复占位置；再不够就把整段对话压缩成一份摘要，同时把原始记录完整存进文件系统，需要时再查回来。这样开发者能让 AI 长时间干活而不容易「失忆」。

开源模型已跨过临界点

LangChain 团队用 Deep Agents 测试框架跑了一批开放权重模型，发现 GLM-5 和 MiniMax M2.7 在文件操作、工具调用、指令遵循这些智能体核心任务上，已经和 Claude Opus 4.6、GPT-5.4 等闭源顶级模型打得差不多。过去用闭源大模型跑智能体，又贵又慢：每天输出 1000 万 token，Opus 4.6 大约要 250 美元，MiniMax M2.7 只要约 12 美元，一年差出近 8.7 万美元。开源模型还能跑在 Groq、Baseten 这类专门优化的推理服务上，延迟和吞吐都更好。不过这还只是早期评测结果，团队正在继续扩充测试集；普通用户暂时用不上，主要意义是给要做智能体产品的开发者一个更便宜、更快的选择。

Deep Agents Deploy：Claude Managed Agents 的开源替代方案

LangChain 今天发布了 Deep Agents Deploy 的测试版，它能让开发者用一条命令把自定义 AI 智能体部署到生产环境。此前，部署一个智能体需要自己搭建可扩展的服务器、为每次会话创建沙箱、再接通各种接口，步骤繁琐。这次它把这些打包成 `deepagents deploy`，你只需指定模型、指令文件、技能和工具配置即可上线，而且底层用的是开源、不绑定任何模型厂商的框架，所以智能体的记忆存在你自己的数据库里，换模型或换平台时不用从零开始。目前是 beta 测试版，记忆格式用 AGENTS.md 等标准文件保存，支持通过 API 直接查询。

LangChain 中的 MCP：无状态协议、elicitation 等更新

LangChain 把 MCP 支持搬进了主包，现在放在 langchain.mcp 里，不再需要单独安装 langchain-mcp-adapters。MCP 是一种让 AI 智能体调用外部工具的通用协议，过去每次调用都要先开一个会话、记住会话编号，服务器一重新部署，正在进行的会话就断了，运维起来很麻烦。新版 MCP 规范改成了“无状态”，所以 LangChain 顺势支持了工具列表缓存，以及 elicitation（工具执行中途反过来问用户问题，比如确认删除或补充缺失参数），并用 LangGraph 的 interrupt 来实现这种暂停和恢复。底层用的是 FastMCP，新旧两版协议的服务器都能连，旧的 MultiServerMCPClient 收敛成单个 MCPAdapter 类。对开发者来说，装个 langchain[mcp] 就能用，不过迁移细节和 elicitation 后续示例在文中被截断了，这部分信息未完整给出。

The Software Factory：面向软件开发生命周期的可调度确定性优先 Agent 舰队

PaulKinlan/agents · The Software Factory — 22 deterministic-first SDLC agents & skills for pi, Claude Code, and Antigravity

该项目提供 22 个软件开发生命周期（SDLC）Agent 与技能，可在本地既有开发会话认证（pi、Claude Code、Antigravity）下运行，也可在 GitHub Actions CI 中调度。整体采用确定性优先思路：先由 gitleaks、npm audit、HTMLParser 等静态扫描器枚举候选项与指标，再由 AI 模型做分诊、综合与判定，结果写入 Beads、GitHub Issues 或本地增量报告。项目包含安全漏洞发现、威胁建模、秘密扫描、现代 Web 与无障碍审计、性能与内存优化、测试等 Agent 线，并支持工厂线编排、Andon Cord 停机、指纹去重与状态机、人工保留合并控制点。

agent-go：单二进制无依赖的终端 AI Agent

dksslq/agent-go · agentlet

agent-go（Debian/Ubuntu 包名 agentlet）是一个用 Go 标准库编写的小型终端 AI Agent，单二进制、无第三方依赖、无 cgo。它连接 OpenAI 兼容的 Chat Completions API，通过 exec、image_read、memory_edit 三个工具实现程序执行、图片读取与语义记忆整理，支持交互式、单次任务和 stdin 管道三种运行方式，并支持会话增量日志的保存与恢复。

adshine skills：面向 Claude Code / Codex 的 Agent 技能合集

adshine/skills · Collection of agent skills (Claude Code / Codex). Each subdir is a self-contained SKILL.md.

这是一个 Agent 技能合集，适用于 Claude Code、Codex 及任何兼容 SKILL.md 的智能体。每个子目录是一个自包含技能，包含 SKILL.md 及辅助脚本，覆盖 iOS 模拟器会话隔离、视觉与交互 QA（布局度量、动效、点击手感、源还原度）、CLI/文件系统断言、全栈交互追踪、网站审计、设计系统搭建、破损视频修复、项目管理以及联系人二维码生成和 AI 图像生成等场景。仓库提供 git clone 或复制单个技能目录到 Agent 技能目录的安装方式。

opendray：自托管 AI 编程智能体网关，持久会话并支持多端与聊天渠道接入

Opendray/opendray · Self-hosted gateway for Claude Code, Codex, Antigravity, Grok Build, OpenCode. Run AI coding agents on your own infra with a shared local-first memory layer. Drive from web, mobile, Telegram / Slack / Discord / Feishu / DingTalk / WeCom. Open REST + WebSocket API. Apache 2.0.

opendray 是一个自托管的 AI 编程智能体网关，用于在你自己的主机（Mac mini、NAS、VPS 等）上运行 Claude Code、Codex、Antigravity、Grok Build、OpenCode 等编程 CLI，使会话在客户端断开、笔记本休眠或主机重启后依然保留。它提供 React Web 管理端、Flutter 移动端以及 Telegram、Slack、Discord、飞书、钉钉、企业微信等双向聊天渠道，支持多账号池化与在线切换、本地优先的跨会话记忆（ONNX/Ollama/LM Studio 嵌入）、项目数据库查看，以及带作用域密钥和调用审计的 REST + WebSocket API。项目以单个 Go 二进制形式交付，Apache 2.0 许可。

Apple Music DJ：基于真实听歌历史的 AI 歌单生成 Agent Skill

and3rn3t/apple-music-dj · AI Apple Music curator: playlists from your real listening history. Agent Skill for Claude Code and OpenClaw. Try the demo with no account.

Apple Music DJ 是一个面向 OpenClaw 与 Claude Code 的 Agent Skill，通过分析用户的 Apple Music 收听历史生成「品味 DNA」画像，并据此直接在 Apple Music 中创建个性化歌单。它支持 8 种歌单策略（深挖冷门曲目、情绪/活动匹配、趋势推荐、星座式探索、歌单刷新、相似歌手、年代怀旧、双人品味混合）、能量曲线排序、品味漂移分析、兼容度评分、每日单曲、演唱会准备、新发布雷达与 Cron 定时歌单等。项目默认只读，任何写入账户的操作都需先预览并显式确认；数据缓存在本地，也提供无需账号的演示模式与 Spotify 歌单导入功能。

Skill Forge (SKF)：将代码仓库与文档编译为可溯源、版本锁定的 AI Agent 技能

armelhbobdad/bmad-module-skill-forge · A standalone BMAD module that transforms code repositories, documentation websites, and developer discourse into agentskills.io-compliant, version-pinned, provenance-backed agent skills.

Skill Forge（SKF）是一个独立的 BMAD 模块，用 Python 实现，可将代码仓库、文档网站与开发者讨论内容转化为符合 agentskills.io 规范、按版本固定且带来源溯源的 agent 技能。每条指令都可回溯到固定 commit 的具体 file:line，或对应的文档 URL，并提供 provenance-map.json、测试与证据报告，便于在 60 秒内人工核验。技能按版本目录存储、可跨 Claude、Cursor、Copilot 等 agent 使用，并提供重命名、弃用、删除、导出等生命周期工具，还支持从文档单独生成技能（无公开代码的场景）。安装需 Node.js ≥ 22、Python ≥ 3.11 与 uv，通过 npx 安装后与 Ferris 智能体交互。

AIWG：为 Claude Code、Codex、Copilot、Cursor 等 AI 工具提供可复用的项目上下文与专家工作流

jmagly/aiwg · Reusable project context and specialist workflows for the AI tools you already use. Agents, skills, rules and MCP tools for Claude Code, Codex, Copilot, Cursor and more, plus SDLC workflows, session memory, and Jev decision support that offloads bounded LLM decisions to save tokens.

AIWG 是一套围绕现有 AI 编程工具（Claude Code、Codex、Copilot、Cursor 等 18 个具名 provider 及通用适配器）部署可复用项目上下文的框架。它把 agents、skills、commands、rules、behaviors、templates 等 Markdown/YAML 资产通过 `aiwg use` 部署到各 provider 读取的路径，实现一份来源多处复用；并提供持久化产物记忆（.aiwg/）、后台编排、自主循环、产物索引、成本遥测与健康诊断等可选工具，覆盖 SDLC 工作流、会话记忆以及把有界 LLM 决策卸载给 Jev 的决策支持。项目还提供可选的 AIWG Cockpit 与自托管 Agentic Sandbox 隔离执行器安装路径。