拆解 awesome-ai-agents：122 个 AI Agent 开源项目全景深度解析
拆解 awesome-ai-agents：122 个 AI Agent 开源项目全景深度解析
数据说明：文中所有 star 数、归档状态、最近推送时间，都是我在 2026-08-31 用 GitHub API 逐个实测拉取的，不是抄的截图，也不是拍脑袋。清单本身会持续更新，具体数字请以仓库实时页面为准。分析对象是 NipunaRanasinghe/awesome-ai-agents 这份清单，它收录了 122 个仓库链接，外加 7 篇论文、若干社区和 Newsletter 资源。
之前写过一篇《2026 年 AI Agent 框架选型指南》，讲的是"大灭绝"之后主流框架的生存法则。这次换个角度：把 awesome-ai-agents 这张地图完整走一遍，122 个仓库逐个回答三个问题——它能做什么？什么场景下用？和同类比处在什么位置？
先说结论：这张清单最大的价值不是"收藏"，而是它无意中画出了一张 AI Agent 生态的分层地图。往下看你就明白为什么。
一、先看全景：生态其实是五层楼
清单把它收录的项目按用途分了十几个类目，但按"在整个技术栈里扮演什么角色"重新归位，会发现结构非常清晰：
协议在最底层做标准化，工具层负责让 agent 摸到真实世界，框架层提供编排抽象，垂直智能体解决具体行业问题，运维层负责让它活在生产环境里。清单里 122 个项目，每个都能在这五层里找到自己的位置。
先感受一下头部数据（Top 15，实测 star）：
| 排名 | 项目 | Stars | 一句话定位 |
|---|---|---|---|
| 1 | AutoGPT | 187k | 自主 agent 元年的开创者，现在转型低代码平台 |
| 2 | Firecrawl | 174k | 网页 → LLM 可用数据的抓取 API |
| 3 | LangChain | 145k | 从组件库进化成的"Agent 工程平台" |
| 4 | Browser Use | 112k | 让 LLM 直接操控浏览器的 Python 库 |
| 5 | Gemini CLI | 107k | Google 开源终端编码 agent |
| 6 | MCP Servers（官方） | 90k | MCP 参考服务器合集 |
| 7 | OpenHands | 86k | 全自主 AI 软件开发平台（前 OpenDevin） |
| 8 | DeerFlow | 81k | 字节开源的深度研究/长程任务 SuperAgent |
| 9 | Crawl4AI | 80k | 为 LLM 设计的开源爬虫 |
| 10 | Daytona | 72k | 跑 AI 生成代码的弹性沙箱基础设施 |
| 11 | MetaGPT | 70k | "AI 软件公司"多角色协作框架 |
| 12 | Cline | 67k | VS Code 里的自主编码 agent（现含 SDK/CLI） |
| 13 | AnythingLLM | 65k | 一体化本地 AI 应用（RAG + Agent + UI） |
| 14 | Mem0 | 64k | Agent 通用记忆层 |
| 15 | AutoGen | 61k | 微软多 agent 对话框架 |
注意一个反直觉的现象：star 最高的几个项目里，纯"框架"很少，大头是工具（Firecrawl、Crawl4AI）和编码 agent（Gemini CLI、OpenHands、Cline）。这个现象后面第七节展开。
二、核心框架层（40 个）：地基怎么选
清单"Core Frameworks"分类收了 40 个项目，从 18.7 万星的 AutoGPT 到个位数 star 的链上协议实验都有。我按梯队拆开讲。
2.1 第一梯队：11 个值得认真对待的框架
LangChain + LangGraph（145k / 41k，Python + TS 双语言）
LangChain 最早的标签是"LLM 应用组件库"，这两年定位明显变了——官方描述现在写的是"the agent engineering platform"。它现在的体系是三层：LangChain 负责高层抽象（agent、middleware），LangGraph 负底层的状态机编排，LangSmith/平台侧负责观测。LangGraph 是重点：把 agent 建模成带持久化的状态图，节点是函数，边是路由，原生支持 checkpoint、断点恢复、human-in-the-loop 和时间旅行调试。长流程、要容错、要审计的生产级 agent，它目前是 Python 生态里最稳的选择之一。代价是概念多、样板代码多，写个 hello world 也要理解 State、Node、Edge、Checkpointer 四件套。
CrewAI（58k）
角色扮演式多 agent 编排：定义有角色、目标、背景故事的 Agent，组成 Crew 分工协作，加上事件驱动的 Flows 做精确流程控制。上手极快，几十行代码就能跑一个"研究员+写手+审核员"的小团队，是给业务方演示多 agent 概念的最短路径。生产上要注意它的角色叙事是给人看的糖衣，执行层还是 LLM 调用编排，复杂协作场景的确定性要自己兜底。商业版走企业路线，全家桶含控制面板。
AutoGen（61k，微软）
学术界出身的多 agent 对话框架，核心抽象是"agent 之间互发消息直到任务完成"，GroupChat、代码执行、human proxy 这些设计影响了后来几乎所有框架。注意一个动向：微软已经宣布把 AutoGen 和 Semantic Kernel 的能力合流到新的 Microsoft Agent Framework，原仓库最近一次推送停在 2026 年 4 月——现在新项目直接上 AutoGen 需要想清楚迁移路径。它作为研究范式的地位毋庸置疑，作为新项目地基的时代可能正在翻篇。
Agno（42k，前 Phidata）
主打"快"和全栈：agent 运行时 + AgentOS 控制平面，内置记忆、知识库、工具、工作流，支持把 agent 部署成带 REST 接口的服务。适合想"一个框架解决从 demo 到部署"的团队。它的 AgentOS 概念（agent 的控制平面，管监控、配置、评估）代表了 2026 年框架层的一个明显趋势：框架不再只是个库，而是往运行时和平台长。
smolagents（29k，Hugging Face）
HF 出品的极简 agent 库，招牌是 CodeAgent：让 LLM 直接写 Python 代码作为行动（而不是 JSON 工具调用），官方 benchmarks 上代码行动比传统工具调用在推理效率上有明显优势。一千行左右的核心代码，五分钟读完抽象，天然兼容任意 HF 上的模型，也支持 MCP 和 E2B 沙箱。学习 agent 原理、做轻量原型的首选。要生产级的状态管理就得自己补。
OpenAI Agents SDK（29k）
OpenAI 官方轻量框架，四大原语：Agents（带指令的 LLM）、Handoffs（agent 间任务移交）、Guardrails（输入校验）、Sessions（会话管理），加上原生 tracing。虽然叫 OpenAI，实际通过 LiteLLM 支持 100 多家模型。它取代了早期的 Swarm 实验项目，也代表着 OpenAI 官方的 agent 形态主张——注意清单里另一个条目"OpenAI Assistants API"指向的 openai-python 仓库，Assistants API 本身已被官方宣布走向淘汰、被 Responses API 系列取代，选型时别把宝押在旧 API 上。
Google ADK（21k）
Google 的 Agent Development Kit，code-first 的 Python 工具包，强项是和 Google 云生态（Vertex AI、Gemini）的无缝集成、原生 A2A 协议支持、内置评估工具和多 agent 层级。如果你全家桶在 GCP 上，ADK 的顺滑度是外来的 LangChain 比不了的。
Mastra（28k，TypeScript）
TS 生态目前最完整的 agent 框架（Gatsby 创始团队出品）：工作流引擎（持久化、挂起恢复）、RAG、记忆、evals、MCP 支持，还自带本地 Playground。如果团队是 Node 栈、想避免 Python 跨语言调用，Mastra 基本是默认答案。
MetaGPT（70k）
"给 LLM 分配一家软件公司的岗位"：产品经理、架构师、工程师、QA 各司其职，按 SOP 流水线产出。研究范式的贡献巨大（"SOP 编码进 prompt"的思路影响了整个多 agent 领域），但作为生产工具偏重"一次性生成完整项目"的演示场景，仓库最近一次推送停在 2026 年 1 月，热度明显让位给了更工程化的方案。
AutoGPT（187k）
清单里 star 之王。2023 年它定义了"自主 agent"这个品类：给目标，自己拆任务、上网、写代码。三年过去，它自己也完成了转型——现在是低代码的 agent 平台（可视化搭建工作流的 AutoGPT Platform），早期"放出去自己跑"的纯自主形态反而成了历史。它的星数记录的是整个行业的注意力史。
Strands Agents SDK（7k，AWS）
亚马逊开源的"model-driven"agent SDK，理念是让模型自己驱动循环（prompt 里教它怎么调用工具即可），官方产品（如 Amazon Q）内部在用。背靠 AWS，主打生产可用性和可观测性集成，是这个梯队里上升势头最明显的新玩家。
2.2 九个框架横评：一张表看懂选型
| 框架 | 核心抽象 | 上手难度 | 多 agent | 状态/持久化 | 适合谁 |
|---|---|---|---|---|---|
| LangGraph | 状态图 + 检查点 | 较高 | 强（超图） | 原生最强 | 生产级长流程、强审计需求 |
| CrewAI | 角色 + 任务 + Flow | 低 | 强（叙事化） | 中 | 快速原型、业务演示 |
| AutoGen | 消息对话 | 中 | 强（群聊式） | 中 | 已有存量、研究验证 |
| Agno | Agent + 运行时 | 中 | 中 | 中强 | 全栈一体化倾向的团队 |
| smolagents | 代码即行动 | 低 | 弱 | 弱 | 学习、轻量原型、HF 生态 |
| OpenAI Agents SDK | 移交 + 护栏 | 低 | 中（handoff） | 中 | OpenAI 生态、中小规模 |
| Google ADK | 分层 agent 树 | 中 | 强 | 中强 | GCP 用户 |
| Mastra | 工作流 + 资源 | 中 | 中 | 强（TS） | Node/TS 团队 |
| Strands | 模型驱动循环 | 低 | 中 | 中 | AWS 用户 |
怎么读这张表：如果你的 agent 是"一次调用 3~5 个工具就完事"的短任务，选什么框架都行，挑顺眼的；如果任务链路长、中途会挂、需要人审和回放，LangGraph 这类带检查点的状态机抽象优势就出来了；如果核心诉求是"让不懂代码的业务同事搭工作流"，那 CrewAI 这类低门槛叙事化的更合适。
2.3 中腰部：各有绝活的一批
- CAMEL（18k）：角色扮演式多 agent 研究框架，学术贡献远大于工具属性，它是最早系统研究"两个 agent 互相配合完成任务"的项目，衍生出的 OWL 和大规模合成数据管线在研究圈很有名。做 agent 研究和合成数据生成值得看。
- ChatDev（34k，OpenBMB）：和 MetaGPT 同类的"虚拟软件公司"，2.0 版本强化了多 agent 协作流程。适合学术对比实验和教学演示。
- AgentVerse（5k）：多 agent 仿真环境，OpenBMB 系的研究配套，做群体行为模拟实验用。
- SuperAGI（18k）：2023 年明星项目，自带 GUI、工具市场、遥测的基础设施级 agent 平台。现在已经基本停更，是"自主 agent 平台"这一波退潮的标志性样本——它的架构文档今天仍值得读，代码别再当地基了。
- Agency Swarm（5k）：VRSEN（油管多 agent 教程主）出品，基于 OpenAI Assistants API 的角色编排，代码即文档的风格。教程生态是它的独特价值。
- AGiXT（3k）：老牌自适应自动化平台，链式指令、多 provider、持久记忆，社区驱动，功能全但复杂度也高。
- Upsonic（8k）：主打"可靠性层"：任务对象化、验证器/批评者角色、模型上下文协议支持。它对"agent 输出可信度"的工程化关注是差异点。
- PraisonAI（9k）：低代码多 agent + MCP + 工作流，Python/JS 双 SDK，宣传"微秒级启动"。本质是 LangGraph 式流程的一层易用封装，适合快速搭内部工具。
- LightAgent（1.2k）：轻量 Python 框架，记忆 + MCP/SSE + 流式 + LightSwarm 协作，中文文档友好，国内团队可以关注。
- PocketFlow（11k）：只有 100 行的极简框架，DAG 抽象，教学价值拉满——想真正理解"框架到底帮你做了什么"，读一遍 PocketFlow 源码比读十篇教程有用。
- KodeAgent（40 星）：极简 ReAct/CodeAct 引擎，带代码沙箱和可观测，star 很少但思路干净，适合当参考实现读。
- Neurolink（juspay，128 星）：多 provider 统一层，12+ LLM 接入，生产公司（juspay）背书的早期项目。
- LLMStack（2.3k）：无代码多 agent + 数据管道，拖拽式搭建，适合非程序员的内部工具场景。
- Composio（30k）：严格说不是框架，是"agent 的手和脚"——1000+ 预置工具集成（GitHub、Slack、Notion、Jira……），统一管认证和工具搜索，MCP 兼容。任何框架的 agent 要接 SaaS 工具，先用 Composio 可以省掉大量胶水代码。这一层正被 MCP 快速吃掉，但它的托管认证和工具搜索仍有独特价值。
- AgentField（2.5k）：把 agent 当微服务管的开源控制平面：路由、身份、内存、可观测。方向和 Agno AgentOS 类似，更偏基础设施。
- Agentset（2.1k）：生产级 agentic RAG 平台，混合检索 + 多模态，RAG 需求外包给它的话可以少写很多检索代码。
- Taskade（62 星 repo，SaaS）：AI 原生协作工作区 + agent 工作流，配套 Taskade MCP（163 星）把任务管理暴露给任意 agent。它代表"SaaS 产品化 agent"路线，和开源自建是两个世界。
2.4 早期实验田：star 不多，方向有意思
清单里混着一批 star 两位数甚至个位数的项目，按传统"awesome 清单"标准它们不够格，但方向值得记录：
- fractal（704 星）：层级化编码 agent 运行时——有界自主循环、递归委派、隔离的 Git worktree、SQLite 持久状态、运维者实时控制。它把"编码 agent 怎么安全地自主干活"工程化得相当细，git worktree 隔离这个设计尤其值得借鉴。
- Summoner（24 星）：agent 间通过长连 TCP 会话组网（Python/Rust），50+ 可运行模板，探索的是"去中心化 agent 网络"。
- Hivekeep（51 星）：单容器自托管"agent 团队"平台（Bun + SQLite），带 Web UI 和 TG/Slack/Discord 接入。
- Orkas（1.6k）：本地优先的多专家 agent 协作工作区。
- Agentlas OS（1.1k）：本地优先的"agent 操作系统"，主打可移植的 agent/团队打包、跨主机编排和验证门禁。
- Hivemoot Colony（4 星）：agent 民主自治实验——提案、投票、互审、合并全靠共识机制。
- OIXA（1 星）：跑在 Base 链上的 agent 经济市场协议，链上托管 + A2A 集成。
这批项目的共同点：都在回答"agent 有了之后，组织和治理怎么办"。现在下结论太早，但下一波叙事大概率从这里面长出来。
三、垂直智能体层：解决具体问题的选手
3.1 编码智能体（12 个）：最卷的赛道
按形态分四类看：
IDE 内置型
- Cline（67k）：VS Code 插件起家的自主编码 agent，现在有 SDK 和 CLI 三种形态。核心体验：计划/执行双模式、每一步人工审批、MCP 扩展、浏览器使用、检查点回滚。BYOK 模式自带 key 即可，是目前"插件型 agent"的事实标准之一。
- Gemini CLI（107k）：Google 开源的终端 agent，百万 token 上下文 + 免费额度给得非常大方，个人开发者几乎零成本上手。开源半年冲到十万星，靠的是"官方出品 + 免费够用"。
- Goose（54k，Block）：Block（Square 母公司）出品的可扩展 agent，MCP 优先设计，不只写代码，装依赖、跑测试、执行运维动作都行。企业内部大规模实践过的背景让它对"真实工作流"的理解比较深。
终端结伴型
- Aider（49k）：终端里的 AI 结对编程鼻祖级项目，git 深度集成（每个改动自动提交）、repo map 机制让它对大仓库的理解特别好，支持 100+ 模型。2026 年更新节奏明显放缓（最近推送 2026-05），社区有维护上的担忧，但存量用户和设计思想（尤其是 repo map 和 git 纪律）影响力仍在。
全自主平台型
- OpenHands（86k，前 OpenDevin）：开源自主开发 agent 平台，沙箱运行时 + 事件流架构，LLM 无关（LiteLLM），在 SWE-bench 类基准上长期处于开源第一梯队。给一个 issue 让它自己干到 PR，就是它的目标场景。有云版也有自托管。
- SWE-agent（20k，普林斯顿）：和 SWE-bench 基准同源的研究项目，贡献了"Agent-Computer Interface"这个重要概念——给 agent 设计一个顺手的命令行接口，比换更强的模型更能提升表现。学术价值标杆。
- Plandex（16k）：终端里的"大型任务"编码引擎，长任务先拆计划再逐块执行、沙箱分支、失败自动重试，对"改不动的大活"有独特设计。
- AgenticSeek（27k）：完全本地的自主 agent（浏览器 + 编码），卖点是"零 API 成本、数据不出本机"，是 Manus 的本地平替方向上最受关注的项目。本地小模型的能力上限决定了它的实际效果，但隐私场景刚需。
应用生成器型
- GPT Pilot（34k，Pythagora）：从零生成完整应用的"AI 开发者"，强调分步生成 + 人审。项目已商业化为 Pythagora 产品线，开源版更新放缓。
- bolt.diy（20k）：bolt.new 的开源社区分支，浏览器里跑 WebContainer 直接生成并运行全栈 Web 应用，支持 19+ 模型商。教学、原型、demo 场景体验极佳。
- Devika（20k）：早期的开源"Devin 平替"，设计文档一度很火，实际完成度有限，现在基本停更——又一个"2023 愿景、2026 现实"的样本。
已归档：microsoft/TaskWeaver（6k，代码优先的数据分析 agent，2026 年归档）。做数据分析 agent 的可以读它的设计，别再投入了。
编码 agent 怎么选？我的实际体感：日常写代码，IDE 型（Cline）和终端型（Gemini CLI/Aider）二选一，看你更依赖编辑器还是命令行；给整个 issue 自主交付，用 OpenHands 这类平台型，但要配好沙箱和 review 流程；内部工具做"自然语言生成应用"的演示，bolt.diy 出效果最快。
3.2 研究智能体（9 个）
三大主力对比：
| GPT Researcher（29k） | Storm（31k，斯坦福） | DeerFlow（81k，字节） | |
|---|---|---|---|
| 核心思路 | 规划 agent + 执行 agent 并行研究 | 多视角提问 + 知识策划 | 长程 SuperAgent 架构 |
| 产出 | 带引用的研究报告 | 维基百科式长文 | 报告/代码/多形态产出 |
| 风格 | 工程实用，开箱即用 | 学术严谨，引用质量高 | 平台化野心，human-in-the-loop |
| 现状 | Tavily 公司持续维护 | 更新放缓（最近推送 2025-09） | 高速进化，已超"研究"范畴 |
- GPT Researcher：最"拿来就用"的自动研究报告 agent，规划者拆子问题、执行者并行抓取、聚合出带引用的报告，背后是做 Tavily 搜索 API 的团队。要给产品加"自动研究报告"功能，从它开始改最省事。
- Storm：斯坦福的知识策划系统，核心创新是"多视角提问"——模拟不同背景的编者从多个角度向话题专家提问，再综合成文，引用密度是三个里最高的。Co-STORM 还扩展成了多人协作讨论模式。适合对内容质量和出处要求高的场景。学术项目节奏，工程化程度一般。
- DeerFlow：字节开源，从"深度研究框架"一路进化成现在描述的"长程 SuperAgent harness"——研究、编码、创作都能干，带沙箱、记忆、工具、子代理和消息网关。8 万星说明它踩中了开源社区的需求。如果你的需求是"一个能长时间干活的研究型助手"，它是目前开源里最完整的参考实现。
学术向小项目（都是早期作品，看方向）：Dr. Claw（1k，本地科研工作流：调研→选题→实验→发表→推广五阶段）、Caesar（7 星，边探索边建知识图谱 + 对抗式综合改稿）、Agon（44 星，"提示经济"角色复用编排：科学家/程序员/审计员循环）、P2PCLAW（44 星，去中心化 P2P 科研 agent 集群）、CAJAL（20 星，按 IMRaD 结构生成本地科学论文）、AutoNumerics（3 星，自然语言生成偏微分方程数值求解器并自动验证）。star 都不高，但"科研全流程自动化"这个方向上的多样性很能说明问题。
3.3 创意智能体（2 个）
- ShortGPT（8k）：短视频自动生成框架，脚本撰写、配音（TTS）、素材匹配、时间线剪辑全流程自动化。做批量内容矩阵的会感兴趣。
- AI-town（10k，a16z）：虚拟小镇，AI 角色带记忆和社交关系实时互动，基于 Convex + PixiJS。技术上是"生成式 agent 模拟"（斯坦福 generative agents 论文的工程化），可玩性高，也是游戏 NPC 和社交模拟的入门参考。
3.4 浏览器与桌面操作（10 个）：五条技术路线
这个类别是理解 2026 年 agent 落地的关键，因为"让 AI 操作电脑"是最直接的通用劳动力想象。五个流派：
路线一：DOM 库（给 LLM 一双操作网页的手）
- Browser Use（112k）：把网页转成 LLM 可读的结构 + Playwright 动作集，LLM 自己决定点哪、填什么。Python 几行代码起步，视觉 + DOM 混合定位，是目前这个领域引用量最高的开源库，无数 agent 框架把它当默认浏览器后端。
路线二：确定性框架（代码为主，AI 兜底）
- Stagehand（24k，Browserbase）：TS 框架，在 Playwright 之上加了 act/extract/observe 三个 AI 原语——常规步骤写死代码保证确定性，搞不定的步骤交给 AI，失败还能自愈。工程团队最爱这种"AI 是调味料不是主菜"的哲学。
- Playwright MCP（37k，微软）：把 Playwright 通过 MCP 协议暴露给任意 agent，亮点是基于无障碍树（accessibility tree）而非截图，速度快、token 省、可复现。Cline、Copilot 等大量工具的浏览器能力都接的它。如果只想给现有 agent 添浏览器技能，这是最轻的路。
路线三：视觉工作流（不写代码，描述任务即可）
- Skyvern（23k）：LLM + 计算机视觉直接操作浏览器完成工作流，不依赖站点特定的选择器，见过的没见过的网站都能试。适合批量表单、投标、政务流程这类"网站不归你控制"的自动化。
路线四：原生 GUI（跳出浏览器，操作整个桌面）
- UI-TARS Desktop（39k，字节）：基于字节自研 UI-TARS 视觉模型的原生应用 agent，自然语言指挥它操作桌面和浏览器。配套的 Agent TARS 框架把"GUI 理解"做成了完整技术栈。
- Agent S（12k，Simular）：桌面 GUI agent 开源框架，层级化规划和 Agent-Computer Interface 设计，在 OSWorld 等桌面操作基准上成绩领先。学术和工业两边都认。
路线五：浏览器扩展（轻量、贴身）
- NanoBrowser（14k）：Chrome 扩展形态的多 agent 浏览助手（规划器 + 导航器 + 验证器），自带 key 就能用，适合个人日常提效。
- Xquik（191 星）：X/Twitter 的数据与动作 API（REST/MCP/Webhook），给 agent 提供搜索、监控、发帖能力，垂直数据源方向的小而美。
数据获取双雄（严格说是"给 agent 供料"的基础设施）：
- Firecrawl（174k）：网页 → LLM 友好 markdown/结构化数据，现在定位是"context API"——搜索、抓取、交互一体。清单里 star 第二高，说明"给 LLM 供干净数据"是何等刚需。开源可自托管，云 API 免运维。
- Crawl4AI（80k）：开源 LLM 友好爬虫，异步、可定制、深度整合 RAG 场景。和 Firecrawl 的区别：Crawl4AI 是纯开源库、自己部署自己玩；Firecrawl 开源核 + 商业云，省心但要钱。自建数据管道选 Crawl4AI，快速集成选 Firecrawl。
3.5 语音智能体（3 个）
- Pipecat（15k，Daily）：实时语音/多模态对话 agent 的 Python 框架，管道式编排 STT→LLM→TTS，传输层无关（WebRTC/WebSocket/电话），服务随便换。做语音助手从它开始搭最快。
- LiveKit Agents（14k）：WebRTC 基础设施公司 LiveKit 出品，天然强在传输和会议/电话场景（SIP 接电话），job 派发模型适合大规模并发语音 agent。要打电话、开会的选它。
- TEN Framework（11k，Agora）：组件化（扩展机制）实时会话框架，多模态，和 Agora RTC 深度绑定。做嵌入式/会议硬件方向的可以看。
一句话选型：快速验证用 Pipecat，生产电话/会议级用 LiveKit，硬件集成看 TEN。
3.6 语言绑定生态（11 个）
框架层这场仗，本质是"哪个语言生态的工程能力"在打：
| 项目 | 语言 | Stars | 现状点评 |
|---|---|---|---|
| Semantic Kernel | C#/.NET | 29k | 微软企业系主力，正与 AutoGen 合流入 Agent Framework |
| Haystack | Python | 26k | deepset 出品，2.x 管道组件化，RAG 生产系统老牌劲旅 |
| LangChain.js | TS | 18k | JS 生态组件库，配 LangGraph.js 用 |
| LangChain4j | Java | 13k | Java 生态事实标准之一，Quarkus/Spring 集成好 |
| LlamaIndexTS | TS | 3k | 已归档，JS 用户转向 Mastra 或 LangChain.js |
| LangChainGo | Go | 10k | Go 生态的编排选择，功能子集 |
| LangChain.rb | Ruby | 2k | Ruby 生态补位 |
| TypeChat | TS | 9k | 微软"用 TS 类型约束 LLM 输出"的实验，思路已融进各框架的 structured output |
| Swarms-rs | Rust | 176 | Rust 集群编排，超早期 |
| AnythingLLM | JS | 65k | 严格说不是语言绑定，是一体化应用：桌面/Docker 一键起，RAG + Agent + 多用户，本地优先（Ollama 友好），是"不想写代码用上 agent"的首选 |
企业技术栈选型规律很直白：.NET 用 Semantic Kernel，Java 用 LangChain4j，Python 随便挑（生态最厚），TS 用 Mastra/LangChain.js。跨语言团队要特别小心"各语言各搞一套"导致的 agent 定义分裂——这也是为什么协议层（见 4.6）越来越重要。
四、AgentOps 运维层：从 demo 到生产之间隔着这 28 个项目
demo 和生产的区别是什么？demo 一次成功就是成功；生产要考虑 agent 记不住用户、跑了三小时花了几十刀、没人知道它哪步出的错、输出把用户隐私吐出去了。这一层的项目都在解决这些问题。
4.1 记忆（6 个）
- Mem0（64k）：通用记忆层。它的核心不是"存"而是"管"——从对话里抽取事实、与旧记忆冲突检测、合并更新、按需检索，还有图谱记忆（实体关系）。SDK 两行代码接入，云版全托管。目前"给现有 agent 加记忆"的最短路径。
- Letta（24k，前 MemGPT）：MemGPT 论文的工程化，操作系统式分页记忆（主上下文 + 外部存储自动换页），agent 能自己编辑自己的记忆，还有"睡眠时计算"（agent 闲时自我整理）。它做的是"有状态 agent 服务器"这个更完整的品类，不止是个库。
- Chroma（29k）：嵌入式友好的向量数据库，API 简单到离谱，现在是"AI 搜索基础设施"定位。原型和小中型 RAG 的默认起点。
- Weaviate（17k）：面向规模的向量数据库，混合检索（向量 + 关键词）、模块化量化器、多租户，生产级 RAG 老牌选手。
- Tree-Ring Memory（15 星）：本地优先的记忆 CLI/TUI，做召回、遗忘、审计、合并——"遗忘权"和记忆审计这个切入点很新。
- Portable Handoff（21 星）：在多个编码 agent 工具间交接会话上下文的本地 CLI，mini 但方向实用。
选型直觉：要"记用户聊过什么"用 Mem0；要做"越用越懂你的长命 agent"研究 Letta；底层向量检索 Chroma（轻）/ Weaviate（重）。别把 Mem0 和 Chroma 对立起来——一个管记忆的"语义与生命周期"，一个管向量的"存与查"，经常一起用。
4.2 评测（6 个）
- AgentBench（4k，清华）：多环境 agent 基准（操作系统、数据库、网页、游戏等 8 个环境），学术测评的标准引用物之一。
- Agent Evaluation（371 星，AWS Labs）：用"虚拟环境"概念测试 agent 的自然语言测试框架，把 pytest 思路带进 agent 评测。
- Simple Evals（5k，OpenAI）：OpenAI 官方轻量评测库，模型能力基准测试的参考实现。
- LangTrace（1.2k）/ agenttrace（127 星）/ ax（104 星）：三个小工具分别盯 LLM 追踪可视化、编码 agent 会话的成本/延迟/失败率、以及本地证据图谱。这一层的共同主题是"你的 agent 每天花了几块钱、死在哪一步"——量小但痛点真实。
4.3 可观测性（5 个）
| Langfuse（34k） | Phoenix（11k，Arize） | Helicone（6k） | OpenLLMetry（7k，Traceloop） | Laminar（3k） | |
|---|---|---|---|---|---|
| 接入方式 | SDK（框架级集成广） | OTel 原生 | 网关代理（一行代码） | OTel 仪表化库 | SDK + Rust 摄入 |
| 强项 | 全功能平台：追踪+评估+提示管理+数据集 | OTel 生态兼容、实验评估框架 | 成本/用量/缓存/限流 | 标准化 span 语义 | 轻快、trace + eval 一体 |
| 部署 | 自托管/云 | 自托管/云 | 自托管/云 | 接任意 OTel 后端 | 自托管/云 |
选型口诀：要"平台开箱即用"选 Langfuse（社区最活跃）；已是 OpenTelemetry 重度用户选 Phoenix 或 OpenLLMetry（观测规范统一进现有体系）；只想知道"花多少钱、谁花的"套个网关用 Helicone；追求轻量自托管看 Laminar。
4.4 部署与沙箱（4 个）
- E2B（14k）：Firecracker 微虚拟机沙箱，让 agent 生成的代码在隔离环境里安全执行，Python/JS SDK，百毫秒级启动。做代码解释器、数据分析 agent、coding agent 的标准底座。
- Daytona（72k）：定位"跑 AI 生成代码的弹性基础设施"，沙箱创建速度和规模弹性是卖点，SDK 干净。清单里 star 第六高的项目，说明"agent 需要安全执行环境"已经是共识级需求。
- Modal（client 511 星，公司是大公司）：通用 serverless GPU 平台，装饰器一把梭，训练推理批处理都行。agent 的重计算环节放 Modal 上弹性跑是常见架构。注意它开源的只是 client，平台本身是商业服务。
- OctoAI（条目已失效）：原推理基础设施公司 2024 年被 NVIDIA 收购，清单里的链接如今指向一个不相干的"分析操作系统"项目——这个条目已经死了，详见第七节"清单腐烂"。
4.5 安全与治理（7 个）：三层防线
第一层：输入输出过滤（防御性编程）
- Presidio（11k，微软系）：PII（个人身份信息）检测/脱敏/匿名化，文本图像结构化数据都行，NLP + 规则双引擎，企业数据合规的成熟件。
- LLM Guard（3k）：提示与输出的双向安检机（注入检测、敏感信息、毒性），2026 年归档了，思路被后续项目继承。
- Polaxis（2 星）：执行前防火墙，七层威胁检测 + 支出控制，超早期但"给 agent 的操作设预算上限"这个点切得准。
第二层：行为护栏（运行时约束）
- NeMo Guardrails（7k，NVIDIA）：Colang 语言编程对话轨：话题范围、安全边界、拒答策略，对话级控制最成熟。
- Guardrails AI（7k）：输出校验框架，结构/类型/内容不合规就自动纠正或重试，"rail"生态可插拔。
- Agent Governance Toolkit（6k，微软）：自主 agent 的治理套件——策略执行、零信任身份、执行沙箱，把"agent 作为数字员工的身份与权限管理"正式提上日程。
第三层：主动攻击测试（红队思维）
- Garak（9k，NVIDIA）：LLM 漏洞扫描器，probe 模式穷举提示注入、数据泄漏、幻觉、越狱，名字取自星际迷航里那个"什么都会解码"的 Garak。上线前先扫一遍，是 2026 年做 agent 的基本礼仪。
4.6 协议（4 个）：唯一确定性的主线
- MCP（Model Context Protocol，9k 规范 + 90k 官方服务器合集）：Anthropic 2024 年底开源的"agent 连接工具与数据"的标准协议，JSON-RPC 之上的工具/资源/提示三原语，加采样和根目录等能力。OpenAI、Google、主流 IDE 全部跟进，两年内成了事实标准。它解决的是 M×N 集成爆炸：M 个 agent 框架对接 N 个工具，从 M×N 变成 M+N。官方 servers 合集（Filesystem、Git、GitHub、Slack、Postgres……）是现成的轮子库。
- A2A（Agent2Agent，26k）：Google 发起、捐给 Linux 基金会的"agent 之间互联"协议，Agent Card 自我介绍、任务生命周期、不透明协作（各 agent 内部实现互不干涉）。和 MCP 是互补关系：MCP 管"agent ↔ 工具"，A2A 管"agent ↔ agent"。跨框架、跨厂商的 agent 协作（比如你的 LangGraph agent 调用别家的 Claude agent）就靠这类协议。
- FastMCP（27k，PrefectHQ）：Python 写 MCP 服务器的标准方式，装饰器一把梭，从"参考实现的简化版"长成了社区事实标准。写 MCP server，闭眼选它。
理解这一层的意义：框架会死，协议会长存。2023 年你押的框架可能已经停更（SuperAGI），2024 年押的协议（MCP）现在无处不在。把系统的可迁移性建立在协议上，把效率建立在当下最好的框架上。
五、研究资源、基准与社区
7 篇论文速览（清单收录，agent 研究的主干文献线）：
| 论文 | 主题 |
|---|---|
| The Rise of LLM-Based Agents | LLM agent 综述，入门第一篇 |
| Tool Learning with Foundation Models | 工具学习范式，工具调用的理论源头 |
| Multi-Agent Collaboration | 多 agent 协作的机制与挑战 |
| LLM based Multi-Agents | 多 agent 进展与挑战综述 |
| Agentic AI Systems | agentic AI 系统的组件与应用 |
| A Survey on LLM-based Autonomous Agents | 自主 agent 专题综述 |
| OptimAI | 四 agent 管线 + 赌臂调度，把优化问题翻译成求解器代码 |
3 个基准：ToolBench（6k，API 工具调用基准，ToolLLM 配套）、SOTOPIA-π（85 星，多 agent 社交智能基准，微调方向）、PerspectiveGap（3 星，多 agent 编排提示词基准，110 场景 × 10 拓扑——"编排提示词也有 benchmark"本身就是个信号）。
社区与资讯：LangChain Discord、AutoGen Discussions、AgentOps Discord、Letta Discord，加上 DeepLearning.AI 的 The Batch 周报。清单在这块比较薄，实际跟进生态建议再加 Twitter/X 的 agent 圈和各项目 changelog。
六、横向选型决策表：按场景直接查
最后把 122 个项目收拢成一张"场景 → 首选 → 备选"表：
| 你的场景 | 首选 | 备选 |
|---|---|---|
| 给应用加个能用工具的 agent（Python，快） | OpenAI Agents SDK | smolagents / Agno |
| 生产级长流程、要检查点和人审 | LangGraph | Google ADK / Mastra(TS) |
| 业务同事要参与编排、快速演示 | CrewAI | LLMStack（无代码） |
| 企业 .NET / Java 技术栈 | Semantic Kernel / LangChain4j | — |
| 不写代码、本地跑一个全能 AI 工作台 | AnythingLLM | Hivekeep（自托管团队） |
| 日常编码助手 | Cline（IDE）/ Gemini CLI（终端，免费额度大） | Aider / Goose |
| 整个 issue 交给 agent 自主交付 | OpenHands | SWE-agent（研究向） |
| 完全本地、数据不出机器 | AgenticSeek | — |
| 自动生成研究报告 | GPT Researcher（工程）/ Storm（严谨） | DeerFlow（平台化） |
| 长程多技能 agent（研究+编码+创作） | DeerFlow | — |
| 给 agent 添加浏览器操作 | Browser Use（Python）/ Stagehand（TS） | Playwright MCP（最轻） |
| 无人值守批量网页工作流 | Skyvern | — |
| 桌面 GUI 自动化 | UI-TARS Desktop | Agent S |
| 网页转 LLM 数据 | Firecrawl（省心）/ Crawl4AI（自建） | — |
| 实时语音助手 | Pipecat | LiveKit Agents（电话/会议） |
| agent 记忆 | Mem0 | Letta（有状态服务器） |
| 向量检索底座 | Chroma（轻）/ Weaviate（重） | — |
| LLM 可观测平台 | Langfuse | Phoenix（OTel 系） |
| agent 代码安全执行 | E2B | Daytona / Modal（重计算） |
| 输出合规护栏 | NeMo Guardrails（对话）/ Guardrails AI（结构） | Presidio（PII）/ Garak（攻击测试） |
| 工具集成 | Composio | MCP + FastMCP（自建） |
| agent 互联 | A2A | Summoner（实验性组网） |
七、从 122 个数据点看生态：五个观察
观察一：工具层比框架层更"值钱"。 star 前十名里工具和基础设施占了大半（Firecrawl 174k、Browser Use 112k、Crawl4AI 80k、Daytona 72k）。框架解决的是"怎么编排"，工具解决的是"能不能摸到真实世界"。模型越强，编排越不值钱，工具越值钱——因为强模型对编排抽象的需求在下降，对干净上下文的需求在上升。
观察二：编码 agent 是卷王赛道，且已经分层完成。 IDE 插件（Cline）、终端（Gemini CLI/Aider）、自主平台（OpenHands）、应用生成（bolt.diy）四个生态位都有 2 万星以上的玩家，说明市场真实；但 2023 年那批"自主编码 agent"概念项目（Devika 停更、GPT Pilot 商业化、TaskWeaver 归档）基本都交出了自己的位置——活下来的是"人在环里"的工具，而不是"全自动替代程序员"。
观察三：纯自主 agent 在退潮，"可控性"在回归。 AutoGPT 转型低代码平台，SuperAGI 停更，清单里 2026 年新增的项目（fractal 的"有界自主循环"、Agentlas 的"验证门禁"、Polaxis 的"执行前防火墙"、Governance Toolkit 的零信任）全都在给自主性加边界。行业用三年时间验证了一件事：无人监督的自主循环不可靠，可控的半自主才是生产力。
观察四：清单也会腐烂，用 star 判断项目要小心。 我实测发现 4 个问题条目：ofekron/better-agent 收录后已 404；octoai/octoAI 链接指向了被收购后变身的无关项目；TaskWeaver、LLM Guard、LlamaIndexTS 三个已归档；SuperAGI、Storm、MetaGPT、Aider 等更新明显放缓。教训很实在：看清单选型时，先看 Last commit 日期和 Archived 状态，star 是历史的快照，不是活的健康度。
观察五：协议是唯一的确定性。 122 个项目里，增长最确定的是 MCP（规范 9k + 服务器合集 90k + FastMCP 27k）和 A2A（26k）。框架的 API 三个月一变，协议的兼容性承诺以年计。如果你想在一个快速变化的生态里做"不会白干的投入"，写 MCP 服务器比押注任何一个框架都稳。
八、写在最后
122 个项目全拆完，给你三条可执行的建议：
第一，按"层"建认知，按"场景"做选型。别试图追平所有项目——那不可能，这个清单每个月都在变。记住五层结构（协议 → 工具 → 框架 → 垂直智能体 → 运维），遇到具体需求时查第六节的表就够了。
第二，用"会死的东西"换效率，用"不会死的东西"换寿命。框架、封装、平台选当下最顺手的，反正能换；把工具接口、数据资产、提示词资产沉淀在 MCP 这类协议和自有代码上，这些不会因为某个框架停更而作废。
第三，动手读几个小而美的源码。PocketFlow 的 100 行、smolagents 的 CodeAgent、SWE-agent 的 ACI 设计，这三个花不了一个周末，但能让你彻底看穿"框架到底帮你做了什么"——此后再看任何新框架，都是旧知识的排列组合。
本文的数据快照（122 个仓库的 star、语言、许可证、归档状态、最近推送）是我 2026-08-31 通过 GitHub API 实测采集的，分析中所有引用数字均来自该次采集，可复现。清单本身活跃维护，如果你在读到这篇文章时发现了新的宝藏项目，欢迎来博客仓库交流。