代码蜂巢X

探索编程的无限可能

编辑：嘉禾

如果你厌倦了为每个新 Agent 反复写提示词、搭模型、配工具链，Agno 也许正是解药。

项目概述

Agno是一套开源的 Agent 开发框架，主打 “声明式、模块化、秒级启动”。背景：为什么造一个 Agent 框架？

• • 重复造轮子：每次新 Agent 都要写提示模板、重接 LLM、重写工具注册。
• • 运行环境碎片化：本地调试、Docker 镜像、K8s 部署三套配置。
• • 监控缺失：Agent 执行链路黑盒，出问题只能看日志猜。

Agno 把这三件事一次性打包：

1. 1. 声明式 Agent：用 Python 类写配置，代码即文档。
2. 2. 一键容器化：自动生成 Dockerfile & Helm Chart，本地 phi ws up 直迁云端。
3. 3. 可观测性：内建追踪、指标、Web UI，Agent 每次调用都可视。

功能亮点

功能一句话说明示例多模型即插即用OpenAI、Anthropic、Ollama、Gemini 一键切换model=OpenAIChat(id=”gpt-4o”)50+ 原生工具搜索、爬虫、SQL、Slack、Notion…随拿随用agent = Agent(tools=[DuckDuckGo(), SQLTools(db)])知识库/RAG本地向量库 & 实时网页索引二合一knowledge = WebsiteKnowledge(url=”docs.agno.com”)多智能体协作主-子 Agent 拓扑 + 路由逻辑team = Team(agents=[writer, reviewer], router=LLMRouter())UI 面板实时聊天、追踪、调试三合一phi ws up 后访问 localhost:3000多云部署AWS、GCP、Azure 一键脚本phi deploy aws –app agno-app

技术细节

• • 类型安全：100% Python 类型注解，IDE 自动补全。
• • 异步优先：所有 IO 异步化，Agent 并发无阻塞。
• • 缓存策略：LLM 调用结果、向量检索结果均可 TTL 缓存，成本骤降。
• • 扩展协议：工具仅需继承 Toolkit 基类，实现 2 个方法即可注册。

安装与使用

1. 安装

pip install -U agno

2. 3 行代码跑通第一个 Agent

from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.duckduckgo import DuckDuckGo

agent = Agent(model=OpenAIChat(id="gpt-4o"), tools=[DuckDuckGo()])
agent.print_response("今年 iPhone 16 有哪些爆料？", markdown=True)

3. 启动 Web 工作区（可选）

phi ws up
# 浏览器打开 http://localhost:3000

4. 部署到云端

phi deploy aws --name my-agents

应用案例

• • SEO 内容工厂：30 个 Agent 并行生成关键词文章，日更 1000 篇。
• • 金融研报机器人：联网抓取财报 → 向量存储 → 摘要 + 可视化图表 → 邮件推送。
• • 企业知识问答：把内部 Notion + 钉钉文档向量化，员工通过 Slack 直接提问。

项目地址

GitHub 源码与完整文档：
https://github.com/agno-agi/agno

官方文档站：
https://docs.agno.com