ohdearquant/lionagi

解决的问题

lionagi 为编排多代理工作流提供了一个受治理的框架。它通过赋予用户对执行循环的完全控制权、提供类型化且可检查的状态，并允许将基于 API 的模型和基于订阅的 CLI 代理（如 Claude Code）组合到单个工作流中，消除了许多代理框架的“黑盒”性质。

工作原理

该框架使用几个核心概念来管理代理：

• Branches: 包含历史记录、工具和配置的单个对话线程。
• Sessions: 在多个分支上运行 DAG（有向无环图）工作流的协调器。
• Flows: 编排模式，其中主代理会规划一个专家工作者的 DAG，这些工作者会随着依赖关系的解决而执行。
• Fan-outs: 多个工作者的并行执行，并带有可选的合成步骤以合并结果。
• Persistence: 每次运行都会自动保存到本地文件系统，允许用户重新开始、重新附加或实时监控代理。

用户可以通过 Python API 进行自定义集成，或通过强大的 CLI (li) 进行代理和工作流的快速部署。它还包括“Lion Studio”，这是一个用于管理项目、进度和执行图的基于 Web 的 UI。

适用对象

它专为需要对代理状态和治理进行精确控制的开发人员和 AI 工程师、想要混合使用不同 LLM 提供商（API 和 CLI）的用户，以及需要具有内置安全护栏的持久、可恢复代理运行的团队而设计。

亮点

• 混合提供商支持：将 REST API 与基于 CLI 的代理（例如 Claude Code, Codex）无缝集成。
• 持久化执行：所有运行都会自动持久化，实现轻松的恢复和监控。
• 治理工具：内置工具调用的权限策略、用于阻止破坏性命令的防护钩子（guard hooks）以及 git-worktree 沙箱机制。
• 结构化输出：对基于 Pydantic 的结构化响应提供一流支持。
• 灵活的编排：支持单个代理、并行扇出（fan-outs）和复杂的基于 DAG 的工作流。