:gift: 令人惊叹的 AI 代理 SDK

欢迎来到我们的 AI 代理 SDK 列表。这是一个用于创建、监控、调试和部署自主 AI 代理 的 SDK、框架、库和工具数据库。

该列表基于我们现有的最佳知识整理而成，但绝非全面。欢迎讨论与反馈！:heart:

想要添加内容吗？

如果您有关于本列表的补充或改进建议，请通过 Pull Request 提交。

谁在背后支持？

本列表由 e2b 团队打造。e2b 正在构建一个 AI 代理的操作系统——即一套工具、环境、SDK 和 API。e2b 对您的技术栈持中立态度，旨在与任何用于构建 AI 代理的工具兼容。

加入社区

• 关注我们在 Twitter 上的动态
• 加入 AI 代理 Twitter 社区
• 加入我们的 Discord
• 想讨论关于 AI 代理的任何话题吗？预约与我们通话

欢迎随时通过 hello@e2b.dev 联系我们。同时，也请查看我们的 AI 代理 数据库。

E2B

E2B 是一个面向 AI 代理的操作系统，即一套为代理提供的工具、API 和云环境。

链接

• 官网
• GitHub
  • e2b 控制台
  • Agent 协议
  • ChatGPT 插件
• Twitter
  • Vasek Mlejnsky（CEO、创始人）
  • Tomas Valenta（CEO、创始人）
  • Tereza Tizkova（增长与社区负责人）
  • Jakub Novak（软件工程师）
• Discord

AgentOps

AgentOps 致力于打造让代理真正发挥作用的工具，例如图表、监控和回放分析。

链接

• 官网

Chidori

Chidori 是一种用于构建 AI 代理的响应式运行时。它提供了一个框架，帮助开发者构建反应灵敏、可观测且稳健的 AI 代理。Chidori 支持使用 Node.js、Python 和 Rust 进行开发。目前仍处于 Alpha 阶段，尚未准备好投入生产环境。

链接

• 官网
• GitHub
• Discord

Fixie

Fixie 是一个对话式 AI 平台，支持用任何编程语言构建代理。他们拥有自己的 代理协议。

链接

• 官网

Helicone

Helicone 是一个面向 GPT-3 的开源可观测性平台。只需一行代码，即可追踪使用情况、成本和延迟。

链接

• 官网
• GitHub
• LinkedIn

Langchain

LangChain 是一个旨在简化大型语言模型应用开发的框架。

链接

• 官网
• GitHub

Langfuse

Langfuse 是一个面向 LLM 应用的开源分析工具。目前该分析工具仍处于封闭 Alpha 阶段。

链接

• 官网
• GitHub

LangSmith

LangSmith 是一个用于调试、测试、评估和监控 LLM 应用的统一平台。目前 LangSmith 处于封闭 Beta 阶段。

链接

• 官网

SID

SID 是一家 YC S23 入选公司，致力于通过一键式按钮和 API，让 AI 开发者轻松连接到所有客户数据，从而简化 AI 数据基础设施。

链接

• 官网
• Twitter

Steamship

Steamship 是一个平台，允许开发者利用无服务器云托管、向量搜索、Webhook、回调等功能来构建、扩展和监控 AI 代理。

-

链接

• 官网
• GitHub
• Twitter
• Discord

Vercel AI SDK

一个用于构建 AI 驱动用户界面的开源库。

链接

• 官网
• GitHub

awesome-ai-sdks 快速上手指南

awesome-ai-sdks 并非一个单一的软件开发工具包（SDK），而是一个由 e2b 团队维护的精选列表，收录了用于创建、监控、调试和部署自主 AI Agent 的各种 SDK、框架、库和工具。

本指南将指导你如何利用该列表选择适合的工具，并以列表中核心的 E2B 和通用的 LangChain 为例，演示如何快速开始构建 AI Agent。

1. 环境准备

由于列表中包含多种不同技术栈的工具（Python, Node.js, Rust 等），请根据你的目标工具准备相应环境。以下是通用及主流工具的前置要求：

• 操作系统: Windows, macOS 或 Linux。
• 基础依赖:
  • Git: 用于克隆仓库或管理版本。
  • Node.js (v18+): 适用于 Vercel AI SDK, Chidori 等。
  • Python (3.9+): 适用于 LangChain, E2B, AgentOps 等。
  • Rust (可选): 仅在使用 Chidori 的 Rust 运行时时需要。
• API Keys: 大多数工具需要大模型提供商的密钥（如 OPENAI_API_KEY）。
• 网络建议: 部分工具官网或包管理器源在国外，建议配置科学上网环境或使用国内镜像源（如 PyPI 清华源、npm 淘宝源）以加速安装。

2. 安装步骤

由于这是一个工具列表，你需要先浏览 GitHub 仓库 选择具体工具。以下以两个代表性工具为例进行安装：

示例 A: 安装 E2B (AI Agent 操作系统)

E2B 提供安全的云环境供 Agent 执行代码。

# 使用 npm 安装 E2B CLI 和 SDK
npm install -g @e2b/cli
npm install @e2b/sdk

# 或者使用 Python
pip install e2b

示例 B: 安装 LangChain (LLM 应用开发框架)

LangChain 是构建 LLM 应用最流行的框架之一。

# 推荐使用国内清华源加速安装
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple langchain langchain-openai

# 或使用 npm 安装 JS 版本
npm install langchain @langchain/core @langchain/openai

示例 C: 安装其他工具

参考列表中各工具的官方文档链接（如 AgentOps, Helicone, Vercel AI SDK），通常遵循标准的包管理安装命令：

• Python: pip install <tool-name>
• Node.js: npm install <tool-name>

3. 基本使用

选定工具后，以下是基于 E2B 和 LangChain 的最简使用示例，展示如何启动一个能执行代码的 AI Agent。

场景一：使用 E2B 运行沙箱代码

此示例展示如何让 AI Agent 在隔离的云环境中执行 Python 代码。

前置操作: 访问 e2b.dev 获取 API Key 并设置环境变量 E2B_API_KEY。

from e2b import Sandbox

# 初始化沙箱环境
sandbox = Sandbox(template="base")

# 在沙箱中执行代码
execution = sandbox.run_code("print('Hello from AI Agent!')")

# 输出结果
print(execution.logs.stdout)

# 关闭沙箱
sandbox.close()

场景二：使用 LangChain 构建简单 Agent

此示例展示如何结合 LLM 和工具创建一个基础对话链。

前置操作: 设置环境变量 OPENAI_API_KEY。

from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate

# 初始化模型
llm = ChatOpenAI(model="gpt-3.5-turbo")

# 定义提示模板
prompt = ChatPromptTemplate.from_messages([
    ("system", "You are a helpful AI assistant."),
    ("human", "{input}")
])

# 创建链并调用
chain = prompt | llm
response = chain.invoke({"input": "如何用 Python 计算斐波那契数列？"})

print(response.content)

下一步行动

1. 浏览完整列表: 访问 awesome-ai-sdks GitHub 页面 查找更多专用工具（如监控用的 AgentOps、数据分析用的 SID 或 UI 构建用的 Vercel AI SDK）。
2. 加入社区: 通过项目的 Discord 或 Twitter 获取最新支持和更新。
3. 贡献: 如果你发现了新的优秀 SDK，可以通过 Pull Request 向该列表提交贡献。