Parcha-ai/agentrun

它解决了什么问题

AgentRun 解决了构建可靠、可检查且可恢复的代理工作流的问题。如果没有结构化的框架，代理步骤往往是临时的且难以审计，特别是在调用外部工具或做出决策时。AgentRun 允许您将步骤定义为工作流文档，通过 Jev 类型化决策来控制进度，并持久化运行工作流，以便您可以检查、重新运行和恢复它。

工作原理

您可以使用 JSON 编写工作流，或使用带有 Zod 合约的 TypeScript 构建器。每个工作流都定义了输入和输出的模式，以及 call、judge 和 agent 等步骤，外加阈值和审查路径。解释器执行这些步骤，而您提供适配器：用于工具的 runEffect，用于代理的 runNode，以及作为 runJudge 用于决策的 createJevRunner。工作流可以调用其他工作流、并行映射工作并运行有界循环。AgentRun 还附带了扩展该框架的包：pi-vision 用于读取文档、图像和视频；pi-browser 为代理提供其自己的浏览器；pi-transport 用于在不同机器上运行步骤；等等。一切都在 pi-durable 上运行以实现持久性，并且提供带有脚本化响应且无需 API 密钥的演示。

适用人群

为 Pi（1.0.4 到 1.4 以下版本）构建代理且需要结构化、可检查和可恢复工作流的开发人员。它也适用于希望插入自己的工具、模型和决策逻辑，同时开箱即用获得视觉、浏览器控制和机器传输执行等功能的团队。

亮点

• 具有类型化模式和状态路径运行时验证的工作流 DSL
• 具有置信度阈值和审查升级路径的 Jev 类型化决策
• 通过 pi-durable 实现持久化执行（将每一轮和工具调用提交到存储）
• Pi 扩展，带有用于构建、检查和运行工作流的 /agentrun 命令
• pi-vision：用证据回答有关文档、图像和视频的问题
• pi-browser：代理拥有自己的浏览器；您可以接管并交还；页面作为证据归档
• pi-transport：在本地机器、Docker、Daytona 或 Modal 上运行步骤，统一在 Box 接口之后
• pi-agent-learn：一个在自己的 git 仓库中学习的代理，将笔记整理成提交