AI Agent Frameworks 项目地图

这页把当前知识库里 AI Agent framework / coding agent / Agent OS / MCP / skills / memory / runtime 相关材料整理成一张工程地图。核心结论：Agent 生态已经明显分层，不再是“哪个框架能调工具”这么简单。

End-user agents / coding agents
        ↓
Agent framework / workflow runtime
        ↓
Tool protocol / gateway / SDK
        ↓
Skills / memory / context / observability
        ↓
Runtime / sandbox / cloud-native substrate

如果说 agent-memory-project-map 关注“Agent 如何记住”，agent-runtime-sandbox-project-map 关注“Agent 如何安全运行”，这页关注的是“Agent 工程生态如何分层组合”。

分层地图

横向对比

生态信号

来自 src-ai-agent-frameworks-stars 的 109 个项目可以归纳出几条趋势：

• Claude Code 形成事实生态：router、templates、skills、memory、trace viewer、token tracker、IM bridge、Codex plugin、code graph 都围绕 terminal coding agent 扩展。
• OpenClaw / Hermes / OpenClaude / Claw 系信号强：个人 Agent + 多平台入口 + sandbox + memory + messaging 正在产品化。
• MCP 从协议变成基础设施层：FastMCP、GitHub MCP、Playwright MCP、Kubernetes MCP、agentgateway / Plano 都在 tool/resource 接入面竞争。
• Skills 成为可迁移能力包：Agent 能力从硬编码插件迁移到 Markdown + scripts + workflow。
• Memory/context/observability 正在产品化：claude-mem、mem0、agentmemory、powermem、claude-context、Langfuse、AgentOps 分别占不同基础设施位置。
• cloud-native runtime 进入 Agent 主线：agent-sandbox、agentcube、OpenShell、Docker Agent、SkyPilot、KAgent、kubewizard 都说明 Agent 需要隔离、调度和可观测。

关键项目剖面

AgentScope：生产 Agent 应用框架

AgentScope 的核心不是固定 DSL，而是事件流：

User Msg
        ↓
Agent.reply_stream()
        ↓
reasoning event / tool call event / confirm event / tool result event
        ↓
AgentState + storage + SSE

它把模型 provider、toolkit、MCP、skills、workspace、权限、人类确认、长任务 offload 和 FastAPI service 拆成可组合层。它适合做生产 Agent app，而不是底层安全 sandbox。

值得借鉴：

• AgentEvent / Msg 统一 SDK、SSE、存储和 UI。
• 人类确认和外部执行是 continuation event。
• 工具执行拆成 permission/context lifecycle 与 raw I/O。
• Workspace 承接 tools/MCP/skills/context offload。

nanobot：小内核个人 Agent

nanobot 的价值是“小内核 + 可插拔层”：

• 17 个 channel 通过 pkgutil + entry_points 自动发现。
• 两条 asyncio.Queue 解耦 channel 和 agent。
• 8 态 AgentLoop 状态机处理 RESTORE/COMPACT/COMMAND/BUILD/RUN/SAVE/RESPOND。
• Provider 级 fallback 对 Agent 透明。
• Skills/Memory/Dream/Heartbeat 都是上下文层，而不是硬编码编排层。

它适合研究个人 Agent 如何保持可读、可改、可恢复。与 AgentScope 相比，nanobot 更轻、更端侧、更偏个人运行；AgentScope 更服务化、更面向生产多租户。

HiClaw：Agent 平台化和声明式运维

HiClaw 代表“Agent 是 K8s 资源”的路线。它用 Worker/Team/Human/Manager CRD 表达多 Agent 系统，用 Matrix 作为协作平面，用 Higress 托管真实凭据。

它和 Python framework 的差异很大：

它说明企业级 Agent 平台不会停留在 SDK 层，最终会进入 controller、网关、IM、对象存储和权限系统。

agentgateway：Agent 流量基础设施

agentgateway 说明 Agent 生态需要独立的数据面。它统一 LLM API、MCP tools 和 A2A 通信，复用 Gateway API / xDS / CEL / HBONE 等云原生治理模式。

在 frameworks 地图里，它的位置是 tool/gateway layer：

• Agent framework 通过 MCP/HTTP 访问工具。
• Gateway 负责路由、认证、RBAC、federation、observability。
• 上游可以是 LLM provider、MCP server、OpenAPI endpoint 或 A2A agent。

这和 agent-runtime-sandbox-project-map 里的安全 runtime 形成互补：sandbox 控制 Agent 进程，gateway 控制 Agent 流量。

agent-sandbox / agentcube：Agent 执行基座

framework 能构建 Agent，但安全运行需要 substrate：

• agent-sandbox 把单个有状态 Agent 容器建模成 Sandbox CRD。
• agentcube 把 Sandbox 包成 HTTP invocation session。

这两者说明 Agent framework 生态正在从“库”扩展到“运行时平台”。LangGraph/AgentScope/nanobot 这类框架可以把 sandbox/session layer 作为 backend，而不是自己处理 Pod、PVC、NetworkPolicy、WarmPool。

Memory / context layer：独立产品层

agent-memory-project-map 已经显示：Agent memory 不是框架内部一个 list，而是完整管线。代码语义上下文也类似，claude-context / milvus / hybrid-search-rrf / code-semantic-search 组成独立层。

Agent framework 越轻，越需要外部 memory/context；Agent product 越重，越倾向把 memory/context 内置成用户体验的一部分。

设计轴

1. Library、runtime、product 是三种不同形态

Agent 生态常被混称为“框架”，但至少有三种形态：

• Library/framework：AgentScope、LangGraph、Eino。重点是编程模型。
• Runtime/platform：HiClaw、agent-sandbox、AgentCube、OpenShell。重点是运行、隔离、会话和运维。
• Product/agent：Claude Code、OpenClaw、Hermes、nanobot。重点是用户可直接完成任务。

三者可以组合，但不要混为一谈。一个库不应该承担全部 sandbox 安全；一个 sandbox 原语也不应该决定 Agent 的 reasoning loop。

2. MCP 是协议层，不是 Agent 框架

mcp 解决 tool/resource 接入，但它不定义：

• Agent 如何循环推理。
• 工具结果如何写入上下文。
• 人类确认如何暂停/恢复。
• 多 Agent 如何协作。
• sandbox 如何隔离。
• memory 如何写入和检索。

所以 MCP 更像 TCP/HTTP 之于 Web 应用：它是必要基础，但不是完整应用框架。

3. Skills 正在替代一部分插件代码

Skills 的关键价值是把能力封装成：

description
        ↓
instructions / workflow
        ↓
scripts / assets / templates
        ↓
LLM decides when to invoke

这比硬编码插件更容易迁移到 Claude Code、Codex、OpenCode、OpenClaw 等不同 Agent。缺点是权限、依赖、版本和测试要单独治理。

4. Observability 和 eval 会成为框架边界

Agent 框架如果只返回最终文本，就很难调试。生产 Agent 需要：

• event stream。
• tool call trace。
• token/cost。
• model/provider fallback。
• memory recall evidence。
• eval/benchmark。
• human approval logs。

AgentScope 的事件流、nanobot 的 checkpoint、Langfuse/AgentOps/OpenJudge 这类项目说明观测和评测会从周边工具变成基础层。

5. Cloud-native runtime 会吞掉“本地 demo”边界

Agent 一旦进入生产，就会需要：

• sandbox。
• credential isolation。
• network policy。
• storage/session。
• queue/offload。
• autoscaling。
• GPU/resource scheduling。

这解释了为什么 agent-sandbox、agentcube、OpenShell、HiClaw、SkyPilot 都出现在 Agent frameworks 的生态列表里。它们不是偏题，而是 Agent 工程从 demo 到 production 的必经层。

核心难点

1. Agent loop 和工具权限必须解耦

模型是否要调用工具是一回事，工具是否允许执行是另一回事。AgentScope 把 tool execution 拆成验证/权限/上下文写入与 raw I/O，agentgateway 用 CEL 做工具/流量 RBAC，OpenShell 在 sandbox proxy 做网络裁决。这个边界越清楚，系统越安全。

2. 人类确认要进入状态机

Agent 工作流经常需要审批、外部执行、人工介入。把它做成 blocking input 会破坏服务化。更稳的是 AgentScope continuation event、HiClaw Matrix room、OpenShell policy proposal 这种状态机/协作平面设计。

3. 多 Agent 协作不能只靠 in-process bus

Python 框架里的多 Agent 通常是进程内对象互调。企业场景需要身份、房间、审计、凭据隔离、文件共享和跨进程恢复。HiClaw 用 Matrix + MinIO + Higress + CRD 给出了平台化答案。

4. 跨 Agent 可迁移能力需要文件协议

Skills、memory Markdown、AGENTS.md、MCP server config 都说明：Agent 能力包更适合用文件/目录作为接口，而不是只靠 Python import。文件协议利于审计、迁移、版本控制和 LLM 读取。

5. 上下文层会越来越独立

Agent framework 内置短期 context 不够。代码语义检索、长期记忆、tool result offload、workspace artifacts 都会成为独立层。框架需要定义清楚 context provider 接口，而不是把所有上下文都塞进一个 prompt builder。

6. 产品入口和工程底座经常错位

用户看到的是 Claude Code/OpenClaw/nanobot；工程底座却是 MCP、skills、memory、sandbox、gateway、observability。项目地图的价值就是把这些层分开，避免拿“最终产品”和“底层原语”直接比较。

设计分型

选型建议

当前知识库缺口

• 还缺少 OpenClaw、OpenCode、Hermes、LangGraph、Dify、Eino、ADK、FastMCP、Anthropic Skills 的深入 source 页。
• 还缺少 MCP server 生态地图，可把 FastMCP/GitHub MCP/Playwright MCP/Kubernetes MCP/agentgateway 放在同一页。
• 还缺少 Skills 项目地图，专门比较 Anthropic Skills、Codex skills、agent-skills、code-review/architecture/finance skills。
• 还缺少 Agent observability/eval 地图，整理 Langfuse、AgentOps、OpenJudge、trace viewer、token tracker。