AgenticX 多智能体平台
用一套 Python、CLI、服务端和桌面工具构建并运行多智能体工作流。
- Star 数
- ★ 706
- 最近更新
- 今天
- License
- Apache-2.0
- 主语言
- Python
- FA 评分
- 64/100 · 存在缺口
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台Claude Code · OpenAI API · Claude API
- 费用
- 软件免费,模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 需要把专业角色、函数工具和条件流程组合成服务的 Python 团队,可使用 SDK、Workflow Engine 和 FastAPI Studio Server 构建多智能体应用。
- 不适合
- 需要开箱即用完整安全管线的团队:Studio 尚未把所有操作接入完整 SafetyLayer
- 需要多副本集群或高可用运行时部署的团队:集群运行时仍属规划中
- 期望企业网关即完整 Agent Runtime 的团队:Go Gateway 只是合规与模型中继
- 源码审查
- 64/100 · 存在缺口
这个 Agent 能做什么,适合哪些场景?
AgenticX 是一个面向开发者的多智能体技术栈,包含 Python SDK、agx CLI、FastAPI Studio Server、Agent Runtime、Near Desktop 和独立的企业产品线。其执行层提供基于图的工作流、Flow、Meta-Agent CEO 调度、团队并发管理,以及可嵌入的异步 ReActAgent。智能体可以调用函数工具、OpenAPI、远程工具和 MCP 服务,并使用分层记忆、知识库、GraphRAG、技能、Hooks、沙箱与观测组件。Near Desktop 是 Electron + React 的本地优先工作区,默认通过 REST API 和 SSE 连接本地 agx serve;Python SDK 也可脱离桌面端直接嵌入应用。AgenticX Enterprise 当前走 Web Portal、Portal BFF 和 Go AI Gateway 的独立在线链路,该网关负责认证、策略、配额、模型转发与审计,但不是完整的 Python Agent Runtime。
开发者通过 Agent、Task、Tool 和 AgentExecutor 定义角色、任务、函数工具与模型,然后由执行器运行任务并返回结果。对于函数调用式循环,可使用支持 ainvoke、astream、多轮历史、并行工具调用和类型化 AgentEvent 的 ReActAgent。工作流引擎和 Flow 系统会生成执行计划,进行条件路由、并行执行、任务校验与自动修复;Meta-Agent Runtime 则可分派子智能体、管理团队并隔离会话。工具层能够聚合 MCP 服务、调用 OpenAPI 或远程工具,并在 Docker、Microsandbox、子进程或远程 HTTP 沙箱中执行受控操作。系统可以读取并切分文档,建立向量、BM25 或图索引,执行混合检索,并将结果写入知识库、分层记忆、会话文件或可选存储后端。运行过程可通过回调、指标、轨迹、span tree、WebSocket、Prometheus 或 OpenTelemetry 观测,并可导出 JSON、CSV 或 Prometheus 数据。
- 需要把专业角色、函数工具和条件流程组合成服务的 Python 团队,可使用 SDK、Workflow Engine 和 FastAPI Studio Server 构建多智能体应用。
- 希望在本机同时处理多个智能体会话的开发者,可使用 Near Desktop 的多窗格聊天、头像、群聊、终端、工作目录和逐窗格模型选择。
- 需要对内部文档或多个代码库进行检索的团队,可建立相互隔离且可挂载的文档脑与代码脑,并结合向量、BM25 和 GraphRAG 搜索。
- 运行长周期编码任务的工程团队,可从手工队列、Cron、Linear 或项目 feature 获取任务,并使用隔离工作区、停滞恢复和磁盘状态机管理执行。
- 需要受控执行生成代码或工具调用的平台团队,可选择 Docker、Microsandbox、子进程或远程 HTTP 沙箱,并配合审批、路径保护和 JSONL 审计。
- 需要企业模型入口治理的组织,可评估独立的 Enterprise Portal、Admin Console 和 Go AI Gateway,用于认证、策略、限流、响应治理和审计。
如何安装或部署这个 Agent?
需要 Python 3.10 或更高版本,建议至少 4GB 内存。轻量核心包可直接从 PyPI 安装:
pip install agenticx按需安装可选功能;完整安装会引入更多且可能较重的依赖:
pip install "agenticx[memory]"
pip install "agenticx[document]"
pip install "agenticx[graph]"
pip install "agenticx[llm]"
pip install "agenticx[monitoring]"
pip install "agenticx[mcp]"
pip install "agenticx[database]"
pip install "agenticx[data]"
pip install "agenticx[ocr]"
pip install "agenticx[volcengine]"
pip install "agenticx[all]"也可以从源码进行开发安装:
git clone https://github.com/DemonDamon/AgenticX.git
cd AgenticX
pip install uv
uv pip install -e .
uv pip install -e ".[memory,graph]"使用相应模型前配置凭据;Anthropic 密钥仅在使用该提供商时需要:
export OPENAI_API_KEY="your-api-key"
export ANTHROPIC_API_KEY="your-api-key"如何使用这个 Agent?
安装后先确认 CLI,并可创建项目或启动本地 Studio/API 服务:
agx --version
agx project create my-agent --template basic
agx serve --port 8000最小 SDK 调用会创建智能体与任务,通过 OpenAIProvider 执行并打印结果:
from agenticx import Agent, Task, AgentExecutor
from agenticx.llms import OpenAIProvider
agent = Agent(
id="data-analyst",
name="Data Analyst",
role="Data Analysis Expert",
goal="Help users analyze and understand data",
organization_id="my-org"
)
task = Task(
id="analysis-task",
description="Analyze sales data trends",
expected_output="Detailed analysis report"
)
llm = OpenAIProvider(model="gpt-4")
executor = AgentExecutor(agent=agent, llm=llm)
result = executor.run(task)
print(result)函数可通过装饰器暴露给智能体:
from agenticx.tools import tool
@tool
def calculate_sum(x: int, y: int) -> int:
"""Calculate the sum of two numbers"""
return x + y文档解析可直接从 CLI 调用:
agx mineru parse report.pdf --output ./parsed这个 Agent 有哪些优点和局限?
- 入口完整:同一技术栈提供可嵌入 Python SDK、
agxCLI、FastAPI REST/SSE 服务和本地优先的 Electron 桌面工作区。 - 模型与工具可移植性较强:明确支持 15 家以上模型提供商,以及 MCP、A2A、OpenAPI、AG-UI 和远程工具路径。
- 覆盖智能体的完整运行链路,包括图工作流、并行工具调用、分层记忆、知识检索、技能生命周期、观测、评测和多种沙箱后端。
- README 明确区分本地 Python Runtime、Near Desktop 与 Enterprise Go Gateway,便于评估实际部署边界。
- 功能面和可选依赖很多;文档处理、图、数据库、OCR、数据分析等能力需要分别安装额外依赖,其中 OCR 会引入约 2GB 的 PyTorch。
- Studio 尚未让所有操作统一经过完整
SafetyLayer;现有路径组合使用 Hooks、权限和路径保护,因此采用方仍需核验安全覆盖范围。 - Studio 主路径尚未接入细粒度
tenant_id隔离和 RBAC;Enterprise IAM 属于独立产品线,不能视为 Python Runtime 的现成功能。 - Near 的远程模式目前是单个
agx serve后端;集群或高可用多副本 Runtime 仍处于规划阶段。 - 部分第三方存储适配器仍是占位实现或尚未接入 Studio 主路径,实际选择后端前需要验证对应模块。
- 企业 Go Gateway 不是完整 Agent Runtime,且 Enterprise Edge Agent 仅为非默认 MVP;需要企业入口和智能体执行一体化的团队可能面临额外集成工作。
这个 Agent 与同类方案有什么区别?
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| AgenticX 多智能体平台 当前 | 64 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 706 | 今天 | Python | Claude Code · OpenAI API · Claude API |
| aiXplain SDK | 29 · 缺口较多 | 代码库 / SDK免费版 + 付费版 | ★ 59 | 17 天前 | Python | — |
| AgentScope 2.0 | 70 · 存在缺口 | 代码库 / SDK免费 + 模型费 | ★ 34k | 今天 | Python | OpenAI API · Claude API |
| Agentlas OS | 46 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 1.6k | 2 天前 | Python | Codex · Claude Code |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
材料展示了可选依赖组、本地优先部署、沙箱后端、路径保护、权限与审计构件,以及范围明确的 GitHub Actions 权限;README 也说明默认会把配置、会话和工作区写入 ~/.agenticx,并披露远程模型、MCP、IM 网关和企业网关等数据路径。敏感数据方面有 API 密钥配置、泄漏检测和 LiteLLM 凭据外泄公告,但未提供密钥存储、日志脱敏、保留期限或各连接器数据去向的完整实现证据。审批和人工介入被列为功能并有示例入口,但缺少关键外部操作默认必须确认的代码证据。依赖范围仍允许安装已披露的恶意 litellm 1.82.7/1.82.8,且没有强制排除或锁文件,因此依赖安全仅给 1 分。框架能够执行工具、终端、浏览器、GUI、文件、发布覆盖和消息网关等广泛外部效果,但统一授权边界与恢复机制未得到充分展示;快照、卸载和状态机只构成部分回滚证据。LICENSE、包作者、项目链接和源码作者标注使来源归属充分明确。
README、pyproject、requirements、构建工作流和测试在 Python 版本、入口、可选依赖及桌面构建路径上大体一致;README 还主动区分当前实现、MVP、规划功能和未接入主路径的适配器。不过产品范围极大,部分能力只有声明,且描述中的 Machi 与材料中的 Near 命名不一致,故不满分。依赖分组、系统依赖提示、平台构建矩阵和打包校验较详细,但缺少提交内锁文件,宽版本范围及大量可选组件增加漂移风险。所给测试显示多种失败关闭行为、结构化阻断码、非零退出和状态不写入;然而这些证据主要针对模块摘要工具,并不能完整覆盖 Agent Runtime、Studio、桌面端和网关的故障体验。
面向开发者、本地桌面、企业治理、知识检索、GUI 自动化、研究、金融和文档处理等受众与场景描述非常丰富,并提供 SDK、CLI、服务端和桌面入口。材料明确区分本地 Runtime、企业 Gateway、Edge MVP、规划中的 Cluster Runtime以及若干占位或未接线适配器,但大量功能仍缺少逐项配置条件和安全边界说明。工具自动调用、Meta-Agent 调度、技能自进化和后台提炼的触发规则仅作概述,未展示足够精确的匹配、抑制、冲突处理或默认关闭证据。Python 3.10–3.13、macOS 双架构、Windows、Docker/子进程及多种可选后端得到支持,但 Linux 桌面、完整系统依赖兼容矩阵和各提供商环境要求并不完整。
README 具有架构、能力、安装、快速开始和示例导航,pyproject 对包元数据及 extras 组织清楚,但超长功能清单和被截断的技术架构降低了静态审阅的可导航性。安装说明非常具体,涵盖 PyPI、源码、uv、pip、可选功能、密钥和外部系统依赖。agx 与 agenticx 双 CLI 被明确映射,核心命名总体稳定,但描述中的 Machi、README 中的 Near,以及独立 desktop-v 与统一 v 标签形成一定命名和版本复杂度。示例广泛但所给材料没有真正的 FAQ 或普遍故障排查章节。README 对规划项、MVP、非默认路径、占位适配器和 SafetyLayer 未完全接线有明确披露,但没有集中、完整的限制清单。Apache-2.0 元数据与完整 LICENSE 一致,可给满分。包版本和桌面标签流程存在,也提到技能 changelog,但未提供完整发行历史。作者、邮箱、Issues 和 Discussions 给出了维护路径;发布者未获企业注册验证仅表示身份未知,不单独扣分,但缺少团队治理、支持承诺或维护政策。
SDK 示例产生可直接使用的 result,CLI、REST/SSE、结构化事件、导出格式和桌面工作区为多种消费方式提供了可用接口;但没有代表性真实输出样本或端到端结果质量证据。相较单一 Agent SDK,统一编排、记忆、MCP、桌面和企业网关具有明显潜在增量价值,但大量能力来自同一 README 的声明,且部分不在默认运行路径。核心安装被拆成轻量依赖和按需 extras,并披露 OCR 约 2GB 等成本;同时 27 个核心依赖、多语言桌面打包、众多服务与模型提供商带来显著部署、维护、API、存储和运维成本,材料没有系统量化这些成本或收益。
部分主张可追溯到 pyproject 的入口、版本、依赖和平台元数据,工作流也能支持桌面构建及产物检查,测试文件具体展示了失败关闭、令牌绑定、路径逃逸防护和状态保护。然而诸如生产就绪、15+ 提供商、完整监控、9 倍加速、自修复和众多企业能力主要是 README 声明,没有对应实现文件、基准或测试证据,因此主张可追溯性较弱。多个文件对安装、版本、CLI 和构建有所交叉印证,但安全与产品能力的交叉印证有限。README 值得肯定地标注了计划中、MVP、默认路径和未完全接线的功能,不过营销性定语与已验证事实仍未始终严格分开。
- pyproject.toml 和 requirements.txt 的 litellm>=1.50.0,<2 范围仍包含 README 明确标为会窃取 API 密钥的 1.82.7 与 1.82.8;部署前应显式排除这些版本、使用可信锁文件,并轮换可能暴露的凭据。
- 不要把 README 中的“production-ready”“完整”“安全沙箱”或“9x”视为已独立验证;本评估未执行代码、测试、基准或安装包。
- 工具、终端、浏览器、GUI 自动化、MCP、技能自进化及 IM 网关可能产生高影响外部操作;在确认统一审批、权限默认值、审计覆盖和恢复方案前,应采用隔离环境与最小权限。
- 默认 ~/.agenticx 持久化、远程模型调用、Redis/数据库、知识库和消息网关可能处理敏感信息;材料不足以确定完整的数据保留、删除、加密及第三方传输政策。
- Near Desktop、Python Runtime、Enterprise Gateway、Edge MVP 和规划中的 Cluster Runtime 是不同成熟度与部署路径,不应假定 README 的所有能力在单一安装中均可用。
最近版本
来自该项目 GitHub Releases 的最新发布记录,说明为上游原文摘录,未经本站改写或测试。
-
v0.6.5 AgenticX v0.6.5 / Near Desktop v0.6.0
发布说明摘录
AgenticX Joint Release — 2026-09-30 This release ships three tracks together: - AgenticX (Python core) v0.6.0 → v0.6.5 - Near Desktop v0.5.0 → v0.6.0 - AgenticX Enterprise v0.3.0 → v0.3.5 Installation / Upgrade ```bash pip install -U agenticx==0.6.5 ``` - Near Desktop: download the Apple silicon disk image or the Windows installer attached to this release. - AgenticX Enterprise: follow enterprise/README.md for upgrade steps. --- AgenticX v0.6.5 (Python core) Highlights - Core / Runtime …在 GitHub 查看 ↗ -
v0.6.0 AgenticX v0.6.0 + Near Desktop v0.5.0
发布说明摘录
AgenticX Joint Release — 2026-08-31 This release ships three tracks together: - AgenticX (Python core) v0.5.0 → v0.6.0 - Near Desktop v0.2.5 → v0.5.0 - AgenticX Enterprise v0.2.2 → v0.3.0 Downloads Installers are the Assets at the bottom of this GitHub Release page (public, no login). Do not use Actions artifact names such as near-arm64 — those links expire and require a GitHub login. - Near-0.5.0-arm64.dmg — macOS Apple Silicon - Near-0.5.0-win-x64.exe — Windows x64 …在 GitHub 查看 ↗ -
v0.5.0 AgenticX v0.5.0
发布说明摘录
Published Python package: agenticx==0.5.0 Installation ```bash pip install -U agenticx==0.5.0 ``` PyPI - https://pypi.org/project/agenticx/0.5.0/ Highlights - Core / Runtime - ToolSearch projects only the tools needed each round (with MCP catalog adapter and adaptive threshold/hysteresis), cutting tool-schema bloat on large MCP setups. - Stronger turn reliability: stuck-prevention self-healing, futile-resume circuit breaker, empty-tool-turn fallback, truncated-reply auto-retry, and SSE drop / auto-resume continuation. …在 GitHub 查看 ↗
常见问题
是否被单一模型厂商锁定?
可以只使用 SDK,而不安装桌面应用吗?
Agent、Task、Tool、AgentExecutor 以及独立 ReActAgent 均可嵌入 Python 应用,后者明确不依赖 Studio 或 CLI。是否已具备生产级多租户能力?
本地数据默认存放在哪里?
~/.agenticx 文件树,会话元数据与全文检索使用 SQLite;Studio 可选 Redis 会话后端,桌面知识库默认使用 Chroma。运行不受信任的工具或代码时有哪些限制?
SafetyLayer,部署者仍需自行验证和配置防护边界。