Agent-Field/agentfield
Build, run and scale AI agents like API and microservices
它解决了什么问题
AgentField 解决了将 AI 智能体从本地原型迁移到生产级基础设施的问题。它提供了一个控制平面，用于处理复杂的后端需求（如路由、排队、重试和可观测性），这些需求在将智能体从单个脚本扩展到数千个并发分布式微服务时，通常需要手动工程实现。
工作原理
你可以使用标准的 Python、Go 或 TypeScript 函数编写智能体逻辑。AgentField 会封装这些函数，自动将其公开为 REST 端点，并向中央控制平面注册。当你的智能体需要交互时，它们会使用该框架相互调用；控制平面负责管理通信、处理异步执行并实时跟踪整个工作流。它支持诸如人工介入审批、金丝雀部署以及用于安全审计的智能体间加密身份等高级功能。
适用对象
它专为那些已经使用 LangChain 或 CrewAI 等框架构建了智能体原型，并准备将其部署为可靠、可扩展服务的开发者而设计。它非常适合需要管理复杂多智能体工作流的团队，这些工作流需要生产级的治理、可观测性以及处理高并发扇出请求的能力。
亮点
- 生产就绪的 API： 自动将智能体函数转换为 REST 端点。
- 可扩展的编排： 通过内置的排队、重试和背压机制处理数千个并发智能体。
- 治理与安全： 为智能体提供加密身份，并为每次执行生成防篡改的审计跟踪。
- 可观测性： 开箱即用地提供实时工作流 DAG、指标和执行追踪。
- 多语言支持： 使用 Python、Go 或 TypeScript 编写智能体逻辑，无需复杂的 DSL 或 YAML 配置。
相关
- 项目
eunomia-bpf/agentsightAgentSight 是一款面向 AI 代理的内核级可观测性工具。利用 eBPF 和 TLS 追踪，它无需任何 SDK 或代理即可记录提示词、模型调用、子进程、文件和网络活动。它提供实时仪表板（`top`）、回放可视化（`vis`）、可查询的 SQLite 日志以及 OpenTelemetry 导出，帮助开发者调试故障、审计安全性，并了解 Claude Code、Gemini CLI 和基于 Python 的工具等代理的 token/资源成本。
- 项目
AgentEra/AgentlyAgently 是一个 Python 框架，将 LLM 调用转变为结构化、可观测且重启安全的运行时单元。它提供契约优先的输出模式、部分结果的流式传输、工具/操作集成、版本化技能、受管理的执行资源以及事件驱动的工作流引擎 (TriggerFlow)，用于构建可靠的 AI 服务。
- 项目
AgentSystemLabs/agent-officeAgent Office 是一个基于 TypeScript 的工具，将基于 LLM 的编码代理可视化为 3D 办公室中的办公桌。每个 GitHub 仓库成为一层楼；可以代理进行对话、运行终端、管理 git worktree 和打开 PR。UI 在本地或通过 SSH 隧道访问的云 VM 上运行，并提供适用于 AWS、Azure、Railway、Fly.io、Dokploy 等的部署脚本。
- 项目
bytedance/deer-flowDeerFlow 是一个开源框架，让你能够构建自主 AI 智能体，这些智能体能够编排子智能体、使用工具（网络搜索、沙箱代码执行、RAG）并管理记忆。它支持许多 LLM 提供商，提供 Web UI、终端 UI，并集成追踪服务，全部可通过 Docker 部署。
- 项目