Agentspan
让 AI 智能体在进程崩溃、长时等待和人工审批期间仍能可靠运行。
- Star 数
- ★ 499
- 最近更新
- 29 天前
- License
- MIT
- 主语言
- TypeScript
- FA 评分
- 62/100 · 存在缺口
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台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
- 平台团队需要运行持续数分钟、数小时或等待数天审批的智能体，并希望工作进程崩溃后自动续跑。
- 不适合
- 希望继续在原仓库获得更新与支持的团队（仓库已归档，需迁移到 conductor-oss/conductor）
- 不想维护服务器、容器或集群的个人开发者（持久化能力依赖 Conductor 服务端）
- 源码审查
- 62/100 · 存在缺口
这个 Agent 能做什么，适合哪些场景？
Agentspan 是构建在 Conductor 之上的持久化 AI 智能体运行时，现已并入 Orkes Conductor；原仓库自 2026 年 8 月 17 日起归档为只读。系统由 Go CLI、基于 Java/Spring Boot 与 Conductor 的运行服务器、React 执行界面，以及 Python 和 TypeScript SDK 组成，README 还列出了 C#/.NET SDK 安装方式。开发者通过 Agent、AgentRuntime 和 tool 定义任务，运行时把执行交给服务器保存，使工作能够在客户端或工作进程退出后继续，并从已完成步骤恢复。它支持计划执行、多智能体策略、人工审批、事件触发、分布式工具、HTTP/OpenAPI/MCP 工具、代码沙箱、结构化输出、流式事件及执行历史。可在本地以 SQLite 启动，也可通过 Docker、Docker Compose、Kubernetes 或 Helm 部署；新项目应采用 Conductor Agent SDK 和 Conductor 快速入门，而不是依赖已归档仓库继续演进。
开发者用 Agent 描述模型、指令、工具、子智能体、护栏和输出类型，再通过 AgentRuntime.run()、start() 或 stream()提交执行。普通 Python 函数可用 @tool 注册，并可声明凭据或 approval_required=True；运行时也能把 OpenAPI/Swagger/Postman 接口、单个 HTTP 端点和 MCP 服务器转换为服务端工具。Conductor 将计划编译为不可变子工作流，负责重试、并行、暂停、恢复和执行历史；工作进程崩溃后，新工作进程可从最后完成的步骤继续。系统可以从 cron、Kafka、SQS、AMQP、Webhook 和数据库事件启动执行，并输出最终结果、Pydantic 结构化对象或 tool_call、thinking、护栏结果与 done 等流式事件。CLI 提供 agentspan server start、stop、logs 和 doctor，React UI 默认通过 http://localhost:6767 展示执行过程。部署边界包括本地 SQLite、单机 Docker/Compose，以及 Kubernetes 与 Helm；工具工作负载还可由 Python、Java、Go 或其他语言的分布式工作进程承担。
- 平台团队需要运行持续数分钟、数小时或等待数天审批的智能体，并希望工作进程崩溃后自动续跑。
- 自动化团队希望由 cron、Kafka、SQS、AMQP、Webhook 或数据库事件触发具有完整历史记录的智能体流程。
- 已有 LangGraph、LangChain、OpenAI Agents SDK 或 Google ADK 智能体的团队，希望增加持久化执行、人工暂停和跨进程状态访问。
- 企业开发者需要把现有 Conductor 工作流、OpenAPI 服务、HTTP 端点或 MCP 服务器作为智能体可调用步骤。
- 多团队系统需要用
handoff、sequential、parallel、router、round_robin、swarm或人工选择等策略编排多个专用智能体。 - 运维团队需要可视化执行历史、Prometheus 指标、令牌用量跟踪以及可选 OpenTelemetry 链路追踪。
如何安装或部署这个 Agent？
该仓库已经归档。新用户应安装 Conductor Agent SDK，并以 Conductor 的智能体快速入门为起点。README 提供以下 SDK 命令：
# Python
pip install conductor-agent-sdk# TypeScript / JavaScript
npm install @conductor-oss/conductor-agent-sdk# C# / .NET
dotnet add package conductor-agent-sdk如需复现原 Agentspan 本地 CLI，可使用其安装脚本：
# macOS / Linux
curl -fsSL https://raw.githubusercontent.com/agentspan-ai/agentspan/main/cli/install.sh | sh# Windows (PowerShell)
irm https://raw.githubusercontent.com/agentspan-ai/agentspan/main/cli/install.ps1 | iex也可通过 npm 或源码安装 CLI：
npm install -g @agentspan-ai/agentspancd cli && go build -o agentspan .
agentspan doctor现有用户应按仓库中的 MIGRATION.md 迁移；README 表示多数代码只需更换一条安装命令和一个导入路径。最终仓库版本为 v0.4.4，旧的 pip install agentspan 最终包版本为 0.2.1。
如何使用这个 Agent？
先配置所选模型提供商的凭据并启动本地服务器。以下示例使用 OpenAI；也可改用 README 列出的 Anthropic、Gemini、Azure OpenAI、Vertex AI、Bedrock、Mistral、Cohere、Groq、Perplexity、DeepSeek、xAI、Hugging Face、Stability AI 或 Ollama 配置。
export OPENAI_API_KEY=sk-...
agentspan server start创建 hello.py：
from conductor.ai.agents import Agent, AgentRuntime, tool
@tool
def get_weather(city: str) -> str:
"""Get current weather for a city."""
return f"72F and sunny in {city}"
agent = Agent(name="weatherbot", model="openai/gpt-4o", tools=[get_weather])
with AgentRuntime() as runtime:
result = runtime.run(agent, "What's the weather in NYC?")
result.print_result()运行程序并打开执行界面：
python hello.py浏览器访问 http://localhost:6767。生产凭据可存入服务器，而不是写入代码：
agentspan credentials set GITHUB_TOKEN ghp_xxxxxxxxxxxx
agentspan credentials set SEARCH_API_KEY xxx-your-key
agentspan credentials listREADME 称这些凭据使用 AES-256-GCM 静态加密，并通过随执行到期的作用域令牌交给工作进程。生产环境可按项目部署指南选择 Docker/Docker Compose 或 Kubernetes + Helm。
这个 Agent 有哪些优点和局限？
- 执行存储在服务端，支持崩溃后从最后完成步骤自动恢复，也能从其他进程或机器查询、审批、暂停、恢复和取消。
- 工具可作为分布式任务独立扩缩，并能由 Python、Java、Go 或其他语言的工作进程执行。
- 同时提供人工审批、四种护栏失败处理方式、执行历史、可视化 UI、Prometheus 指标、令牌用量和可选 OpenTelemetry。
- 可直接连接 OpenAPI/Swagger/Postman、HTTP 和 MCP 服务，并兼容 Google ADK、OpenAI Agents SDK、LangChain 与 LangGraph。
- 覆盖本地 SQLite、Docker/Compose、Kubernetes 和 Helm，适合从开发机扩展到生产部署。
- 原仓库已于 2026 年 8 月 17 日归档；新功能、问题和贡献均转移至
conductor-oss/conductor，采用前必须规划迁移。 - 核心持久化能力依赖 Conductor 服务端，不是单纯安装一个客户端库即可获得的进程内运行时。
- 本地使用需要启动服务器并配置模型提供商凭据；生产部署还会引入容器、集群、监控和工作进程运维成本。
- 计划执行会把规划结果锁定为不可变 Conductor 子工作流；需要在执行期间持续由模型改写编排的场景可能不适合这种模型。
- README 展示了大量能力和示例，但没有提供这些部署方式的性能、容量、延迟或成本基准。
这个 Agent 与同类方案有什么区别？
README 将 Agentspan 与 CrewAI、LangChain、AutoGen 和 OpenAI Agents 对比。其主要区别是服务端持久化执行、自动崩溃恢复、跨语言分布式工具和可跨机器延续的人工审批；表中其他方案主要采用内存循环、客户端循环或需要额外检查点。Agentspan 也不要求替换现有框架：README 明确列出 LangGraph、LangChain、OpenAI Agents SDK 和 Google ADK 的兼容路径。不过，这些能力以运行 Conductor 服务端为代价；如果只需要轻量的单进程智能体循环，其他框架的部署面可能更小。
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 |
|---|---|---|---|---|---|---|
| Agentspan 当前 | 62 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 499 | 29 天前 | TypeScript | OpenAI API · Claude API |
| Dagu 工作流编排器 | 74 · 存在缺口 | 命令行工具免费版 + 付费版 | ★ 4.4k | 今天 | Go | Codex · Claude Code · Claude API |
| Conductor 工作流引擎 | 68 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 32k | 2 天前 | Java | Claude Code · OpenAI API · Claude API |
| Trigger.dev | 57 · 缺口较多 | 代码库 / SDK免费版 + 付费版 | ★ 17k | 1 天前 | TypeScript | — |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
README 显示凭证以 AES-256-GCM 加密存储、工具可在隔离子进程中运行、worker 通过随执行过期的 scope token 解析凭证，最小权限与敏感数据处理有文档支撑但未见代码验证；HITL approval_required 提供持久人工确认，扣分点：无法确认隔离实现的强度。依赖声明几乎为空（pyproject 零依赖），无法评估依赖安全性；对外部副作用（HTTP 工具、MCP、代码执行器）描述丰富但缺少防护默认值说明；回滚仅指执行恢复，不涉及外部操作回滚；MIT 许可与版权声明清晰。
自洽性差：README 称 PyPI 最终版 0.2.1，pyproject 标 0.1.0，安装名已是 conductor-agent-sdk 而仓库名仍是 agentspan，存在版本/命名矛盾；依赖可用性方面多语言 SDK 与 CI 工作流（Java/C# e2e）存在，agentspan doctor 提供诊断；失败信息方面有健康检查端点与 guardrail 失败模式，但错误消息质量未在源码中体现。
面向多语言（Python/TS/C#/Java）、15+ LLM 提供商、cron/Kafka/SQS/webhook 等多种触发源，场景覆盖广；触发精度有 guardrail（4 种失败模式）与 router 策略支撑；环境适配注明 Python>=3.9 与多平台安装；扣分点：能力边界（如规划失败、配额上限）未明确说明。
信息架构良好（docs、API reference、migration guide、示例目录）；安装说明非常完整（macOS/Linux/Windows/源码/npm），值得满分；但命名稳定性差：包名 agentspan→conductor-agent-sdk、导入路径 conductor.ai 与仓库名不一致，迁移期混乱；180+ 示例目录已列明；已知局限性未文档化；MIT 许可完整；版本与发布说明存在（v0.4.4）但 changelog 未展示；维护责任明确——已并入 Orkes Conductor、仓库归档、issue 转移路径清晰。
输出可用性方面提供结构化输出（Pydantic）、流式事件、print_result；边际价值在于服务端持久执行、崩溃恢复与跨进程审批，与传统内存框架形成差异；成本收益方面有 token 追踪与 Prometheus 指标，但成本量化与性能数据仅是声明，未见实证，扣 1 分。
声明可追溯到示例文件与 CI 工作流（e2e 手动触发工作流存在），但多数能力声明（加密、沙箱、自动恢复）无法在提供的文件内核实；跨源印证弱：README 与 pyproject 的版本、包名相互矛盾；事实与推断未分离——对比表与营销性语言（'don't die'、'60 seconds'）与事实混排，竞品对比无来源。
- 本仓库已归档，仅供只读；新项目应使用 conductor-oss/conductor 及迁移指南。
- curl | sh 远程安装脚本存在供应链风险，建议下载后审查再执行。
- README 与 pyproject 的版本号（0.2.1 vs 0.1.0）及包名不一致，安装与升级前需核对实际 PyPI 包。
- 加密、沙箱隔离、崩溃恢复等安全声明未在本次静态审查中经代码或执行验证。
- 示例中的 eval(expression) 模式应仅用于受控环境，切勿在生产中照搬。
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。
-
v0.4.4 预发布
发布说明摘录
What's Changed * refactor(server): unify credential storage on Conductor's SecretsDAO by @v1r3n in https://github.com/agentspan-ai/agentspan/pull/314 Full Changelog: https://github.com/agentspan-ai/agentspan/compare/v0.4.3...v0.4.4在 GitHub 查看 ↗ -
发布说明摘录
What's Changed * test(e2e): Python media-input suite (image → vision model) by @ling-senpeng13 in https://github.com/agentspan-ai/agentspan/pull/301 * feat(e2e): export SDK e2e suites as versioned release bundles by @ling-senpeng13 in https://github.com/agentspan-ai/agentspan/pull/295 * feat(server): classifier-based agent filtering on list and executions search by @bradyyie in https://github.com/agentspan-ai/agentspan/pull/306 Full Changelog: https://github.com/agentspan-ai/agentspan/compare/v0.4.0...v0.4.2在 GitHub 查看 ↗ -
发布说明摘录
What's Changed * test(e2e): Python media-input suite (image → vision model) by @ling-senpeng13 in https://github.com/agentspan-ai/agentspan/pull/301 * feat(e2e): export SDK e2e suites as versioned release bundles by @ling-senpeng13 in https://github.com/agentspan-ai/agentspan/pull/295 * feat(server): classifier-based agent filtering on list and executions search by @bradyyie in https://github.com/agentspan-ai/agentspan/pull/306 Full Changelog: https://github.com/agentspan-ai/agentspan/compare/v0.4.0...v0.4.1在 GitHub 查看 ↗
常见问题
现在还应该从 Agentspan 仓库开始新项目吗？
MIGRATION.md。工作进程崩溃会丢失整个执行吗？
是否锁定 OpenAI 模型？
调用敏感工具时能否要求人工批准？
approval_required=True，执行会持久暂停，并可在数天后从另一进程或机器批准或拒绝。