
CanyonOS 发布:用纯 Python 编写并自动扩缩 AI 代理
来源标题:CanyonOS: Find, observe, and scale agents slowing down your workflow
CanyonOS 推出一套无需 SDK 的代理开发方案,用纯 Python 编写代理,一条命令即可部署到 AWS 或 Kubernetes。它按工作流、代理和单次查询自动扩缩并观测,且无需额外代码,还支持在策略文件中按代理配置模型与成本规则、无需重新部署即可生效。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
用原生 Python 编写 agent · 一条命令完成部署 · 只对合适的模块自动扩缩容 · 无需额外代码即可观测 让工作流扩缩容变得简单。 原生 Python:无需 SDK,无需装饰器,无需定义图结构。 用同一个 CLI 即可部署到你的 AWS 账户或 Kubernetes 集群。 获得前所未有的按工作流、按 agent、按查询粒度的洞察。 在策略文件中为每个 agent 设定花费和模型规则,无需重新部署即可修改。 CanyonOS 云就绪且与模型无关。工作流、prompt 和数据都留在你的环境中。CLI 会发送匿名使用数据,一项设置即可关闭。 不需要。安装后在笔记本电脑上运行 Hello World 快速入门即可,无需 API key。部署自己的工作流时,再接入你自己的模型提供商。 不需要。CanyonOS 运行在 Docker 上。如果你已经在用 Kubernetes,它也可以通过 operator 和 Helm chart 部署到那里。 可以,转换成原生 Python,每个 agent 一个文件。可选的辅助工具会帮你转换一份 LangChain 或 LangGraph 项目的副本,供你检查。 任何提供 OpenAI 兼容 API 的提供商都可以。大多数提供商都提供这样的 API,你自己托管模型的常见服务器也一样。 可以。CanyonOS 会把 trace 和指标导出到这些系统,并额外提供每个 agent 的成本和排队时间。 目前是 0.2,我们的首个公开版本,也是一个每周发版的活跃项目。它尚未在大规模生产环境中运行过。当前限制列在 README 中。 你可以免费下载、运行和修改 CanyonOS。如果你修改了它并通过网络提供给他人,AGPL 要求你向对方公开这些修改的源码。 一个匿名安装 ID、命令、是否执行成功以及 CLI 版本。不含代码、prompt 或模型数据,一项设置即可关闭。 可以,作为一个平台项目。CanyonOS 在一次安装中提供按 agent 的扩缩容、追踪和成本统计,因为它承载了每一次调用。 CanyonOS 免费且开源。我们计划之后围绕它提供付费服务。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。