AI 原生开放教材

外观

AI 工程从零到一（中文）源码研读·中文原文 ↗原件 ↓仓库 ↗

生产级 Agent 运行时——快速实例化与类型化工作流 ​

生产级 agent 运行时会优化原型框架忽略的部分：实例化成本、类型化工作流接口，以及可直接服务的后端。2026 年的一组代表实现是 Agno（Python）与 Mastra（TypeScript）：前者瞄准微秒级 agent 实例化和无状态 FastAPI 后端，后者在 Vercel AI SDK 底座上提供 agent、工具、工作流、统一模型路由和复合存储。

类型： Learn 语言： Python、TypeScript 前置要求： 阶段 14 · 01（Agent 循环）、阶段 14 · 13（LangGraph） 预计时间： ~45 分钟

学习目标 ​

  • 认清 Agno 的性能目标，以及它们什么时候重要。
  • 说出 Mastra 的三个原语 —— Agents、Tools、Workflows —— 以及支持的服务器适配器。
  • 解释为什么一个无状态、会话范围的 FastAPI 后端是 Agno 推荐的生产路径。
  • 为给定技术栈（Python 优先 vs TypeScript 优先）在 Agno 和 Mastra 之间做选择。

问题背景 ​

LangGraph、AutoGen、CrewAI 都框架味很重。想要「就 agent 循环、快、在我的运行时里」的团队会上 Agno（Python）或 Mastra（TypeScript）。两者都拿一些框架掌管的原语换取原始速度，以及与周边技术栈更紧的贴合。

核心概念 ​

Agno ​

  • Python 运行时，前身是 Phi-data。
  • 「没有图、链或绕来绕去的模式 —— 就是纯 python。」
  • 它们文档里的性能目标：~2μs agent 实例化、每 agent ~3.75 KiB 内存、~23 个模型提供方。
  • 生产路径：无状态、会话范围的 FastAPI 后端。每个请求起一个全新 agent；会话状态住在数据库里。
  • 原生多模态（文本、图像、音频、视频、文件）和 agentic RAG。

速度目标在你每秒有成千上万个短命 agent 时（聊天扇入、评估流水线）才重要。在一个 agent 跑 10 分钟时就没那么重要。

Mastra ​

  • TypeScript，建在 Vercel AI SDK 上。
  • 三个原语：Agents、Tools（Zod 类型化）、Workflows。
  • 统一模型路由器 —— 94 个提供方下 3,300+ 个模型（2026 年 3 月）。
  • 复合存储：记忆、工作流、可观测性可分别到不同后端；规模化可观测性推荐 ClickHouse。
  • Apache 2.0，ee/ 目录在 source-available 企业许可证下。
  • Express、Hono、Fastify、Koa 的服务器适配器；一等的 Next.js 和 Astro 集成。
  • 提供 Mastra Studio（localhost:4111）供调试。
  • 22k+ GitHub star，1.0 时（2026 年 1 月）每周 npm 下载 300k+。

定位 ​

两者都不想成为 LangGraph。它们竞争的点在于：

  • 语言贴合。 Agno 给 Python 优先的团队；Mastra 给 TypeScript 优先的。
  • 运行时人体工学。 Agno = 近零开销；Mastra = 与 Vercel 生态集成。
  • 可观测性。 两者都与 Langfuse/Phoenix/Opik（第 24 课）集成，但 Mastra Studio 是第一方的。

什么时候选哪个 ​

  • Agno —— Python 后端、许多短命 agent、强性能要求、FastAPI 团队。
  • Mastra —— TypeScript 后端、Next.js / Vercel 部署、统一多提供方模型路由、Zod 类型化工具。
  • LangGraph（第 13 课）—— 当持久状态和显式图推理比原始速度更重要时。
  • OpenAI / Claude Agent SDK —— 当你想要提供方的产品化形态时（第 16–17 课）。

这个模式在哪里会出错 ​

  • 为性能而性能。 当工作负载是每请求一次慢 agent 调用时，因为「2μs」听着不错就选 Agno。开销不是瓶颈。
  • 生态锁定。 Mastra 的 Vercel 风味集成在 Vercel 上是加分，在别处是减分。
  • 企业许可证混淆。 Mastra 的 ee/ 目录是 source-available 的，不是 Apache 2.0。如果你打算 fork，把许可证读了。
figure
wb-runtime-spawn

动手构建 ​

这一课主要是对比性的 —— 没有哪个单一代码产物能同时把两个框架讲到位。见 code/main.py 里的并排玩具：一个极简的「跑一个 agent、流式输出、持久化会话」流程实现两遍（一遍 Agno 形态，一遍 Mastra 形态）。

运行它：

python3 code/main.py

两条结构上不同但功能上等价的轨迹。

实际使用 ​

  • Agno —— 需要速度和 FastAPI 形态的 Python 后端。
  • Mastra —— 带许多提供方和工作流原语的 TypeScript 后端。
  • 两者都提供第一方可观测性 hook。两者都与 Langfuse 集成。

拿去用 ​

outputs/skill-runtime-picker.md 基于技术栈、延迟预算和运维形态，在 Agno、Mastra、LangGraph 或某个提供方 SDK 之间挑选。

练习 ​

  1. 读 Agno 的文档。把标准库 ReAct 循环（第 01 课）移植到 Agno。什么消失了？什么留下了？
  2. 读 Mastra 的文档。把同一个循环移植到 Mastra。工具类型化（Zod vs 什么都没有）有什么变化？
  3. 基准测试：在你的技术栈上度量 agent 实例化延迟。Agno 的 2μs 对你的工作负载重要吗？
  4. 设计一次迁移：如果你一直在 Python 里跑 CrewAI，移到 Agno 会有什么崩掉？
  5. 读 Mastra 的 ee/ 许可证条款。哪些限制会影响一个开源 fork？

关键术语 ​

术语大家怎么说它实际是什么
Agno「快速 Python agent」无状态、会话范围的 agent 运行时
Mastra「Vercel AI SDK 上的 TypeScript agent」Agents + Tools + Workflows + Model Router
Unified Model Router「多提供方访问」94 个提供方下 3,300+ 个模型的单一客户端
Composite storage「多个后端」记忆/工作流/可观测性各到不同存储
Mastra Studio「本地调试器」localhost:4111 的 UI，用于内省 agent
Source-available「非 OSS」许可证允许阅读源码但限制商业使用

延伸阅读 ​