Перейти к содержимому

Agno

Agno (ранее Phidata) занимает нижнюю ступень по абстракции: агент — это объект с моделью, инструментами и инструкцией. Ничего лишнего, быстрый старт, легко выйти за рамки.

agent = Agent(
model=OpenAIChat(id="gpt-4o-mini"),
tools=[YFinanceTools()],
instructions="Отвечай коротко и приводи источник данных",
markdown=True,
)
agent.print_response("Ключевые метрики NVDA за квартал")
  • Agent — модель, инструкция, инструменты, память.
  • Team — несколько агентов с координацией, когда ролей действительно несколько.
  • Workflow — детерминированная последовательность шагов с агентными вставками.
  • Инструменты — готовые наборы (финансы, поиск, файлы) и собственные функции.

Такой стиль хорошо ложится на задачи, где агент один, а ценность — в инструментах и быстром цикле правок. В cookbook Agno собраны такие примеры: поддержка, YouTube, финансы, учёба, покупки, юридические документы.

  • Минимум кода до результата. Первый агент — несколько строк.
  • Понятная абстракция. Легко увидеть, что происходит, и заменить часть.
  • Встроенные инструменты. Не нужно писать обёртки для типовых источников.
  • Память и знания из коробки. Сессии и база знаний доступны без отдельного конвейера.
  • Сложные графы. Когда маршрут становится основным предметом, абстракции не хватает и появляется самописная оркестрация.
  • Мультиагентность второго уровня. Команда агентов есть, но иерархия и прерывания проще выразить в графовом фреймворке.
  • Смена приоритетов проекта. Фреймворк молодой; проверяйте актуальное состояние API перед началом и фиксируйте версию.
  • Один агент с набором инструментов.
  • Прототип, который нужно проверить за день.
  • Внутренний инструмент, где важна простота поддержки.
  • Нужен вход в агентную разработку без изучения графов.
  • Долгие задачи с возобновлением и подтверждениями — берите LangGraph.
  • Основная задача — RAG по корпусу документов — берите LlamaIndex.
  • Нужна декларативная команда ролей — берите CrewAI.