SuperAGI

不活跃
GitHub Python MIT

简介

SuperAGI 是一个面向开发者的开源自主 AI Agent 框架,支持快速构建、管理和运行自治智能体。

核心特性

  • 创建、部署和管理生产级自主 AI Agent
  • 工具市场扩展 Agent 能力,支持 Twitter、邮件、知识搜索等
  • 图形化 Web UI 管理和监控 Agent
  • Action Console 支持人机交互,给 Agent 输入和权限
  • 多向量数据库支持,优化检索性能
  • 性能遥测和 Token 用量优化,降低运行成本

适用场景

💡 快速构建和部署自主执行业务流程的 AI Agent
💡 通过工具市场集成社交媒体和邮件等外部服务
💡 监控和优化多个并发运行的 Agent 性能
💡 利用 Agent 记忆存储实现持续学习和适应

优势与不足

优势

  • 社区热度高(17.7k stars)
  • 开源许可证友好(MIT)
  • 项目有一定历史沉淀(已维护 3 年)

⚠️ 不足

  • 已超过 19 个月未更新

快速开始

克隆仓库后运行 Docker Compose 启动,访问 Web UI 界面创建第一个 Agent,从工具市场添加所需工具,配置 LLM 提供商后即可运行。

相关项目

Hermes Agent

243.5k · Python
活跃 A

NousResearch 推出的自主 AI Agent 框架,支持多种 LLM 后端,能够随用户需求不断成长和适应。

agent-frameworkautonomous-agentllm +1
  • · 自我改进学习循环 — 从经验中自动创建技能,使用中持续优化,跨会话搜索历史对话
  • · 多平台消息网关 — 单一进程支持 Telegram、Discord、Slack、WhatsApp、Signal 和 CLI
  • · 六种终端后端 — 本地、Docker、SSH、Singularity、Modal 和 Daytona,支持无服务器休眠模式

AutoAgent

9.8k · Python
不活跃 B

全自动化零代码 LLM Agent 框架,用户无需编写代码即可构建和部署自定义 AI Agent,支持自然语言驱动的 Agent 创建。

agent-frameworkzero-codeautomation +2
  • · 全自动代理构建 — 通过自然语言即可创建、定制和部署 AI Agent,无需编码
  • · 零代码框架,让没有技术背景的用户也能参与 AI 开发
  • · 自管理工作流生成 — 根据高层描述动态创建和优化代理管道

ART

10.7k · Python
活跃 A+

ART(Agent Reinforcement Trainer)是一个使用 GRPO 算法训练多步 Agent 的强化学习框架,支持为 Qwen、Llama 等模型进行在职训练以完成真实世界任务。

reinforcement-learningagent-trainingGRPO +3
  • · 基于 GRPO 的强化学习,用于在真实世界任务上训练多步 Agent
  • · W&B Training 无服务器 RL,通过共享推理集群降低 40% 成本并提速 28%
  • · 预置笔记本示例,涵盖邮件搜索、2048、井字棋、Codenames 和 MCP 工具掌握

PocketFlow

11.2k · Python
正常 A

PocketFlow 是一个极简的 100 行 LLM 框架,支持用 Agent 构建 Agent,通过简洁的抽象层实现复杂的 AI Agent 工作流。

agent-frameworkllmworkflow +2
  • · 仅 100 行代码,零依赖、零供应商锁定,极致轻量
  • · 基于图(Graph)的抽象,支持 Agent、多 Agent、Workflow 和 RAG 等设计模式
  • · 支持 Agentic Coding,让 AI Agent(如 Cursor)帮你构建 Agent,生产力提升 10 倍