Agentor 智能体开发框架

用 Python 构建并部署可持久运行、可观测的 AI 智能体与 MCP 工具。

Star 数
★ 210
最近更新
1 个月前
License
Apache-2.0
主语言
Python

30 秒速览

运行形态
代码库 / SDK自托管服务MCP 服务器
可在哪里用
通用 · 跨平台OpenAI APIClaude API(部分支持)
费用
软件免费,模型调用费用自付
上手难度
低 · 几分钟可跑通
开始前需要
PythonLLM 提供商 API 密钥CELESTO_API_KEY(仅用于追踪)Shell / 命令行网络访问本地文件系统MCP Server
典型场景
需要用 Python 将天气查询等工具接入模型,并通过 HTTP 提供服务的开发者。
不适合
  • 需要无需提供模型 API 密钥即可使用的团队
  • 要求默认不记录追踪数据的调试团队

这个 Agent 能做什么,适合哪些场景?

Agentor 是一个 Python 框架,可用 `Agentor` 类创建智能体,并通过 `run` 调用模型和工具。智能体可连接工具、从 Markdown 文件加载配置,也可通过 `serve()` 提供 ASGI API。提供 FileStore 时,运行记录会以追加事件日志持久化,可恢复中断运行或从已有运行分叉。项目还包含 LiteMCP,用于构建 MCP 服务器,以及用于智能体间通信的 A2A 接口。模型请求由所配置的提供商处理;追踪默认关闭,启用后可在 Celesto 的观察界面查看。

安装 agentor 后,在 Python 中创建 Agentor,指定名称、模型和工具,再用 run() 或 chat() 提交任务;智能体可调用所配置的工具并返回结果。agent.serve() 将其作为 ASGI 服务提供 /chat 接口,并自动启用 A2A 兼容端点。为智能体配置 FileStore 后,运行会持久化,可用 resume() 恢复或用 fork() 创建独立的新运行。开发者还可用 LiteMCP 和 @mcp.tool 定义并提供 MCP 工具服务器。

  1. 需要用 Python 将天气查询等工具接入模型,并通过 HTTP 提供服务的开发者。
  2. 希望在进程中断后恢复智能体运行,或从既有运行派生新任务的团队。
  3. 需要把现有智能体通过标准端点提供给其他智能体调用的工程团队。
  4. 需要将自定义 MCP 工具集成到 FastAPI 应用或独立 MCP 服务中的开发者。
  5. 想用 Markdown 文件配置名称、工具、模型和温度,再加载为智能体的团队。

如何安装或部署这个 Agent?

需要 Python 环境。基础安装命令如下;Google 工具或所有可选工具可通过对应 extras 安装。

如何使用这个 Agent?

设置所选模型提供商所需的 API 密钥,并用 Agentor 创建智能体。以下示例调用天气工具并启动服务;服务提供 /chat 接口。追踪需要 CELESTO_API_KEY,但默认关闭。

这个 Agent 有哪些优点和局限?

优点
  • 支持 OpenAI 兼容的 /chat/completions 提供商,可通过 base_url 和 api_key 配置。
  • FileStore 支持持久化运行、恢复中断运行和分叉已有运行。
  • agent.serve() 提供 ASGI 服务,并包含 A2A 兼容端点。
  • LiteMCP 可作为原生 ASGI 应用集成到 FastAPI,也可独立提供 MCP 服务。
局限
  • 运行模型需要配置相应提供商的 API 密钥;README 未说明本地模型免付费使用方式。
  • 追踪需单独启用并提供 CELESTO_API_KEY,追踪信息可能包含提示、工具参数、结果和模型推理。
  • Google、GitHub、Slack 等工具依赖可选 extras,使用这些工具需额外安装。
  • README 未列明完整的 Python 版本范围或各模型提供商的功能差异。

这个 Agent 与同类方案有什么区别?

README 将 LiteMCP 与 FastMCP 比较:称 LiteMCP 是原生 ASGI 应用,可按标准模式集成 FastAPI,并提供内置 CORS;FastMCP 则需要作为子应用挂载。该比较是项目 README 的说法。

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
Agentor 智能体开发框架 当前 50 · 缺口较多 代码库 / SDK免费 + 模型费 ★ 210 1 个月前 Python OpenAI API
Osaurus 80 · 表现良好 桌面应用免费 + 模型费 ★ 8k 今天 Swift OpenAI API · Claude API
LycheeMemory 52 · 缺口较多 命令行工具免费 + 模型费 ★ 1.1k 2 个月前 Python Claude Code · OpenAI API
AgentPool 编排中心 44 · 缺口较多 命令行工具免费 + 模型费 ★ 192 5 个月前 Python Codex · Claude Code · OpenAI API · Claude API

FollowAgents 如何评估这个 Agent?

FollowAgents 源码审查 · FARS-2.1
缺口较多
50/ 100 五分制 2.5 / 5
信任安全 12/29
可靠稳定 6/14
适用触发 10/18
规范维护 11/18
有效结果 7/13
证据核验 4/8
查看各维度的扣分理由
信任安全12 / 29 · 2.1/5

README说明Tracing默认关闭,开启后会把提示词、工具参数、工具结果及供应商返回的推理内容纳入追踪,并提供按运行关闭的选项;这支持有限的数据流透明度(2)。但API密钥示例直接从环境变量读取,认证示例依赖用户自行检查令牌,且未展示全局权限约束、敏感数据保护或破坏性工具的用户确认机制,因此最小权限、确认、敏感数据处理和外部影响控制仅得1。持久化事件日志支持恢复和分叉(rollback 2),但未说明删除、恢复失败或外部副作用补偿。依赖有版本下限及可选extras(1),但未提供锁定、审计或漏洞缓解证据。LICENSE、作者字段和安全报告流程提供有限归属线索;发布者未验证,且没有明确维护者责任承诺(source_attribution 1)。

可靠稳定6 / 14 · 2.1/5

README描述运行持久化、恢复、分叉及同步/异步接口,测试工作流覆盖三种操作系统和Python 3.11–3.13,显示一定工程支持(1、2)。但README的版本叙述为v0.1.0线,测试预期的Agent卡片却含0.0.1版本,构成文档与测试间的版本不一致,故自洽性偏低。工具缺失时可选依赖的注释称会给出清晰ImportError,但没有足够失败路径或用户可见错误示例,failure_messages为1。

适用触发10 / 18 · 2.8/5

文档面向开发者,覆盖简单Agent、ASGI服务、MCP、A2A、技能、持久化运行及多种LLM端点,提供不同场景与环境支持(audience_and_scenarios 2,environment_fit 2)。但所谓安全和能力边界主要是功能宣称;没有清楚列出工具权限模型、适用/不适用边界。触发方式有明确的Python调用、serve入口和按运行的tracing参数(trigger_precision 2),但没有针对自动触发和副作用工具的边界说明。

规范维护11 / 18 · 3.1/5

README按安装、功能和示例分节,pyproject提供包元数据、Python最低版本及依赖extras;可选依赖安装方式较清楚(information_architecture 2,install_notes 2)。Agentor命名在仓库层面稳定,但产品描述、包版本和测试中的默认Agent卡片版本不完全一致(naming_stability 1)。示例覆盖广,安全报告方式及支持版本也写明;未见FAQ(examples_and_faq 2)。安全策略明确旧标签不受支持、响应目标仅为非约束性目标(known_limitations 2)。Apache-2.0文本完整且与元数据一致(license 3)。有标签发布工作流和动态版本来源,但未提供变更日志(versioning_changelog 1)。安全策略说明小团队、尽力响应并提供私密漏洞报告路径(maintenance_responsibility 2),但身份未经企业注册核验,也无绑定维护承诺。

有效结果7 / 13 · 2.7/5

示例可直接作为开发起点,包含天气Agent、服务请求、持久化运行、Markdown定义、MCP和A2A,具备一定实用性(output_usability 2)。持久化、工具搜索、MCP集成和A2A等能力显示相对基础模型调用的增值(marginal_value 2),但“最快”“安全”等关键优越性陈述没有比较方法或量化证据;核心依赖数量较多,成本收益说明有限(cost_benefit 1)。

证据核验4 / 8 · 2.5/5

README中的功能有部分对应配置、CI工作流和测试;例如测试涵盖A2A卡片和导入耗时,但不能据此断言功能已执行或达到宣称效果(claim_traceability 1)。README、pyproject、LICENSE、安全策略和工作流在安装、许可、发布及报告流程上提供有限交叉印证,但主体功能仅见少量测试,交叉佐证较薄(1)。文档将代码示例、功能描述和“最快”“唯一”等营销主张明确呈现为不同类型内容;审核可以将可见事实与未经验证的性能/安全推断区分开(2)。

风险与缓解建议
  • Tracing会包含提示词、工具输入输出及供应商可能返回的推理内容;启用前应确认这些数据可发送到Celesto服务。
  • Agent工具可能触发外部副作用;所给材料没有展示统一的权限控制或确认流程。
  • README与测试中的Agent卡片版本信息不一致;不要据此推断实际发布版本或维护状态。
证据充分度:低 评估于 2026年10月9日 审查版本 56f4ab6901d6
查看完整评分方法 →

常见问题

使用 Agentor 是否需要付费?
README 展示了 Apache 2.0 授权的开源软件;调用模型需要配置模型提供商,README 未说明模型 API 的费用。
运行记录会保存在哪里?
配置 FileStore("runs") 时,运行事件写入指定目录;README 未说明默认持久化存储或其他存储后端。
追踪会自动发送数据吗?
不会。追踪默认关闭;启用时需要 CELESTO_API_KEY,追踪内容可包含提示、工具参数、工具结果及提供商返回的推理。
Agentor 支持哪些模型提供商?
README 展示了 Gemini、Anthropic 以及通过 OpenAI 兼容接口连接的多个提供商示例;具体功能兼容程度未列明。
服务会公开哪些接口?
agent.serve() 提供服务,README 展示了 /chat,并说明自动提供 A2A 消息、流式响应和任务管理端点及智能体卡片。
在 GitHub 查看 ↗ 安装 ↓

对比同类 Agent

用同一套 FARS 评审,横向比较这个 Agent 所属的短名单。

相关 Agents