tRPC-Agent-Go
面向 Go 服务的生产级智能体与图工作流框架。
按维度查看评分与理由
证据显示框架提供工具调用、代码执行、文件操作等能力，但未明确最小权限原则；有用户确认机制（如human-in-the-loop示例）但未系统化；数据流透明度有部分文档（如telemetry）但未全面；敏感数据处理未明确；依赖安全有go.mod但未审计；外部影响有安全控制（如allowlist）但未全面；回滚机制未明确；来源归属有CLA和贡献指南但未验证。扣分：缺乏系统性的安全设计文档和权限控制。
框架内部一致性较好，文档与代码示例匹配；依赖可用性有go.mod和CI，但未验证；失败消息有错误处理示例但未全面。扣分：未提供故障恢复和错误处理的最佳实践。
目标受众明确（Go开发者），场景覆盖广泛；能力边界有文档说明；触发精度有示例但未全面；环境适配有Go版本和依赖说明。扣分：未提供详细的配置指南和平台兼容性说明。
信息架构清晰，有文档和示例；安装说明有快速开始；命名稳定；示例丰富；已知限制未明确；许可证为Apache-2.0；版本控制有release但无changelog；维护责任有贡献指南。扣分：缺少已知限制和changelog。
输出可用性有示例和文档；边际价值高，提供多种功能；成本效益有提示缓存等优化。扣分：未提供性能基准和成本分析。
声明有文档和示例支持，但未提供独立验证；跨来源佐证有限；事实与推断未明确区分。扣分：缺乏测试结果和独立验证。
- 未验证的发布者身份，需谨慎评估供应链风险。
- 依赖较多，需进行安全审计。
- 代码执行和文件操作工具可能带来安全风险，需严格配置权限。
这个 Agent 能做什么，适合哪些场景？
tRPC-Agent-Go 是一个用于构建生产级智能体系统的 Go 框架，核心执行边界由 Runner、Agent 和事件流组成。它提供 LLMAgent、ChainAgent、ParallelAgent、CycleAgent 及 GraphAgent，用于模型驱动任务、顺序或并发协作，以及带条件路由的图工作流。Runner 负责会话管理和执行编排，并以 event.Event 流输出运行过程；会话、记忆、知识检索、制品和评估服务可接入该流程。框架还提供函数工具、MCP 工具、A2A、AG-UI HTTP/SSE 服务、OpenTelemetry 追踪，以及将 SKILL.md 工作流加载和执行为技能的能力。它适合需要将智能体功能嵌入 Go 后端服务、并希望自行集成模型和基础设施的团队。
应用通过 runner.NewRunner 创建执行器，再以 Runner.Run(ctx, userID, sessionID, message) 提交 model.NewUserMessage；返回的 events 通道持续产出 event.Event，可读取 chat.completion.chunk 的增量内容。LLMAgent 可调用 function.NewFunctionTool 创建的 Go 函数工具，也可接入 MCP 工具；工具能够执行计算、Web 搜索、文件操作或自定义服务，具体取决于应用配置。GraphAgent 使用 graph.NewStateGraph、AddNode 和 AddMultiConditionalEdges 构建节点、状态更新和分支并发执行。memory 服务可提供持久化搜索和工具接口，knowledge 示例展示加载来源、写入向量存储并检索 RAG 上下文；artifact 可保存和读取版本化文件。server 层可通过 AG-UI 暴露 Runner 并以 SSE 推送事件，也有 A2A 互操作示例；evaluation.New 可用评测集和可插拔指标运行重复评测。
- Go 后端团队需要为客服服务加入多轮会话、工具调用和长期记忆时，可用 Runner 与 LLMAgent 管理每位用户的 session。
- 需要将分析、处理、报告拆为多个步骤的业务自动化团队，可用 ChainAgent 串行组合子智能体，或用 ParallelAgent 并发执行独立任务。
- 构建需要条件分流、扇出并发和状态合并的审批或研究流程时，可用 GraphAgent 与 StateGraph 定义工作流。
- 为现有聊天前端提供流式智能体体验的团队，可通过 AG-UI 服务和 SSE 向客户端发送执行事件。
- 需要将文档知识接入问答服务的开发者，可参考 knowledge 示例加载资料、嵌入向量存储并进行检索。
- 需要持续衡量智能体质量的团队，可用 evaluation.New 对评测集执行多次运行并保存结果。
这个 Agent 有哪些优点和局限？
- 以 Go 原生 Runner、context 取消和流式事件模型组织智能体执行，适合接入 Go 服务。
- GraphAgent 支持类型安全的状态图、多条件路由和并行扇出；同时提供串行、并行、循环三类多智能体组合。
- 一个框架中覆盖会话、记忆、RAG、制品、评测、OpenTelemetry、MCP、A2A 与 AG-UI 集成。
- 技能以 SKILL.md 目录组织，可从本地、HTTP(S) 归档或多个根目录加载，并支持刷新仓库。
- 运行首个示例需要 Go 1.21+ 和 LLM 提供商 API 密钥；README 的快速启动以 OpenAI 环境变量和模型参数为例。
- 框架是库和服务集成组件，不是现成托管产品；应用仍需自行选择模型、实现工具、配置存储与部署边界。
- 启用技能执行或代码执行会引入本地执行风险；文档特别提示在 skill_run 场景关闭代码执行响应处理器，以避免 Markdown 代码块自动执行。
- README 说明 Redis、S3、COS、OTLP、Langfuse 等后端或导出路径，但未给出统一生产部署架构、托管服务或成本信息。
如何安装或部署这个 Agent？
前提是 Go 1.21 或更高版本，以及一个 LLM 提供商的 API 密钥。执行：
git clone https://github.com/trpc-group/trpc-agent-go.git
cd trpc-agent-go
export OPENAI_API_KEY="your-api-key-here"export OPENAI_BASE_URL="your-base-url-here"（可选）
随后执行：
cd examples/runner
go run . -model="gpt-4o-mini" -streaming=true如何使用这个 Agent？
最小集成流程是：用 openai.New 创建模型；用 llmagent.New 配置模型、工具和 model.GenerationConfig{Stream: true}；用 runner.NewRunner 创建 Runner；调用 Run 并遍历返回事件。若需取消正在运行的请求，应取消传入 Runner.Run 的 context，并继续消费 events 直到通道关闭；服务器或后台任务也可通过 agent.WithRequestID 设置请求 ID，再调用 runner.ManagedRunner 的 Cancel(requestID)。需要按请求创建不同提示词、模型、工具或沙箱时，可改用 runner.NewRunnerWithAgentFactory。
这个 Agent 与同类方案有什么区别？
README 将 GraphAgent 描述为在 Go 中与 LangGraph 功能等价；它还列出 ADK、Agno、CrewAI 和 AutoGen 为开源灵感来源，但未提供基准测试或逐项功能对比。