Agno 是一个开源框架， 旨在创建具有记忆、知识保留、工具集成和复杂推理等功能的高级 AI 代理。 它使开发人员能够无缝集成任何大型语言模型 (LLM)， 管理代理的状态和内存，甚至协调多个协同工作的代理。
Agno 的真正力量在于它能够构建高性能、 特定领域的 AI 代理 ，并提供在生产中监控和优化它们的工具。 由于其足够简单，所以在你的业务场景中集成 Agno 几乎感受不到什么影响。
任何你能想到的场景，都可以方便使用 Agno 实现，比如：
• OA 里面自动审批和报告 • 项目中自动完善和处理需求 • 物流中订单追踪 • 通用数据处理、BI等
人工智能工程就是软件工程
从官方的角度看，Agno 适用于哪些场景呢？
如果你在构建 AI 产品时，
• 解决方案的 80% 将是标准的 Python 代码， • 其余 20% 将使用 Agents 实现自动化。 • 说是 20%，我都觉得多了，我使用下来，知识在需要智能体的地方写一两行代码就可以了。
Agno 专为此类用例而设计。
当然，用 Agno 构建代理很简单， 只需要使用熟悉的编程结构（if、else、while、for）编写 AI 逻辑， 避免使用图形和链等复杂的抽象。
下面是一个可以搜索网络的简单代理（搜索工具框架里面已经提供了）：
from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.duckduckgo import DuckDuckGoTools
agent = Agent(
model=OpenAIChat(id="gpt-4o"),
tools=[DuckDuckGoTools()],
markdown=True
)
agent.print_response("北京最近有什么新闻?", stream=True)更复杂的一个例子，你可以设置代理的 description、instructions、expected_output：
agent = Agent(
model=OpenAIChat(id="gpt-4o"),
tools=[ExaTools(start_published_date=today, type="keyword")],
description=dedent(""" """),
instructions=dedent(""" """),
expected_output=dedent(""" """),
markdown=True,
show_tool_calls=True,
add_datetime_to_instructions=True,
)• description 会加在系统提示词的前面；
结构化输出
另一个特别有用的功能是结构化输出，这比你手写 prompt 定义 expected_output 更方便。
class MovieScript(BaseModel):
setting: str = Field(..., description="为一部大片提供一个精彩的场景设定。")
ending: str = Field(..., description="电影的结局。如果没有特别要求，提供一个喜剧结局。")
genre: str = Field(
..., description="电影的类型。如果没有特别要求，可以选择动作片、惊悚片或浪漫喜剧。"
)
name: str = Field(..., description="为这部电影取一个名字")
characters: List[str] = Field(..., description="电影中的角色名称。")
storyline: str = Field(..., description="用3句话描述电影的故事情节。让它令人兴奋！")
json_mode_agent = Agent(
model=model,
system_message="你是一个电影剧本创作者，所有回答必须使用中文。",
description="你是一个电影剧本创作者。请用中文回答所有问题。",
response_model=MovieScript,
references_format='json',
debug_mode=True,
)多模态代理
Agno 代理支持文本、图像、音频和视频输入，并可生成文本、图像、音频和视频输出。
比如输出图片：
image_agent = Agent(
model=OpenAIChat(id="gpt-4o"),
tools=[DalleTools()],
description="You are an AI agent that can generate images using DALL-E.",
instructions="When the user asks you to create an image, use the `create_image` tool to create the image.",
markdown=True,
show_tool_calls=True,
)
image_agent.print_response("Generate an image of a white siamese cat")
images = image_agent.get_images()
if images andisinstance(images, list):
for image_response in images:
image_url = image_response.url
print(image_url)工具
工具是代理的灵魂，在 Agno 中自定义工具也很简单。定义一个函数，写下注释即可：
def get_top_hackernews_stories(num_stories: int = 10) -> str:
"""使用此函数获取 Hacker News 的热门故事。
参数:
num_stories (int): 要返回的故事数量。默认为 10。
返回:
str: 热门故事的 JSON 字符串。
"""
# Fetch top story IDs
response = httpx.get('https://hacker-news.firebaseio.com/v0/topstories.json')
return ...
agent = Agent(
model=llm,
tools=[get_top_hackernews_stories],
debug_mode=True,
show_tool_calls=True,
markdown=True,
description="你是一个帮助用户获取和总结 Hacker News 热门故事的助手。",
instructions=["请使用中文回答所有问题", "提供简洁明了的总结"]
)更多信息可以参考其
• 文档： https://docs.agno.com/introduction[1] • 例子： https://docs.agno.com/examples/introduction[2]
Agno 还提供了 PlayGround 应用[3]，可以让你的应用集成监控。
