Genkit：构建全栈 AI 应用的开放框架
用于构建全栈 AI 应用的开放框架，由 Google 开发和用于生产，支持 JavaScript、Go、Python 和 Dart。
- Star 数
- ★ 6.5k
- 最近更新
- 3 天前
- License
- Apache-2.0
- 主语言
- TypeScript
- FA 评分
- 48/100 · 缺口较多
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
- 低 · 几分钟可跑通
- 开始前需要
- 典型场景
- 希望在 JS/TS 中快速构建聊天机器人的开发者，可使用 Google 的 Gemini 模型并集成 Firebase。
- 不适合
- 只想用 Python 或 Dart 构建生产级应用的团队（仍为 Beta/Preview）
- 希望避开 Google Cloud 或 Firebase 生态、追求平台中立的团队
- 源码审查
- 48/100 · 缺口较多
这个 Agent 能做什么，适合哪些场景？
Genkit 是一个开源框架，用于构建全栈 AI 应用，由 Google 的 Firebase 团队开发并用于生产。它提供多种语言的 SDK，其中 JavaScript/TypeScript 和 Go 具备完整的生产功能，Python（测试版）功能广泛，Dart（预览版）为核心功能。该框架通过统一的接口支持数百种 AI 模型，包括 Google、OpenAI、Anthropic 和 Ollama。它提供了简化的 API，用于结构化输出、工具调用、检索增强生成（RAG）和多模态处理。Genkit 包含 CLI 和开发者 UI 用于测试、调试和评估，并支持部署到 Firebase Cloud Functions、Google Cloud Run 或任何其他受支持的环境。
Genkit 通过标准化的 API 简化 AI 集成。它使用 genkit 包和 @genkit-ai/google-genai 等提供商插件来初始化，允许开发者使用 ai.generate() 等方法生成文本。它支持结构化输出、工具调用、RAG（通过嵌入和向量数据库）和多模态输入/输出。开发者可以使用 genkit CLI（通过 npm install -g genkit-cli 安装）运行流程和收集遥测数据，并在本地开发者 UI 中交互式测试提示和流程。该框架提供客户端 SDK，用于与 Next.js、React 和 Angular 等 Web 框架以及 iOS 和 Android 移动平台集成。部署可以在 Firebase、Google Cloud Run 或第三方平台上进行，并支持生产监控仪表板。
- 希望在 JS/TS 中快速构建聊天机器人的开发者，可使用 Google 的 Gemini 模型并集成 Firebase。
- 在 Go 中构建 AI 自动化，需要强大的并发和部署到 Google Cloud Run 的团队。
- 希望在 Python 中利用结构化输出和工具调用，但尚未准备好用于生产的开发者。
- 需要在 React Native 应用中使用客户端 SDK 集成 AI 功能的移动开发者。
- 需要比较不同模型提供商对相同提示的输出，以选择最佳模型的数据科学家。
- 需要监控生产环境中 AI 性能（延迟、错误率、请求量）的团队。
如何安装或部署这个 Agent？
要安装 Genkit，请使用 npm 全局安装 CLI：npm install -g genkit-cli。然后，在项目中安装 SDK 和提供商包。例如，对于 JavaScript/TypeScript，使用 npm install genkit @genkit-ai/google-genai。设置您的提供商 API 密钥（例如 Google AI Studio 的 API 密钥）。
如何使用这个 Agent？
初始化 Genkit：
import { genkit } from 'genkit';
import { googleAI } from '@genkit-ai/google-genai';
const ai = genkit({ plugins: [googleAI()] });
const { text } = await ai.generate({
model: googleAI.model('gemini-flash-latest'),
prompt: 'What is the meaning of life?'
});使用 genkit start -- <command> 运行您的应用，并通过 CLI 和开发者 UI 测试和调试。部署到 Cloud Functions for Firebase 或 Google Cloud Run。
这个 Agent 有哪些优点和局限？
- 多语言支持（JS/TS、Go、Python、Dart），具备一致的 API 和功能。
- 统一的模型接口，支持数百种模型，避免锁定单一提供商。
- 内置开发者工具（CLI 和 UI），用于测试、调试和评估。
- 生产级可观测性，包括监控仪表板和详细追踪。
- 支持多种部署目标，包括 Firebase 和 Cloud Run，并且不依赖 Google 服务。
- Python 和 Dart 版本尚未完全生产就绪（分别处于 Beta 和 Preview 阶段）。
- 文档主要面向 Google Cloud 用户，其他平台的部署指导较少。
- 学习曲线较陡，需要理解流程、工具调用和 RAG 概念。
- 虽然支持第三方提供商，但一些插件（如 Anthropic）由社区维护，可能缺少官方支持。
这个 Agent 与同类方案有什么区别？
LangChain 提供了类似的模型无关抽象，但 Genkit 的特点是深度集成 Firebase 和 Google Cloud，并提供了强大的本地开发者工具。
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 |
|---|---|---|---|---|---|---|
| Genkit：构建全栈 AI 应用的开放框架 当前 | 48 · 缺口较多 | 代码库 / SDK免费 + 模型费 | ★ 6.5k | 3 天前 | TypeScript | OpenAI API · Claude API |
| PySpur — 可视化 AI 智能体工作流平台 | 0 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 5.8k | 1 年前 | TypeScript | — |
| Claude Code 从零实现 | 60 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 2.8k | 3 个月前 | Python | OpenAI API · Claude API |
| Hello-Agents 智能体教程 | 54 · 缺口较多 | 网页应用免费 + 模型费 | ★ 84k | 5 天前 | Python | OpenAI API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示框架提供工具调用和流程执行，但未明确权限模型或最小权限原则。用户确认机制未在文档中明确，但CLI命令可能要求确认。数据流透明度部分通过文档和开发者UI提供，但未详细说明数据流向。敏感数据处理未明确，但文档提及API密钥。依赖安全通过pnpm overrides和onlyBuiltDependencies部分处理，但未提供完整审计。外部影响包括部署和监控，但未明确副作用。回滚未提及。来源归属通过Google和贡献者明确。扣分：权限模型、用户确认、数据流细节、敏感数据、依赖审计、外部影响、回滚均未充分文档化。
自一致性：README和package.json一致，但未提供完整API文档。依赖可用性：依赖通过包管理器管理，但未提供锁定文件或镜像。失败消息：测试显示错误消息，但未全面覆盖。扣分：依赖可用性未验证，失败消息覆盖有限。
受众和场景：明确面向开发者，支持多种语言和部署环境。能力边界：文档列出功能，但未明确限制。触发精度：CLI命令有参数，但未详细说明。环境适配：支持多种平台和语言，但未提供详细配置。扣分：触发精度和边界细节不足。
信息架构：文档结构清晰，有快速入门和功能列表。安装说明：提供npm安装和CLI使用。命名稳定性：未提及版本命名策略。示例和FAQ：提供示例，但无FAQ。已知限制：未明确列出。许可证：Apache-2.0完整。版本和变更日志：未提供。维护责任：通过GitHub和社区明确。扣分：命名稳定性、已知限制、版本变更日志缺失。
输出可用性：提供CLI和UI，输出格式未详细说明。边际价值：作为框架提供统一接口，价值高。成本效益：开源免费，但部署成本未评估。扣分：输出格式和成本效益未详细评估。
声明可追溯：文档链接到官方文档，但未提供具体版本。跨来源佐证：未提供第三方验证。事实与推断分离：文档区分功能描述和示例，但未明确。扣分：缺乏版本化链接和第三方验证。
- 未提供明确的权限模型或最小权限原则，使用时应自行评估。
- 用户确认机制未明确，可能影响安全操作。
- 依赖安全未提供完整审计，建议使用前检查依赖。
- 回滚机制未提及，部署时需考虑。
- 版本变更日志缺失，升级时需谨慎。
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。
-
[email protected] Genkit CLI and Dev UI 1.44.0
发布说明摘录
CLI This release focuses on standardizing the CLI command and flag structure around kebab-case, cleaning up legacy options, and hardening input validation and exit code behavior. New Features * Standardized kebab-case commands and flags: Multi-word commands and options now use kebab-case (eval:extract-data, flow:batch-run, --max-rows, --batch-size, --explicit-project-root). Legacy camelCase command aliases (eval:extractData, flow:batchRun) and flags remain supported for backward compatibility. …在 GitHub 查看 ↗ -
py/v0.12.0 Genkit Python SDK v0.12.0
发布说明摘录
Genkit Python SDK v0.12.0 Release Notes Genkit Python SDK v0.12.0 is here. This release is about A2UI surfaces, Deep Research (plus Antigravity and Lyria), a stronger OpenAI plugin, and generate() handing back a ModelResponse once a turn has started. ```bash uv add genkit genkit-google-genai ``` What's New A2UI surfaces (#6312) ```bash uv add genkit-a2ui ``` …在 GitHub 查看 ↗ -
[email protected] Genkit CLI and Dev UI 1.43.0
发布说明摘录
CLI New Features * Added the genkit log:list CLI command - query and view structured runtime logs from the telemetry server (#6136). * Added OTLP log ingestion support to stream Python debug logs to the Developer UI (#6099). Fixes * Added java runtime detection (#6217). Developer UI New Features * Promoted the trace logs panel to a top-level view. * Zip archive downloads for multi-part agent artifacts. * Improved resume behavior for human-in-the-loop Agent interactions. Fixes …在 GitHub 查看 ↗