English | 中文

tRPC-Agent-Go

一个用于构建智能 Agent 系统的强大 Go 框架，它改变了你创建 AI 应用的方式。以前所未有的便捷性构建能够思考、记忆、协作和行动的自主 Agent。

为什么选择 tRPC-Agent-Go？

• 智能推理：先进的分层规划器和多 Agent 编排。
• 丰富的工具生态：与外部 API、数据库和服务的无缝集成。
• 持久化记忆：长期状态管理和上下文感知。
• 多 Agent 协作：链式、并行和基于图的 Agent 工作流。
• GraphAgent：类型安全的图工作流，支持多条件路由，功能上等同于 Go 语言版的 LangGraph。
• Agent 技能：可重用的 SKILL.md 工作流，支持安全执行。
• 制品（Artifacts）：为 Agent 和工具生成的产物提供版本化存储。
• Prompt 缓存：自动成本优化，缓存内容可节省 90% 的费用。
• 评估与基准测试：提供评估集和指标，用于持续衡量性能质量。
• UI 与服务集成：支持 AG-UI（Agent-User Interaction）以及 Agent 到 Agent（A2A）的互操作性。
• 生产就绪：内置遥测（Telemetry）、追踪（Tracing）和企业级可靠性保障。
• 高性能：针对可扩展性和低延迟进行了优化。

应用场景

非常适合构建：

• 客户支持机器人 - 理解上下文并解决复杂查询的智能 Agent。
• 数据分析助手 - 能够查询数据库、生成报告并提供见解的 Agent。
• DevOps 自动化 - 智能部署、监控和事件响应系统。
• 业务流程自动化 - 支持人工介入（Human-in-the-loop）的多步骤工作流。
• 研究与知识管理 - 基于 RAG 的文档分析和问答 Agent。

核心功能

多 Agent 编排

// 链式 Agent 处理复杂工作流
pipeline := chainagent.New("pipeline",
    chainagent.WithSubAgents([]agent.Agent{
        analyzer, processor, reporter,
    }))

// 或者并行运行它们
parallel := parallelagent.New("concurrent",
    parallelagent.WithSubAgents(tasks))

先进的记忆系统

// 支持搜索的持久化记忆
memory := memorysvc.NewInMemoryService()
agent := llmagent.New("assistant",
    llmagent.WithTools(memory.Tools()),
    llmagent.WithModel(model))

// 在 Runner 级别管理记忆服务
runner := runner.NewRunner("app", agent,
    runner.WithMemoryService(memory))

// Agent 在不同会话间保持上下文记忆

丰富的工具集成

// 任何函数都可以成为一个工具
calculator := function.NewFunctionTool(
    calculate,
    function.WithName("calculator"),
    function.WithDescription("Math operations"))

// 支持 MCP 协议
mcpTool := mcptool.New(serverConn)

生产环境可观测性

// 启动 Langfuse 集成
clean, _ := langfuse.Start(ctx)
defer clean(ctx)

runner := runner.NewRunner("app", agent)
// 使用 Langfuse 属性运行
events, _ := runner.Run(ctx, "user-1", "session-1", 
    model.NewUserMessage("Hello"),
    agent.WithSpanAttributes(
        attribute.String("langfuse.user.id", "user-1"),
        attribute.String("langfuse.session.id", "session-1"),
    ))

Agent 技能

// 技能是带有 SKILL.md 规范的文件夹。
repo, _ := skill.NewFSRepository("./skills")

// 让 Agent 按需加载并运行技能。
tools := []tool.Tool{
    skilltool.NewLoadTool(repo),
    skilltool.NewRunTool(repo, localexec.New()),
}

NewFSRepository 也接受 HTTP(S) URL（例如 .zip 或 .tar.gz 压缩包）。有效载荷会被下载并缓存在本地（可通过设置 SKILLS_CACHE_DIR 覆盖缓存位置）。

NewFSRepository 同时支持多个根目录，这对于合并共享技能和用户私有技能非常有用。在长生命周期的进程中，安装、删除或重命名技能后，请调用 repo.Refresh() 以确保下一次调用能够看到更新后的内容。