Tura
开源 Agent 运行时框架：用运行时管理的命令图替代重复的 ReAct 循环，减少约 80% 的 token 消耗并提升任务成功率。
- 源仓库
- Tura-AI/tura
- Star 数
- ★ 657
- 最近更新
- 17 天前
- License
- AGPL-3.0
- 主语言
- Rust
- FA 评分
- 65/100 · 存在缺口
30 秒速览
- 运行形态
- 可在哪里用
- 兼容但需适配
- 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
- 需要在本地终端批量执行「搜索—打补丁—构建—测试—lint」类多步编码工作流、希望把多轮模型往返压缩为单回合以省 token 的开发者
- 不适合
- 需要开箱即用、不想自行配置 LLM 提供商的团队
- 要把代码嵌入闭源产品的团队（AGPL-3.0 合规约束）
- 只依据 README 基准就认定所有模型配置都同等高效的选型者
- 源码审查
- 65/100 · 存在缺口
这个 Agent 能做什么，适合哪些场景？
Tura（GitHub 仓库 Tura-AI/tura）是一个开源 Agent 运行时框架，核心思路是把传统编码 Agent 中反复进入模型的工具调用循环改写为单次运行时管理的命令图。它不向模型暴露几十个小工具，而是暴露一个宏工具 command_run，让 Agent 在一次 LLM 回合内构建并执行多步操作树。在基于 20 个 DeepSWE v1.1 任务的公开基准中，Tura Direct 比 Codex CLI 少用 77.5% 的聚合 token 且验证成功率相当（65.0% vs 63.3%），Tura Balanced 则以少 31.1% 的 token 达到 80.0% 成功率，比 Codex CLI 高 16.7 个百分点。Tura 还引入 backward reasoning（先估算倒数第二状态再反向推理）和运行时上下文管理：task_status、运行时提示和递归任务手册让活跃上下文始终限定在当前任务，compaction 是 CLI 操作，可精确保留代码位置、补丁、测试与任务状态，官方会话记录显示 compaction 后平均 2.6 轮即可恢复执行。产品提供 CLI（tura exec / tura run）、TUI、桌面 GUI（tura_gui）和本地 HTTP/SSE 网关（tura_gateway），通过 npm 包 tura-ai 全平台分发，许可为 AGPL-3.0-or-later。需要主要的是，其基准优势来自特定配置（GPT-5.6 SOL 等），README 明确说明结果不代表所有 provider 配置下的同等表现。
Tura 读取用户提示后，让 LLM 生成一个结构化的 command_run 调用，其中 commands 数组按 step 编排 shell_command 与 apply_patch 等操作，由 Rust 运行时确定性执行，无需每步都回到模型。推理阶段采用 backward reasoning：先统计性估算目标前一状态 s_{n-1}，再反向推导执行路径、重建故障状态、定位根因后才写代码。上下文作为运行时状态机的一部分管理：task_status 跟踪任务状态，task_status.compact_context 在 CLI 侧做压缩并保留代码位置、补丁、测试结果；会话可重命名、刷新、自动管理；任务手册和 CLI 命令通过递归任务树按需加载。输出层面支持 HTML 富文本，GUI/TUI 均支持多会话并发工作。入口包括 tura（交互式 TUI）、tura "prompt"、tura exec（直接 Rust CLI 运行）、tura run（带流式和历史的网关运行）、tura bash/zsh/shel（选择命令执行 shell）、tura_gateway（本地 HTTP/SSE 网关与可选 Web GUI）和 tura_gui（桌面客户端）。
- 需要在本地终端批量执行「搜索—打补丁—构建—测试—lint」类多步编码工作流、希望把多轮模型往返压缩为单回合以省 token 的开发者
- 长期运行大型重构或调试任务、担心上下文被过期 skill 文件和旧摘要污染、需要任务级上下文压缩并恢复执行的工程师
- 对成本敏感、愿意用 Direct 模式以 77.5% 更少 token 完成同等成功率任务的团队
- 追求更高验证通过率、愿意把节省的 token 预算投入推理与验证（Balanced 模式 80.0% 成功率）的团队
- 偏好桌面 GUI 或 TUI 中多会话并行工作并查看 HTML 富文本输出的用户
- 想通过 tura_gateway 在本地搭建带流式输出和会话历史的 HTTP/SSE 服务并接入 Web 界面的使用者
如何安装或部署这个 Agent？
npm 全局安装（macOS / Linux / Windows）：npm install -g tura-ai，然后运行 tura。本地项目安装：npm install tura-ai，再 npx --no-install tura。npm 包不运行 postinstall 脚本，wrapper 直接解析并启动对应平台包；同一主包也发布在 GitHub Packages 上，名称为 @tura-ai/tura（需配置 @tura-ai scope 指向 https://npm.pkg.github.com 并使用具有 read:packages 权限的 token）。从源码安装：克隆 https://github.com/Tura-AI/tura.git 后，Windows PowerShell 运行 .\scripts\install.ps1，macOS/Linux 运行 ./scripts/install.sh，安装脚本完成环境配置、release 构建和 PATH 注册；如只需依赖环境不构建，可加 -EnvironmentOnly / --environment-only。
如何使用这个 Agent？
首次启动时必须先配置 LLM provider 并选择模型（Tura 不内置任何 provider 凭证），CLI、TUI、GUI 均有对应配置流程（见 docs/start/providers.md）。之后可使用：tura 进入交互式终端 UI；tura "prompt" 携带初始提示打开 TUI；tura exec "prompt" 直接用 Rust CLI 运行提示；tura run "prompt" 通过网关运行并带流式输出与历史；tura bash / tura zsh / tura shel 选择命令执行的 shell 表面；tura_gateway 启动本地 HTTP/SSE 网关（可选 Web GUI）；tura_gui 打开桌面工作区客户端。核心工作方式是让模型生成 command_run 宏调用，在 commands 数组中以 step 编排 shell_command 与 apply_patch，由运行时在单回合内确定性执行整棵命令树。
这个 Agent 有哪些优点和局限？
- 有可审计的公开基准证据：25 个高难度任务、6 种 agent-模型配置、270 个会话，结果发布在 Tura-AI/benchmark 仓库，含轮次契约、token 用量和补丁工件
- 宏工具 command_run 将多步工作流压入单次 LLM 回合，Balanced 配置比 Codex CLI 少 35.8% 回合、31.1% token，Direct 配置少 69.1% 回合、77.5% token
- compaction 是保留精确执行状态（代码位置、补丁、测试、任务状态）的 CLI 操作，存档会话显示压缩后平均 2.6 轮即恢复执行
- 上下文按任务状态管理，避免长期会话中 skill 文件和压缩摘要无限堆积
- 同时提供 CLI、TUI、GUI 和本地网关多种入口，GUI/TUI 支持多会话并发
- 基准优势绑定特定配置（DeepSWE 任务、GPT-5.6 SOL），README 明确声明结果不能推广到所有 provider；Anthropic/Claude、Google/Gemini、OpenAI 兼容、本地 provider 等仍属路线图和已知证据缺口
- README 自述没有消融实验证明 command_run 单独导致了更低的回合与 token 用量
- Codex 的 compaction 恢复轮数（5.4 轮）是基于输入 token 骤降点的估算值，而 Tura 是显式事件，二者口径不完全对等
- 首次使用必须自行配置 LLM provider，产品不捆绑任何凭证
- AGPL-3.0-or-later 许可对希望在闭源产品中集成其代码的团队构成合规约束
这个 Agent 与同类方案有什么区别？
README 直接与 Codex CLI 对比：在 20 个 DeepSWE v1.1 任务上，Tura Direct 聚合 token 少 77.5% 且验证成功率 65.0% vs 63.3%；Tura Balanced 成功率 80.0%（高 16.7 个百分点）且 token 少 31.1%、回合少 35.8%。同一子集上 DeepSWE 官方 mini-swe-agent 的 GPT-5.6 SOL High 与 Medium 推理差距仅 8%，而 Tura Balanced 领先 Codex CLI 16.7%，说明优势不能仅归因于更高推理强度。
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 |
|---|---|---|---|---|---|---|
| Tura 当前 | 65 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 657 | 17 天前 | Rust | — |
| zerostack | 57 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 1.7k | 1 天前 | Rust | OpenAI API · Claude API |
| Devo 桌面编码智能体 | 58 · 缺口较多 | 桌面应用免费 + 模型费 | ★ 341 | 4 天前 | Rust | OpenAI API · Claude API |
| agentty | 44 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 617 | 今天 | C++ | OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示该代理通过 command_run 宏工具执行任意 shell 命令和 apply_patch 写操作，权限范围极大；GUI fixture 中有 permission {allow,deny} 结构暗示存在权限模型，但提供的文件中没有沙箱、审批流程或最小权限的文档或代码。未见到写入前用户确认机制的任何说明，也未说明提示词和文件内容如何流向 LLM 提供商。积极面：README 明确不捆绑提供商凭据、使用环境变量令牌，CI 集成 cargo-audit/cargo-deny。检查点（checkpoint）保留执行状态的描述存在，但没有回滚保证或撤销机制的证据。作者署名（Tura）与仓库/许可证元数据一致，但发布者未经注册表验证，署名仅得中等分。
仓库结构自洽：workspace crate 划分清晰、依赖经 lockfile 与固定版本管理、optionalDependencies 按平台分包，CI 对每个 crate 做 clippy+测试并有安装脚本三平台测试。CI 脚本展示结构化错误捕获与日志上传，暗示失败信息处理较认真，但静态审查无法确认用户端错误消息质量，故不给满分。
README/文档索引面向 CLI、TUI、GUI 三种入口，覆盖 macOS/Linux/Windows，安装脚本与 CI 三平台矩阵证明环境适配扎实。对受众（开发者）和场景（编码任务）有明确说明；KNOWN_ISSUES 与 ROADMAP 诚实列出提供商、跨 OS、基准覆盖的能力边界。触发/入口语义（tura、exec、run、bash/zsh）有文档表，但部分入口拼写可疑（`tura shel`），扣一分。
信息架构非常完整：docs/SUMMARY.md 索引、各 crate ARCHITECTURE.md、贡献指南、行为准则、安全政策、支持文件齐备。安装说明详细（npm、源码、PATH 注册、提供商配置），并明确说明无 postinstall 脚本。LICENSE 为完整 AGPL-3.0 文本且与 Cargo/package 元数据一致。已知问题单独成文。扣分点：CHANGELOG.md 仅出现在打包清单中未提供内容，workspace 版本 0.1.0 与 npm 0.1.37 存在不一致；无 FAQ；命名如 `tura shel` 疑似笔误。
README 给出量化成本/收益主张（77.5% fewer tokens、65.0% vs 63.3% 验证成功率），并在脚注中链接方法学与工件，承认缺少 ablation 实验，成本收益论证较诚实充分。输出可用性与边际价值只能从静态描述与截图说明推断，未见独立复现，给中等分。
几乎每条性能主张都带脚注并指向 benchmark 仓库的 manifest/round contract，事实与推断分离较好（明确标注 Codex 5.4 轮为估计值、承认无 ablation）。扣分：所有佐证来自同一作者自建的 benchmark 仓库，属自我证实，无独立第三方复现，跨源佐证薄弱；静态审查无法打开链接核验，置信度只能为 low。
- command_run 宏工具允许模型一次执行多条 shell 命令和补丁写入，请仅在受控/隔离环境中使用，并核实是否存在写入前确认机制。
- 性能数据（77.5% fewer tokens 等）全部来自项目方自建基准，无独立第三方复现，不应直接作为采购依据。
- 发布者未经企业注册表验证；npm 安装前请核对包完整性与 provenance。
- 仓库版本号（0.1.0 vs 0.1.37）不一致，文档中出现疑似笔误的入口（tura shel），使用前请以实际 CLI 帮助为准。
- 提示词与代码内容会发送给所配置的 LLM 提供商，敏感仓库使用前请评估数据外发风险。
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。
-
发布说明摘录
Tura 0.1.37 Released on 2026-08-17. Changes are relative to [v0.1.36](https://github.com/Tura-AI/tura/releases/tag/v0.1.36). Highlights - Fixed npm-installed Tura resolving its project root from the slim tura-ai wrapper package. The wrapper now points TURA_PROJECT_ROOT at the native platform package's target/release directory, where the packaged agents, personas, provider catalog, prompts, commands, and tool schemas live. - Kept persistent state independent from versioned node_modules directories: …在 GitHub 查看 ↗ -
发布说明摘录
Tura 0.1.36 Released on 2026-08-16. Changes are relative to [v0.1.35](https://github.com/Tura-AI/tura/releases/tag/v0.1.35). Highlights - Removed the npm postinstall lifecycle script so npm 12 no longer needs an allow-scripts exception to install Tura. - Updated the tura npm wrapper to resolve and launch the native executable directly from the matching optional platform package without copying release files or modifying the user's shell path during installation. - Added manual npm 12 installation workflows for Linux, macOS, and Windows that …在 GitHub 查看 ↗ -
发布说明摘录
Tura 0.1.35 [Full changelog](https://github.com/Tura-AI/tura/blob/v0.1.35/docs/changelog/0.1.35.md)在 GitHub 查看 ↗