尚无标准

目前有无数的库和 AI 代理框架。最受欢迎的包括 BabyAGI、CrewAI、LangChain（包括 LangGraph）和 AutoGPT。然而，对于如何开发代理，并没有标准。这个领域相当新，没有“领导者”来引领潮流。因此，应该鼓励更多的创新和实施代理的尝试。

在我引用的库和框架中，LangChain 可能是最知名的。但它也有不少问题和缺点。它感觉很臃肿：安装 LangChain 时，您还会安装许多其他依赖项。此外，开发人员还抱怨它在生产中运行时速度很慢。我也读过，并经历了必须剥离无数抽象层才能了解代码在后台做什么的挫败感。最后，其他人强调了使用 LangChain 的安全问题。

尽管一些开发者圈子对此持负面态度，我仍然打算在未来尝试 LangChain 并得出自己的结论。从我的角度来看，我相信它可以成为快速原型代理系统的有用库。

由于没有标准，我相信最好的方法是构建我自己的 AI 代理库，以熟悉该领域，根据自己的需要合并其他库和框架中的最佳部分，并不断尝试以确定什么有效，什么无效。

为什么要构建自己的 AI 代理库 — AI Agent 的现状 — 来自Yohei Nakajima

我想从头开始学习

我喜欢尽可能使用第一性原理方法来理解概念。在这种情况下，从头开始构建我自己的 AI 代理库是有意义的。

从头开始构建它意味着超越其他库和框架建立的抽象层，到达代理代码和工作流的联系。

理解代理系统的内部运作包括牢牢掌握以下要素：

有效提示
所使用的基础法学硕士 (LLM) 的能力
规划
工具
记忆
反射

我正在构建的库可能还处于起步阶段，但我已经对上述元素有了不少了解。还有很多东西需要学习。我只是不相信如果我选择已经存在的库或框架，我会对这些代理系统组件有如此多的了解。

很有趣

代理商的势头和该领域的普遍兴奋具有感染力。就我个人而言，这让我想起了自己着迷于自动驾驶汽车的那段时间。当时我怀着这种热情，完成了 Udacity 的自动驾驶汽车纳米学位。我觉得我当时应该加倍努力，投入这种半不切实际的兴趣，加入一家有趣的自动驾驶汽车公司。但由于各种原因，我没有这样做：我刚刚在英国买了一套房产，最有前途的自动驾驶汽车公司都在美国，我和我的伴侣正计划组建一个家庭。

我下定决心不会错过 AI Agent 派对。我来这里是为了玩，而且我会一直在这里。

构建这个 AI 代理库并总体上了解 AI 代理对我来说就像在玩游戏一样。因此，尽管我有一份繁重的全职工作和父母的责任，但我可以玩困难模式。此外，我并不指望我的库成为构建代理系统的黄金标准，但能为开源社区做出一点贡献让我感到自豪。