极致性能
智能体实例化仅需 ~180ns, 每个智能体约 1.2KB 内存, 相比 Python 运行时快 16 倍。

仅需几行代码即可创建带工具的 AI 智能体:
package main
import (
"context"
"fmt"
"github.com/rexleimo/agno-go/pkg/agno/agent"
"github.com/rexleimo/agno-go/pkg/agno/models/openai"
"github.com/rexleimo/agno-go/pkg/agno/tools/calculator"
)
func main() {
// 创建模型
model, _ := openai.New("gpt-4o-mini", openai.Config{
APIKey: "your-api-key",
})
// 创建带工具的智能体
ag, _ := agent.New(agent.Config{
Name: "数学助手",
Model: model,
Toolkits: []toolkit.Toolkit{calculator.New()},
})
// 运行智能体
output, _ := ag.Run(context.Background(), "25 * 4 + 15 等于多少?")
fmt.Println(output.Content) // 输出: 115
}| 指标 | Python Agno | Agno-Go | 改进 |
|---|---|---|---|
| 智能体创建 | ~3μs | ~180ns | 快 16 倍 |
| 内存/智能体 | ~6.5KB | ~1.2KB | 减少 5.4 倍 |
| 并发性 | GIL 限制 | 原生 goroutine | 无限制 |
pkg/agno/providers/evolink 与 pkg/agno/models/evolink/* 下提供文本、图片、视频模型, 并在 EvoLink 媒体示例页中给出端到端工作流。 / First-class EvoLink provider for text, image, and video with end-to-end examples in the EvoLink Media Agents docs.POST /api/v1/knowledge/content 支持 chunk_size、chunk_overlap(JSON、text/plain query 参数与 multipart 表单), 并在分块 metadata 中记录这两个值以及 chunker_type, 与 Python AgentOS 对齐。 / POST /api/v1/knowledge/content now supports chunk_size and chunk_overlap across JSON, text/plain query params, and multipart uploads, and records these values plus chunker_type in chunk metadata./openapi.yaml 与 /docs, 以及在变更路由后调用 server.Resync() 的最佳实践。 / Docs now explain how to customize health endpoints, rely on /openapi.yaml and /docs, and when to call server.Resync() after router changes.Agno-Go 不仅是一个框架——它是一个完整的生产系统。包含的 AgentOS 服务器提供:
遵循 Keep It Simple, Stupid 哲学:
# 克隆仓库
git clone https://github.com/rexleimo/agno-Go.git
cd agno-Go
# 设置 API 密钥
export OPENAI_API_KEY=sk-your-key-here
# 运行示例
go run cmd/examples/simple_agent/main.go
# 或启动 AgentOS 服务器
docker-compose up -d
curl http://localhost:8080/healthAgno-Go 基于 MIT 许可证 发布。
灵感来自 Agno (Python) 框架。