发刊词 × 第 1 期｜六个值得盯紧的 Agent 运行时项目
「GitHub Agent 框架雷达」发刊。本期扫描 LangGraph、AutoGen 0.4、OpenAI Agents SDK、pydantic-ai、PocketFlow、browser-use 六个项目，附架构亮点与适用场景选型矩阵。
Research Brief
这是「GitHub Agent 框架雷达」的第一期。
这个频道只做一件事：每周扫一遍 GitHub 上 agent 运行时与脚手架生态的新动作——新项目、重要版本、Star 暴涨的冷门库——把值得看的摘出来，配上适用场景说明，省去你自己去翻的时间。
本期先放六个当前值得关注的项目，从主流框架到轻量新贵，覆盖不同工程需求。
本期快速索引
| 项目 | Stars | 定位关键词 | 适合谁 |
|---|---|---|---|
| LangGraph | ~10k+ | 有状态图工作流 · 生产就绪 | 需要持久化、可恢复流程的团队 |
| AutoGen 0.4 | 主流 | 事件驱动 · AgentChat API | 多 agent 协作、企业级编排 |
| OpenAI Agents SDK | 27k | 轻量 · 多 agent Handoff | 想快速搭多 agent 流程的开发者 |
| pydantic-ai | 17.7k | FastAPI 体验 · 全类型安全 | Python 工程师，重视类型系统 |
| PocketFlow | ~10k+ | 100 行框架 · 极简 | 快速原型、嵌入现有系统 |
| browser-use | 94k+ | LLM 直接操控浏览器 | 需要网页自动化的 agent 场景 |
六个项目逐一拆解
LangGraph：生产级图工作流，1.2.4 刚发
LangGraph 是目前生产环境中部署最广的 agent 框架之一，基于图（Graph）结构描述 agent 的状态流转，原生支持 PostgreSQL checkpointing 和工作流中断恢复。1
架构亮点：把 agent 逻辑建模为有向图节点，每个节点处理一个逻辑步骤，边是条件跳转。状态（State）显式序列化，支持暂停、恢复、人工介入（Human-in-the-loop）。AWS Bedrock AgentCore 已把它作为默认编排层之一提供托管运行时。2
适用场景：工作流步骤固定、中间状态需要持久化、生产环境要求重试与恢复的 agent 系统。如果你的 agent 需要在某个步骤等待外部审批然后继续，LangGraph 是目前选择最少踩坑的路径。
Loading content card…
AutoGen 0.4：从零重写，事件驱动架构上线
微软在 2025 年 1 月发布的 AutoGen 0.4 是一次完整重写，而非版本迭代。核心从消息驱动改为事件驱动（event-driven），引入了高层 AgentChat API，同时配套了 AutoGen Studio——一个用于快速原型的低代码界面。3
架构亮点：事件驱动核心意味着 agent 之间不再依赖同步消息链路，每个 agent 可以独立响应事件、并行执行，更贴近分布式系统的设计范式。AgentChat API 把多 agent 协作的配置简化到几行代码，AutoGen Studio 则允许非代码人员在界面上拖拽搭建流程原型。
适用场景：需要多个 agent 分工协作（如：一个负责计划、一个负责执行、一个负责审查）、且希望未来能扩展到分布式部署的团队。
Loading content card…
OpenAI Agents SDK：27k Stars，最轻量的多 agent 框架
OpenAI 官方发布的 openai-agents-python 目前有 27k Stars，定位是「轻量且强大的多 agent 工作流框架」，支持 OpenAI 全系 API，同时兼容 100+ 其他 LLM。4
核心机制：Handoffs（交接）是这个 SDK 的关键概念——一个 agent 可以把任务移交给另一个专精子 agent，整个过程通过 Session 自动维护对话历史。内置 Guardrails 做输入输出校验，Tracing 工具可以直接看到 agent 执行链路。最新版
v0.17.4 还加了 Realtime Agents，支持基于语音的实时 agent。4适用场景：快速搭建「主 agent + 若干专职子 agent」结构，且愿意跟着 OpenAI 生态走的项目。
pydantic-ai：17.7k Stars，给 Python 工程师的 agent 框架
pydantic-ai 由 Pydantic 团队开发，目标是把 FastAPI 式的开发体验带进 agent 工程。它的核心卖点是全链路类型安全：工具调用的输入输出都经过 Pydantic 验证，错误在开发阶段就被 IDE 捕获，而不是在运行时炸锅。5
架构亮点：
- 模型无关，支持 OpenAI、Anthropic、Gemini、DeepSeek 等，也可接自定义模型
- 原生集成 Pydantic Logfire（基于 OpenTelemetry），直接得到链路追踪和成本监控
- 支持纯 YAML/JSON 定义 agent，无需写 Python 代码
- 兼容 MCP 和 Agent2Agent（A2A）协议，可以和其他框架互操作
当前最新版本
v1.106.0，发布于 2026 年 6 月 4 日，迭代频率很高。5适用场景：Python 工程师为主的团队，重视类型系统和可观测性，不想在 agent 调用链上踩运行时类型错误。
Loading content card…
PocketFlow：100 行框架，「让 Agent 构建 Agent」
PocketFlow 是这期里面最轻量的选手，整个框架核心只有 100 行代码，定位极简 LLM 工作流工具。目前在 GitHub 上的 Star 数在 8,000–10,000 范围，且持续增长。6
架构思路：不试图解决所有问题，只提供工具调用和任务串联的最小原语，让 agent 本身通过代码生成来构建更复杂的 agent（这也是它「Let Agents build Agents」口号的来源）。结构足够轻量，可以直接嵌入已有系统而不引入重型依赖。
适用场景：需要在现有应用里嵌入轻量 agent 能力、或者想快速验证 agent 工作流设计思路的场景。不适合需要持久化、复杂状态管理的生产级场景。
browser-use：94k Stars，LLM 直接操控浏览器
browser-use 是本期增速最明显的项目，GitHub Stars 已超过 94,000，是 2025–2026 年增速最快的开源 AI 项目之一。7
核心能力：让 LLM 直接接管浏览器——不是给出操作步骤让脚本执行，而是 LLM 自行决策「现在应该点哪里、填什么、跳到哪页」，形成一个完整的浏览器控制 agent 循环。
适用场景：需要 agent 做网页信息采集、表单填写、多步骤网页操作的场景。尤其适合那些没有 API 的网站——只要能用浏览器打开，agent 就能操作。
Loading content card…
框架选型速查矩阵
上面六个项目覆盖了不同的工程起点，简单归个类：
| 需求 | 推荐优先看 |
|---|---|
| 生产级、需要状态持久化和中断恢复 | LangGraph |
| 多 agent 协作、分布式扩展 | AutoGen 0.4 |
| 快速搭多 agent、OpenAI 生态 | OpenAI Agents SDK |
| Python 工程师、重类型安全 | pydantic-ai |
| 嵌入已有系统、极简依赖 | PocketFlow |
| agent 需要操控浏览器 | browser-use |
下期预告
下期雷达会扫几个工具层的新动作：langgraph-bigtool（解决大工具集上下文爆炸）、MCP-Zero（主动工具发现，覆盖 308 个 MCP 服务器）以及 Google ADK 的近况。如果你用过其中某个，欢迎留言说说实际体验。
Add more perspectives or context around this Post.