Ouroboros

活跃
GitHub Python MIT

简介

Ouroboros 是一个规范驱动的多智能体开发框架,从传统的提示词工程转向规范驱动开发模式,支持多 Agent 协作、MCP 工具集成和自动化工作流编排,适用于高质量 Agent 系统构建。

核心特性

  • 规范优先工作流:苏格拉底式访谈 → 不可变种子规范 → 执行 → 评估
  • 多运行时适配器,支持 Claude Code、Codex CLI、OpenCode、Hermes、Gemini、Kiro、Copilot
  • 三层架构:内核(合约引擎)、插件(领域工作流)、Shell(TUI 驾驶舱)
  • 账本记录的可重放执行事件,支持审计和可观测性
  • MCP 集成用于工具发现和范围化权限管理
  • 插件生态系统,可组合领域程序(PR 操作、Jira 同步、事件处理、发布管理)

适用场景

💡 结构化 AI 编码工作流替代临时提示词
💡 团队环境下可重放和可审计的 Agent 执行
💡 具备策略约束工具访问的多 Agent 协作
💡 通过可安装插件实现领域特定自动化

优势与不足

优势

  • 活跃维护,近期持续更新
  • 社区热度高(5.8k stars)
  • 开源许可证友好(MIT)

快速开始

运行 `curl -fsSL https://raw.githubusercontent.com/Q00/ouroboros/main/scripts/install.sh | bash` 安装。然后打开你的 AI 编码助手运行 `ooo interview "I want to build a task management CLI"`。安装程序会自动检测 Claude Code、Codex CLI 和 Hermes CLI。其他运行时请执行 `ouroboros setup --runtime <opencode|kiro|copilot|gemini|pi>`。

相关项目

DeepResearchAgent

3.5k · Python
不活跃 B

DeepResearchAgent 是一个分层多智能体系统,专为深度研究任务和通用任务求解设计。通过顶层规划 Agent 协调多个专业子 Agent,实现自动化任务分解和跨领域高效执行。

multi-agentframeworkpython +3
  • · 分层多 Agent 系统,顶层规划 Agent 协调专业子 Agent
  • · RSPL 协议层将提示、Agent、工具、环境和记忆建模为版本化资源
  • · SEPL 自进化协议,支持提议、评估和提交改进并支持回滚

AG2

4.9k · Python
活跃 A+

AG2(前身为 AutoGen)是一个开源的 AgentOS,提供多 Agent 对话框架,支持灵活的 Agent 编排、工具集成和分布式协作,适用于构建复杂的多智能体系统。

multi-agentframeworkagent +3
  • · 多智能体对话框架,支持灵活的编排模式,包括群聊、嵌套对话和自定义编排
  • · 支持多种大语言模型提供商,可配置 API 密钥和模型选择
  • · 人在回路工作流,允许人类参与智能体对话的监督和输入

AgentsMesh

2.3k · Go
正常 B

AI Agent 劳动力平台,为每个团队成员分配专属的 AI Agent 小队,实现多 Agent 协同工作、任务编排和技能积累,帮助团队突破人力瓶颈,规模化交付复杂任务。

gomulti-agentagent +3
  • · AgentPod 远程 AI 工作站,提供 Web 终端、Git worktree 隔离和实时流式传输
  • · 通过通道和 Pod 绑定实现多 Agent 协作,支持实时拓扑可视化
  • · 基于看板的任务管理,支持工单-Pod 绑定和 MR/PR 集成