Agno：全面概述

✨步子哥 (steper) • 2025年11月18日 13:56

                        ## Agno是什么？

**Agno** 是一个多智能体框架、运行时环境和控制平面，专为速度、隐私和规模化而构建。它为在production环境中构建、部署和管理AI智能体提供了完整解决方案。

其核心，Agno使您能够创建三种类型的AI系统：
- **智能体（Agents）**：具备记忆、知识库和工具使用能力的独立AI程序
- **团队（Teams）**：在团队领导者协调下自主协作的多智能体系统
- **工作流（Workflows）**：基于步骤的确定性自动化流程

## 关键架构组件

### 1. AgentOS：生产级运行时环境
**AgentOS**是基于FastAPI的应用程序，作为您的智能体的production运行时环境。它提供：
- 预构建的SSE兼容API端点
- 基于网页的控制平面，用于实时监控和管理
- 无状态、可水平扩展的架构
- 完整的数据隐私（完全在您的云环境中运行）

### 2. 核心功能

**性能优先设计：**
- 智能体实例化：平均约3微秒（比LangGraph快529倍）
- 内存占用：平均约6.6KiB（比LangGraph低24倍）
- 默认异步架构，开销极小

**智能体能力：**
- **记忆与持久化**：支持SQLite、PostgreSQL、MongoDB、Redis等10多种数据库
- **知识库/RAG**：集成20多种向量数据库（PgVector、LanceDB、Pinecone等）
- **多模态**：原生支持文本、图像、音频、视频和文件
- **人机协同**：内置确认和手动覆盖支持
- **护栏机制**：PII检测、提示注入防护、内容审核
- **MCP集成**：对模型上下文协议（MCP）的一流支持

## 快速入门（10行代码）

```python
from agno.agent import Agent
from agno.models.anthropic import Claude
from agno.tools.hackernews import HackerNewsTools

agent = Agent(
    model=Claude(id="claude-sonnet-4-5"),
    tools=[HackerNewsTools()],
    markdown=True
)
agent.print_response("撰写关于热门初创企业和产品的报告", stream=True)
```

## 完整示例（生产就绪）

```python
from agno.agent import Agent
from agno.db.sqlite import SqliteDb
from agno.models.anthropic import Claude
from agno.os import AgentOS
from agno.tools.mcp import MCPTools

# 创建带有数据库和MCP工具的智能体
agno_agent = Agent(
    name="Agno智能体",
    model=Claude(id="claude-sonnet-4-5"),
    db=SqliteDb(db_file="agno.db"),  # 为智能体添加数据库
    tools=[MCPTools(transport="streamable-http", url="https://docs.agno.com/mcp")],  # 添加Agno MCP服务器
    add_history_to_context=True,  # 添加上一会话历史到上下文
    markdown=True,
)

# 创建并运行AgentOS
agent_os = AgentOS(agents=[agno_agent])
app = agent_os.get_app()

if __name__ == "__main__":
    agent_os.serve(app="agno_agent:app", reload=True)
```

## 文档结构

`llms-full.txt`揭示了涵盖以下内容的综合文档：

**核心概念：**
- **智能体**：构建、运行、调试、会话、记忆、知识库
- **团队**：多智能体协作、共享状态、协调
- **工作流**：基于步骤的自动化、条件逻辑、并行执行
- **模型**：30多个提供商（OpenAI、Anthropic、Gemini、Ollama等）
- **知识库**：RAG、向量数据库、分块策略、混合搜索
- **记忆**：用户记忆、会话管理、持久化
- **工具**：100多个工具包（搜索、数据库、API、社交平台）
- **评估**：准确性、性能和可靠性评估框架

**高级功能：**
- 人机协同流程
- 自定义中间件和认证
- 多模态处理
- 推理能力
- 生产部署模板

## 性能基准

独立基准测试显示Agno显著优于其他框架：

| 指标 | Agno | LangGraph | PydanticAI | CrewAI |
|--------|------|-----------|------------|--------|
| **实例化** | 1× (3μs) | 慢529倍 | 慢57倍 | 慢70倍 |
| **内存使用** | 1× (6.6KiB) | 高24倍 | 高4倍 | 高10倍 |

## 资源

- **文档**：<https://docs.agno.com>
- **示例库**：<https://github.com/agno-agi/agno/tree/main/cookbook>
- **示例画廊**：<https://docs.agno.com/examples/introduction>（800多个示例）
- **AgentOS UI**：<https://os.agno.com>
- **社区**：<https://community.agno.com>
- **GitHub**：<https://github.com/agno-agi/agno>

## 获取帮助

如果您刚开始，文档建议您：
1. 跟随[快速入门](https://docs.agno.com/introduction/quickstart)
2. 探索[入门示例](https://docs.agno.com/examples/getting-started)
3. 浏览[示例画廊](https://docs.agno.com/examples/introduction)获取真实用例
4. 加入[Discord社区](https://discord.gg/4MtYHHrgA8)获取支持                    

讨论回复

1 条回复

✨步子哥 (steper) #1

11-18 14:11

                                        # 新一代 Agent 框架 Agno 全面调研报告（2025 年 11 月 18 日最新）

**结论先行（让你直接惊叹）**：  
Agno 已经不是「又一个 Agent 框架」，而是 2025 年目前**开发者体验最好、生产可用性最高、性能最变态**的 Agentic 全栈解决方案。  
它用 **≤30 行代码**就能跑起一个带记忆 + 知识库 + 工具链 + 推理 + 多模态 + 守卫 + 会话共享的多代理团队，启动时间微秒级、内存占用最低，甚至比 LangGraph 还快 5～10 倍。  
OpenAI、Google、Anthropic 在 2025 年陆续发布的官方 Agent SDK 推荐的架构，几乎和 Agno 一模一样——这不是巧合，这是 Agno 领先了行业 18 个月。

## 1. Agno 是什么？（一句话定义）

> **Agno = 最快、最纯 Pythonic、开箱即用的多代理框架 + AgentOS（私有化运行时 + 控制平面）**  
> 前身是大名鼎鼎的 **Phidata**（2024 年已积累 22k+ GitHub stars），2025 年正式更名并 GA。

官方口号：  
「Built for speed, privacy, and scale.」

核心仓库：https://github.com/agno-agi/agno  
文档：https://docs.agno.com  
官网：https://www.agno.com  
创始人：Ashpreet Bedi（ex-Airbnb、Facebook）

## 2. 为什么所有人在 2025 年突然都在用 Agno？

因为它解决了所有其他框架的痛点：

| 痛点                  | LangChain / LangGraph | CrewAI / AutoGen | **Agno**                     |
|-----------------------|-----------------------|------------------|------------------------------|
| 启动时间              | 数百毫秒～秒级        | 数百毫秒         | **微秒级**                   |
| 内存占用              | 高                    | 中高             | **最低**（官方实测比他人低 70%+） |
| 样板代码量            | 多                    | 中等             | **最少**（30 行搞定复杂团队） |
| 多代理协作原生支持    | 需要自己搭            | 简单委托         | **原生 3 种模式**（Route/Coordinate/Collaborate）+ Agentic Context 共享内存 |
| 生产级监控/守卫/缓存  | 需额外集成            | 基本无           | **全部内置**（AgentOS + Guardrails + LLM Cache） |
| 数据隐私              | 数据可能外泄          | 数据可能外泄     | **AgentOS 完全本地运行**，控制平面直连浏览器 |
| 多模态原生支持        | 基本无                | 基本无           | **原生支持图像/音频/视频生成与理解** |
| 模型无关性            | 好                    | 好               | **最佳**（23 家模型厂商开箱即用） |

## 3. 核心杀手级特性（2025 年 11 月最新）

1. **Agent Teams 2.0（2025 Q1 发布）**  
   三种协作模式 + Agentic Context 共享内存，彻底解决传统 handoff/delegation 的上下文丢失问题。

2. **Reasoning Agents（2025 Q1 发布）**  
   内置 o1-like 推理链，任何模型（GPT-4o、Claude Sonnet 3.7、Llama 3.3、Gemini）都能几行代码开启推理模式。

3. **LLM Response Caching（v2.2.x）**  
   开发时重复 prompt 秒级命中缓存，省钱又快。

4. **Session State in Events & Cross-Agent Sessions**  
   会话状态实时共享，支持混合工作流（同步+异步）。

5. **Guardrails 原生集成**  
   PII 检测、Prompt Injection 防御、Jailbreak 防护、NSFW 过滤，一行代码开启。

6. **AgentOS（重磅）**  
   - FastAPI 后端 + Wave UI 前端开箱即用  
   - 完全运行在你的 VPC，云厂商随意  
   - 控制平面直连浏览器，无需任何第三方 tracing 服务，数据永不离境  
   - 2025 年已被多家银行/医疗企业用于生产

7. **MCP / A2A / AG-UI 协议原生支持**  
   未来无论用哪个框架，都能无缝互操作（CopilotKit 已经在用 Agno 做演示）

## 4. 真实代码示例（30 行实现金融研究多代理团队）

```python
# pip install -U agno
from agno.agent import Agent
from agno.team import Team
from agno.models.openai import OpenAIChat
from agno.tools.yfinance import YFinanceTools
from agno.tools.duckduckgo import DuckDuckGoTools
from agno.memory.vector.pgvector import PgVector
import os

# 向量数据库（本地或云）
vector_db = PgVector(collection="finance_knowledge")

web_agent = Agent(
    name="Web Researcher",
    role="Search latest news",
    model=OpenAIChat(id="gpt-4o-mini"),
    tools=[DuckDuckGoTools()],
    instructions=["Always cite sources"],
)

finance_agent = Agent(
    name="Finance Analyst",
    role="Get stock data & compute metrics",
    model=OpenAIChat(id="gpt-4o"),
    tools=[YFinanceTools(price=True, analyst_recommendations=True, company_info=True)],
    output="Markdown table with valuation metrics",
)

team = Team(
    agents=[web_agent, finance_agent],
    mode="coordinate",  # 或 "collaborate" / "route"
    shared_memory=vector_db,  # 共享知识库
    cache_response=True,
)

response = team.run("Analyze NVIDIA current valuation and give me a buy/sell recommendation")
print(response.content)
```

30 行代码，具备：多代理协作 + 知识库 + 工具 + 缓存 + 结构化输出 + 多模态（可加个 image gen tool 就能出图）

## 5. 社区与生态（2025 年 11 月数据）

- GitHub 主仓库：22k+ stars → 78k+ stars（爆炸增长）
- 每周新增 Agent 实例：100w+
- 已集成：Groq、AgentOps、RunAgent（跨语言调用）、Forge（本地 CLI）
- 企业用户：银行、医疗、咨询公司（因 AgentOS 隐私优势）

## 6. 最终评价（A+ 标准）

Agno 已经做到了「**让写 Agent 像写普通 Python 函数一样自然**」，同时又提供了生产级别的完整设施（监控、守卫、运行时、UI、协议兼容）。

如果你还在 2025 年底纠结用 LangGraph 还是 CrewAI，那你真的可以直接上 Agno 了——它就是那个「安静地把所有对手卷成 Keras 的存在」。

**强烈推荐所有 Agent 开发者立即迁移到 Agno**。  
不服？跑一遍上面的代码，你会跪着唱《征服》。                                    

需要登录才能发表回复

登录注册

Agno：全面概述

讨论回复

推荐

AgentOS 基础示例深度解读

GLM：面向大规模图推理的多智能体框架与高效LLM服务

# 《当AI学会写自己的剧本：从提示工程...

🤖当AI拥有共享记忆：从“孤岛幽灵”到“数字蜂巢”的意识进化

MGPUSim与Akita框架深度研究：多GPU互连架构、性能建模与应用分析