[AI/Agent/框架] 技术调研：开源 AI Agent 框架（Pi-Agent / DeepSeek-Hardness / DeepAgents / Claude-Agent-SDK / Codex CLI）

0 序

  • 最近在小红书上刷到了不少AI应用开发者在各自公司里基于这几款 AI Agent 框架来做二次开发的情况，为此横向对比、了解一二。

1 调研报告

  • 调研对象：Pi-Agent（earendil-works/pi）· deepseek-harness · DeepAgents（langchain-ai/deepagents）· Claude-Agent-SDK · Codex（openai/codex）

  • 数据基准：GitHub API 实时数据，截至 2026-08-31

1.1 对比汇总

维度 Pi-Agent deepseek-harness DeepAgents Claude-Agent-SDK Codex
开发方 Earendil Works（创始人 Mario Zechner/badlogic） DeepSeek AI LangChain AI Anthropic OpenAI
Star 数（2026-08-31） ≈99.7K ≈205K ≈28.7K ≈8.0K（Py）/ 约1.7K（TS） ≈120K
Fork 数 ≈12.0K ≈21.3K ≈4.0K ≈1.3K ≈16.0K
成立时间 2025-08-09 2026-08-13 2025-07-27 2025-06（SDK 更名 2025-09） 2025-04-13
主语言 TypeScript TypeScript Python（另有 JS/TS 版） Python / TypeScript Rust
许可证 MIT MIT MIT MIT Apache-2.0
产品定位 极简、可扩展的终端编码 Agent Harness "一切皆插件"的通用 Agent 框架 开箱即用的 Agent 编排 Harness（batteries-included） 官方 Agent SDK（Claude Code 同款运行时） 轻量终端编码 Agent + 云端/IDE 全套
运行形态 CLI/TUI、Print、JSON、RPC Web UI、CLI、Headless、ACP、JSON-RPC Python 库（也可 CLI 预置码代理） SDK（Python/TS 库） CLI、云端 Web、IDE 扩展、桌面/移动
默认工具 仅 4 个（read/bash/edit/write） 插件化（模型/工具/会话/沙箱/UI 全插件） 子代理+文件系统+Shell+记忆+HITL+Skills Claude Code 全套能力（文件/Shell/子代理/Hooks） 文件+Shell+补丁+多 approval 模式
官方链接 github.com/earendil-works/pi / pi.dev github.com/deepseek-ai/deepseek-harness / deepseek.com/harness github.com/langchain-ai/deepagents / docs.langchain.com/deepagents github.com/anthropics/claude-agent-sdk-python github.com/openai/codex / developers.openai.com/codex

  • Star 数据来源为 GitHub API 实况核验（截至 2026-08-31）

  • 总结：DeepSeek Harness 以 19 万星在两周内刷新 GitHub 涨星纪录，是当前最热的"通用 Agent 底座"；Pi 与 Codex 是两大终端编码 Agent 代表（分别走"极简可扩展"与"全家桶"路线）；DeepAgents 是 LangChain 生态的"编排层标配"；Claude Agent SDK 则是把 Claude Code 能力 SDK 化、生态最成熟的官方绑定。

1.2 项目详解

1. Pi-Agent（earendil-works/pi）⭐ 97.2K

  • 背景与动机：由 libGDX 游戏框架作者 Mario Zechner（@badlogic）于 2025 年 8 月创建，2026 年 4 月起由 Earendil 公司接管维护（Zechner 为股东）。核心理念是"上下文工程至上"——默认只内置 4 个工具（read/bash/edit/write）、系统提示词控制在 1K token 以内，主张"让 Agent 适配你的工作流，而不是反过来"。
  • 定位：极简主义、可高度扩展的终端编码 Agent Harness（monorepo：@earendil-works/pi-ai 统一多模型 API、pi-agent-core 运行时、pi-coding-agent 主 CLI、pi-tui 终端 UI、pi-mom Slack 机器人）。
  • 核心能力：支持 15+ 大模型供应商（OpenAI、Anthropic、Google、免费档、本地 Ollama 等）、会话中途切换模型、4 种运行模式（交互 TUI / 一次性 Print / JSON 事件流 / RPC）；扩展机制（Extensions、Skills、Prompt 模板、主题）通过 npm/git 以 "Pi Package" 分发，无需 fork 即可深度定制。
  • 核心优势：轻量（核心小）、可扩展性极强、模型无关；被 OpenClaw 等下游项目内嵌使用，生态活跃（约 273 位贡献者）。
  • 主要短板/风险：默认不含子代理、Plan 模式；无内置权限系统（作者认为 Agent 能写代码后权限系统多是"安全剧场"，隔离靠容器/沙箱自行配置）——这对企业安全合规是明显短板。
  • 适用场景：个人开发者的终端日常编码、追求"少即是多"的极简工作流、作为库被二次开发嵌入其他产品。

2. deepseek-harness ⭐ 190.2K（涨星速度史无前例）

  • 背景与动机：DeepSeek AI 于 2026-08-13 开源，MIT 协议。其爆火逻辑在于：Claude Code、Codex CLI 本质是"模型 + 自家 Harness"打包售卖，而 DeepSeek 把 Harness（"马具"）本身单独开源，让模型与框架解耦。发布不到一天破 7 万星，目前约 19 万星，成为 GitHub 史上最快涨星项目。
  • 定位与架构："Everything is a plugin（一切皆插件）"。底层基于 Cordis 微内核（源自 Koishi.js 生态的依赖注入/插件化框架，配套 cosmokit 等），仓库含 230+ workspace 包，模型适配器、Agent Loop、会话持久化、工具、安全策略、任务调度、Web UI 全部是可替换的插件；Cordis 提供"时间可组合性"（卸载即撤销副作用）与"空间可组合性"（依赖变化动态重排）。每次运行写入 append-only 会话日志，全链路可追溯。
  • 运行与部署：npx @deepseek-ai/dsh web 一键启动 Web UI（默认 127.0.0.1:3080）；也支持 CLI、Headless、ACP、JSON-RPC 四种形态；可从源码 pnpm 构建。
  • 核心能力：Agent Teams（子代理编排）、Web/CLI/Headless 多界面、可插拔模型（DeepSeek/OpenAI/本地 Ollama）、沙箱（含 Rust 原生 landlock-run）、插件市场生态（dsh-plugin 话题）。
  • 主要短板/风险：当前为 developer preview（0.1.0-rc），官方明确警告"会有破坏性兼容变更"，迭代极快、生态尚在早期。
  • 适用场景：想构建"自己掌控 Agent 底座"的团队、需要深度定制/替换各能力模块的企业、关注可审计性的场景。

3. DeepAgents（langchain-ai/deepagents）⭐ 28.6K

  • 背景与动机：LangChain 团队 2025-07-27 创建，定位为"batteries-included（开箱即用）的 Agent Harness"，灵感来自 Claude Code，试图把 Claude Code 的通用性抽象出来并做得更进一步。与 LangGraph/LangChain 的关系：LangGraph 是图运行时 → create_agent 是最小 Harness → Deep Agents 是在其上的更"有主见"的完整 Harness。
  • 核心能力：子代理（隔离上下文窗口）、可插拔文件系统（本地/沙箱/远程）、上下文管理（长线程摘要、工具输出落盘）、Shell 访问、持久化记忆、Human-in-the-loop（工具调用前可审批/编辑/拒绝）、Skills（按需加载的可复用行为）、任意自定义工具或 MCP 服务器。
  • 模型无关：支持前沿 API（OpenAI/Anthropic/Google）、开源权重模型（Baseten/Fireworks）、本地模型（Ollama/vLLM/llama.cpp）。生产级：基于 LangGraph 提供流式、持久化、检查点，可与 LangSmith 配合做追踪/评测/部署。
  • 安装：uv add deepagents；另有预置的终端编码代理 Deep Agents Code（curl -LsSf https://langch.in/dcode | bash）。
  • 主要短板/风险：默认"信任 LLM"安全模型（边界靠工具/沙箱而非模型自律），存在安全风险敞口；与 LangChain/LangSmith 绑定较深，独立使用价值打折扣。
  • 适用场景：已在 LangChain 生态中的团队、需要把 Agent 嵌入生产系统的场景、研究型 Agent 编排。

4. Claude-Agent-SDK ⭐ 8.0K（Python）/ 1.7K（TS） 【不推荐/首先排除】

  • 背景与动机：2025 年 9 月由 Claude Code SDK 更名而来，Anthropic 官方表示它"已成为驱动我们几乎所有主要 Agent 循环的引擎"，并扩展用于深度研究、视频创作、笔记等非编码场景。价值在于：把 Claude Code 同款核心工具、上下文管理系统与权限框架全部 SDK 化。
  • 核心能力：query() 异步流式 API；自带子代理（subagents）与 Hooks 支持；文件系统全访问；MCP 支持；max_turns、自定义工具、系统提示词等选项。Python 版 pip install claude-agent-sdk（Python 3.10+，Claude Code CLI 自动捆绑，无需单独安装）；TS 版 @anthropic-ai/claude-agent-sdk。
  • 核心优势：生态成熟度最高（Anthropic 官方背书 + 大量官方 demos/示例）、能力与 Claude Code 完全对齐、上手快。
  • 主要短板/风险：强绑定 Anthropic 生态（需要 Anthropic API key/订阅），模型无关性最差；SDK 是"运行时封装"而非自研架构，定制深度受限于官方实现。
  • 适用场景：需要把 Claude Code 级能力嵌入自有产品的团队（合规、安全、客服、代码调试等各类 Agent 应用）。

5. Codex（openai/codex）⭐ 105.4K

  • 背景与动机：2025 年 4 月推出的 OpenAI 首个开源编码 Agent（仓库 Apache-2.0、Rust 编写），定位"跑在你终端的轻量编码 Agent"。此后快速演变为完整产品体系：5 月发布云端 Codex Web，9 月统一进 ChatGPT 账号、GPT-5-Codex 成为云端默认；2026 年落地桌面 App、Codex Security、子代理、插件目录、GPT-5.3/5.4-Codex（SWE-bench 74.9%，与 Claude Code 并列第一）；2026-07 独立 Codex App 并入统一 ChatGPT 桌面端，并支持移动端远程连接本机任务。
  • 核心能力：三级交付形态——本地 CLI（开源）、云端 Web（chatgpt.com/codex）、IDE 扩展（VS Code/Cursor/Windsurf/JetBrains）；精细的权限审批模式（Suggest 默认 / Full auto 等）+ 平台沙箱（macOS seatbelt、Windows 沙箱、容器）；非交互 CI 模式、记忆与项目文档、追踪日志；2026-03 起支持插件（Skills+应用集成+MCP 配置打包）。
  • 核心优势：OpenAI 模型能力（o3 系列→GPT-5.x-Codex）同源、云端并行多任务、安全模型完善、跨端覆盖最全。
  • 主要短板/风险："开源"仅限 Codex CLI 本体，云端 Codex 是闭源商业服务；产品界面持续变动（多次合并/改名）；GitHub 上 1.2 万+ open issues，维护压力大。
  • 适用场景：异步任务、隔离执行、代码审查、并行委派；深度依赖 ChatGPT/OpenAI 生态的开发者。

1.3 多维度横向对比

1.3.1 定位与形态

维度 Pi-Agent deepseek-harness DeepAgents Claude-Agent-SDK Codex
本质 编码 Agent CLI/框架 通用 Agent 底座/框架 Agent 编排框架 官方 Agent SDK 编码 Agent 产品体系
模型绑定 多供应商（15+） 多模型可插拔 模型无关 主要绑定 Claude 绑定 OpenAI 模型
上手门槛 低（npm 一键） 中（npx 一键，但定制需懂插件） 中（需 Python 生态） 低（需 Anthropic 账号） 低（需 ChatGPT 账号）
默认安全模型 无内置权限 插件化沙箱 "信任 LLM"+工具级边界 官方权限框架 审批模式+平台沙箱

1.3.2 技术栈与部署

维度 Pi-Agent deepseek-harness DeepAgents Claude-Agent-SDK Codex
核心依赖 Node.js/npm、TypeScript Node.js/pnpm、Cordis（Koishi 生态） Python 3.9+、LangChain/LangGraph/LangSmith Python 3.10+（Py）、Node（TS） Rust、Node/npm、brew
部署方式 本地 CLI（npm 全局）/RPC 服务 npx web/CLI/Headless/ACP/JSON-RPC pip/uv 库引入，可 Docker pip/npm 库引入 npm/brew 本地 CLI、云端托管、IDE 插件
扩展方式 TS 扩展/Skills/主题/Package 插件系统（一切皆插件） Skills/工具/MCP/子代理 子代理/Hooks/MCP 插件目录/技能/MCP

1.4 架构图

flowchart LR subgraph Harness层[Agent Harness 层] DSH[deepseek-harness<br/>一切皆插件 · Cordis 内核] DAG[DeepAgents<br/>LangGraph 编排] CAS[Claude-Agent-SDK<br/>Claude Code 同款运行时] end subgraph 编码Agent层[Coding Agent 层] PI[Pi-Agent<br/>极简4工具 · 多模型] CDX[Codex CLI<br/>审批模式 · 沙箱] end subgraph 模型层[模型层] DS[DeepSeek / OpenAI / Anthropic / 本地 Ollama 等] end PI --> DS CDX --> DS DSH --> DS DAG --> DS CAS -->|Claude| DS PI -.嵌入.-> OpenClaw[OpenClaw 等下游应用]

1.5 选型建议（供技术选型参考）

  • 想要完全掌控、深度定制 Agent 底座 → deepseek-harness（插件化最彻底，但注意当前 rc 版不稳定）
  • 终端日常编码、追求轻量与可扩展 → Pi-Agent（模型无关、OpenClaw 同款底座）；需要更多安全/子代理则外挂容器与扩展
  • 已在 LangChain/LangGraph 生态做生产级 Agent 编排 → DeepAgents（与 LangSmith 结合最佳）
  • 需要把成熟 Agent 能力快速嵌入自有产品（强合规） → Claude-Agent-SDK（生态最成熟，但绑定 Anthropic）
  • 深度使用 OpenAI/ChatGPT、需要云端并行与 IDE 一体化 → Codex（注意仅 CLI 开源，云端为闭源服务）

1.6 潜在风险提示

  1. deepseek-harness 处于快速迭代期，破坏性变更频繁，不建议直接用于生产核心链路；
  2. Pi 与 DeepAgents 均默认"信任 LLM"，企业落地需自行加固沙箱/权限；
  3. Codex 的"开源"边界（仅 CLI）与其产品形态持续变动，需以官方最新说明为准；
  4. 以上 Star/数据均为 2026-08-31 GitHub API 实时值，开源项目增长极快，后续需持续跟踪。

Y 推荐文献

X 参考文献

posted @ 2026-08-31 15:39  数据知音  阅读(174)  评论(0)    收藏  举报