Agno ： 自管理智能体平台与 AgentOS 运行时
AI智库导航-aiguide.cc为您提供最新的AI新闻资讯和最新的AI工具推荐，在这里你可以获得用于营销的AI聊天机器人、AI在商业管理中的应用、用于数据分析的AI工具、机器学习模型、面向企业的AI解决方案、AI在商业客户服务中的应用、AI和自动化工具等。
主要介绍
Agno 是 Agno Inc 开源的自管理智能体平台（The self-managing agent platform），定位从早期的轻量多模态智能体库，演进为「构建、运行、自动化」三合一的智能体操作系统。它由三层组成：Agno SDK 负责构建智能体，提供 Agent、Team、Workflow 三种编排原语、百余个工具包与记忆、知识、多模态、结构化输出等能力；AgentOS 运行时负责把这些智能体变成可靠的持久化服务，内置 API 与 MCP 服务器，处理认证、基于角色的访问控制、断点续跑与回放、人工审批、定时调度与持久化执行；Control Plane 则作为统一管控界面，实时管理所有智能体、团队与工作流的运行、追踪、评测与用量指标。Agno 的差异化在于「自管理」：用编码智能体（Claude、Codex）来构建、评估并持续改进平台本身，并通过 Company OS 把公司运营组织成产品、项目、任务与周期性例程——人设定方向并审核结果，智能体拥有并执行工作。项目强调数据主权，整个平台可在自有云部署，会话、记忆、知识与追踪都留在自有数据库。框架采用 Apache-2.0 许可，支持 30 余个模型供应商与任意框架的智能体接入。2026 年 11 月 12 日发布的 v3.2.0 是当日最大的框架版本更新，重点重构了 Super Agent 与 Company OS，并把 A2A 协议升级到 v1.0。截至 2026 年 11 月 13 日，GitHub 仓库获 43,180 星、6,289 次复刻。
Agno 官方 GitHub 仓库 social preview（agno-agi/agno，2026-11-13 实测 43,180 Stars）
功能特点
-
三种编排原语：Agent 做单智能体、Team 做多智能体协作、Workflow 用路由与条件与循环与并行步骤精确控制执行
-
AgentOS 持久化运行时：把智能体变成带内置 API 与 MCP 服务器的服务，提供持久化执行、分布式状态、请求隔离与可续传流式输出
-
Company OS 公司运营自动化：把工作组织成产品、项目、任务与周期性例程，人定方向、智能体拥有并执行
-
Super Agent 超级智能体：作为平台入口，列出并运行各类智能体、团队与工作流，读取平台活动与日程，亲自执行而非层层路由
-
100 余个工具包与 30 余模型供应商：连接 API、数据库与 MCP 服务器，原生支持 OpenAI、DeepSeek、Claude 等主流模型
-
框架无关接入：可运行用 Agno、LangGraph、DSPy、Claude Agent SDK 或自有代码构建的智能体，外部 ClaudeAgent 与 CodexAgent 可存储、版本化与运行
-
记忆与知识：跨会话用户记忆、向量数据库 RAG 检索与动态少样本学习，数据留在自有数据库
-
安全与审批：JWT 认证、基于角色的访问控制、多租户隔离、敏感操作人工审批与审计日志
-
可观测性与评测：追踪运行、检查工具调用、会话与用量指标，内置评测能力持续度量质量
-
多端分发：通过 REST API 接入自有产品、MCP 服务器接入 Claude 与 ChatGPT、Slack 等聊天接口接入团队协作
优缺点
优点：
-
优点1：完整平台闭环，SDK 构建加 AgentOS 运行加 Control Plane 管控三段一体，把「构建智能体」升级为「运营智能体平台」
-
优点2：生产级能力内建，持久化执行、断点续跑、定时调度、人工审批与可续传流式输出开箱即用，无需自建基础设施
-
优点3：数据主权清晰，完全自有云部署，会话、记忆、知识与追踪都在自有数据库，配合 JWT 认证与多租户隔离
-
优点4：框架与模型双无关，可运行多种框架构建的智能体，30 余模型供应商原生支持，无锁定
-
优点5：Company OS 提供企业级范式，用产品、项目、任务与例程把公司运营自动化，人机权责清晰
缺点：
-
缺点1：定位已从轻量库转向重平台，AgentOS 运行时加 PostgreSQL 存储的完整部署存在门槛，轻量用法场景被稀释
-
缺点2：版本演进激进，v3.2 的 A2A 升级与 Slack 重构均为破坏性变更，升级需同步客户端与服务端，1,868 个开启的 issue 反映其复杂度
-
缺点3：概念体系较新，AgentOS、Company OS、Super Agent 等抽象学习曲线偏陡，第三方教程与实践积累仍在早期
-
缺点4：遥测默认开启，每个智能体发送一个遥测事件用于判断模型供应商优先级，官方称不含提示词、消息与输出，但仍需手动关闭
如何使用
整体上手路径分「安装、构建、运行、自动化」四层，官方为编码智能体设计了一条从提示词到平台的路径：
第一步安装：在 Python 环境执行 pip install -U agno 命令安装 SDK；如需 Slack 等接口，安装对应的可选依赖。
第二步构建智能体：用 Agno SDK 的 Agent、Team、Workflow 三种原语编写智能体，指定模型与工具，组合记忆、知识与结构化输出等能力；也可直接使用 Claude Agent 或 Codex SDK 构建。
第三步搭建平台运行：克隆官方模板仓库（提供 Docker、Railway、AWS、GCP、Azure、Fly.io、Render、Modal、Helm 等多种云的起步模板），按模板内技能文件指引在本地拉起平台，获得 API 服务器、MCP 服务器与 PostgreSQL 存储。
第四步连接管控与自动化：把平台连接到官方 Control Plane 界面进行统一管理；配置 Company OS 的职责、项目、任务与例程，让智能体接管公司运营，人保留方向设定与结果审核。
官方推荐把文档站的 MCP 服务器接入编码智能体，让它阅读教程边构建；平台上线后可用斜杠命令持续改进智能体，并配置沙箱中的定时改进任务以自动提交改动供审核。
框架技术原理
-
三层架构：Agno SDK 定义智能体与工具，AgentOS 把智能体变成可调用服务（含 MCP 与控制面），Control Plane 提供统一管控界面
-
智能体运行时抽象：AgentOS 把智能体封装为 durable services，处理分布式状态、请求隔离、可续传流式输出与会话管理
-
持久化执行模型：后台任务写入持久队列，跨重启追踪状态，支持断点续跑与回放，区别于无状态的一次性调用
-
权限与安全底座：JWT 认证、基于角色的访问控制、多租户数据隔离与审计日志，把安全姿态内建于运行时
-
Super Agent 入口模式：超级智能体作为平台统一入口亲自执行，通过权限检查逐工具授权，而非把请求层层路由给成员
-
Company OS 任务状态机：任务暴露最后运行时间与允许的转移状态，记录持久化尝试状态，支持在持久队列上直接启动
-
协议兼容层：A2A 升级到 v1.0 协议同时保留 v0.3 兼容线，外部智能体通过 Agent Card 同时宣告两套接口
-
指标聚合引擎：数据库支撑的指标表在后台增量重建，支持 ETag 缓存与跨本地、远程数据库聚合
创新点
-
「自管理平台」范式：用编码智能体构建、评估并持续改进平台本身，把维护成本从人转移到智能体
-
Company OS 公司运营抽象：把公司工作组织成产品、项目、任务与例程，人机权责「人定方向、智能体执行」清晰界定
-
框架无关的运行时：不绑定自有 SDK，LangGraph、DSPy、Claude SDK 构建的智能体同样可托管运行，外部智能体成为一等存储组件
-
Super Agent 亲自执行：一改超级智能体层层路由的传统，让平台入口直接干活，减少中间损耗
-
durable services 服务化：把「智能体即服务」做成内置能力，API、MCP、调度、审批、追踪一体化交付
评估标准
-
接入成本：从安装 SDK 到跑通第一个智能体平台的步骤数与时间，官方提供从提示词到平台的模板路径
-
生产就绪度：持久化执行、断点续跑、定时调度、人工审批与审计日志等企业级能力的完整度
-
数据主权与安全：自有云部署可行性、JWT 认证、基于角色的访问控制与多租户隔离程度
-
框架与模型兼容性：可托管的智能体框架种类与原生支持的模型供应商数量
-
运营自动化深度：Company OS 对项目、任务、例程与审批流的覆盖程度
-
演进稳定性：版本发布频率、破坏性变更数量与社区 issue 规模
应用领域
-
企业智能体平台建设：以 AgentOS 运行时统一托管各业务智能体，形成标准化 API 与 MCP 服务
-
公司运营自动化：用 Company OS 组织项目、任务与例程，让智能体接管重复性运营工作
-
客户支持与知识问答：客服智能体基于产品文档、订单历史与知识库回答工单，配合人工审批
-
多智能体协作系统：用 Team 原语组织专业角色智能体协作，用 Workflow 精确编排复杂流程
-
编码智能体平台：沙箱运行 Claude 与 Codex，实现代码改动、测试与评审的自动化闭环
-
跨框架智能体统一运维：把 LangGraph、DSPy、Claude SDK 等异构智能体纳入统一运行时管控
项目地址
项目由 Agno Inc 出品，前身为轻量多模态智能体库 phidata（Phi），后更名 Agno 并转向自管理智能体平台。代码以 Python 编写，采用 Apache-2.0 许可，通过 pip install -U agno 安装，官方文档站与 AgentOS 管控界面分别位于 docs.agno.com 与 os.agno.com。截至 2026 年 11 月 13 日，GitHub 仓库获 43,180 星、6,289 次复刻、1,868 个开启的 issue，最近一次提交就在当日。
部署提供 Docker、Railway、AWS、GCP、Azure、Fly.io、Render、Modal、Helm 等多云起步模板，强调自有云与自有数据库的数据主权；平台可在一台容器内跑通，不依赖外部队列或托管中间件。
版本方面，2026 年 11 月 12 日发布的 v3.2.0 是当日最大框架更新：Super Agent 改为亲自执行、Company OS 大幅扩展、AgentOS 首页指标数据库化、外部智能体成为一等存储组件，并将 A2A 协议升级到 v1.0、Slack 接口迁移到 Bolt SDK，其中包含若干破坏性变更，升级时需服务端与客户端同步更新。
-
项目官网：https://www.agno.com
-
代码仓库：https://github.com/agno-agi/agno
-
官方文档：https://docs.agno.com
同类型工具比较
|
对比维度
|
Agno
|
LangGraph
|
CrewAI
|
|---|---|---|---|
|
语言栈
|
Python
|
Python
|
Python
|
|
定位
|
自管理智能体平台（SDK 加 AgentOS 加 Control Plane）
|
图式编排框架
|
角色多 Agent 编排框架
|
|
服务化能力
|
内置 API、MCP、持久化执行与调度
|
需自建
|
需自建
|
|
公司运营自动化
|
Company OS（项目、任务、例程）
|
无
|
无
|
|
协议支持
|
A2A v1.0、MCP、AG-UI
|
经社区集成
|
经社区集成
|
|
框架无关托管
|
支持 LangGraph、DSPy、Claude SDK 等
|
仅 LangGraph 生态
|
仅 CrewAI 生态
|
|
许可证
|
Apache-2.0
|
MIT
|
MIT
|
|
GitHub 星标（2026-11-13 实测）
|
43,180
|
44,769
|
60,789
|
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
AI全网资源导航每日收集国内外热点AI/人工智能/工具/模型/框架以及最新的AI学习资料/课程等，在这个全新的AI时代，助力每一个人，赋能每一个具体业务场景，与所有人一起努力向前！
