Топ-10 open-source проектов для AI-агентов

AI-агент — это модель, которая не просто отвечает, а вызывает инструменты и доводит задачу до результата. Собрать такого можно и с нуля на API модели, но открытые проекты снимают половину рутины: оркестрацию шагов, память, повторные попытки, наблюдаемость.

Ниже — десять проектов с открытым кодом, разложенных по типу задач. Ссылки — на репозитории.

Визуальные конструкторы

1. Dify — платформа для AI-приложений с визуальным редактором сценариев, встроенным RAG, управлением промптами и логами. Ближе всего к «собрать рабочего ассистента за день без разработчика».

Брать, когда: нужен быстрый прототип с базой знаний и админкой для правки промптов.

2. Flowise — конструктор цепочек и агентов на узлах. Легче Dify, ставится за минуты, удобен для демонстраций и небольших внутренних инструментов.

Брать, когда: нужно показать работающий сценарий на встрече, а не строить продукт.

3. n8n — оркестратор автоматизаций с AI-узлами. Его преимущество не в AI, а в четырёхстах интеграциях: агент, которому нужно ходить в почту, CRM, таблицы и мессенджеры, собирается здесь быстрее, чем где-либо.

Брать, когда: агент — часть бизнес-процесса, а не отдельный продукт.

Библиотеки для разработчика

4. LangGraph — построение агентов как графа состояний: явные узлы, переходы, точки остановки и возможность вмешательства человека. Из экосистемы LangChain, но самостоятелен.

Брать, когда: сценарий сложный, и вам важно контролировать каждый шаг, а не отдавать управление модели целиком.

5. CrewAI — фреймворк для нескольких агентов с ролями и задачами. Метафора команды: исследователь, аналитик, редактор.

Брать, когда: задача естественно делится на роли и вам нужен быстрый старт.

6. AutoGen — исследовательский фреймворк Microsoft для мультиагентных диалогов. Сильная сторона — сценарии, где агенты обсуждают решение между собой и с человеком.

Брать, когда: экспериментируете с архитектурой взаимодействия агентов.

7. Pydantic AI — минималистичный фреймворк с типизированными результатами и валидацией. Ничего лишнего: инструменты, структурированный вывод, проверки.

Брать, когда: нужен предсказуемый продакшен-код без тяжёлой обвязки.

Данные и знания

8. LlamaIndex — библиотека для работы с данными: загрузка из десятков источников, нарезка, индексация, поиск. Основа для RAG-части агента.

Брать, когда: главная сложность в документах, а не в логике действий.

9. RAGFlow — готовый RAG-движок с сильным разбором документов: таблицы, сканы, сложная вёрстка. Закрывает самую недооценённую часть — качество извлечения текста.

Брать, когда: база знаний состоит из PDF и сканов, а не из аккуратного markdown.

Автономная работа и память

10. OpenHands — агент, который пишет код, запускает команды и работает с репозиторием в изолированной среде. Один из самых зрелых представителей класса «агент-разработчик».

Брать, когда: задача — автоматизировать инженерную рутину.

Бонус: Letta (бывший MemGPT) — агенты с долговременной памятью, которая переживает перезапуск и не помещается в контекстное окно.

Как выбирать

Три вопроса, которые сужают список до одного-двух вариантов.

Кто будет менять сценарий? Если не разработчик — визуальный конструктор (Dify, n8n). Если разработчик — библиотека.

Насколько предсказуемым должен быть путь? Чем выше цена ошибки, тем более явным должен быть граф шагов. Полная автономия — самый дорогой и самый непредсказуемый режим.

Где живут данные? Требование не выпускать данные наружу отсекает облачные решения и делает самостоятельное развёртывание обязательным — все проекты выше это умеют.

Что обычно недооценивают

Стандарт подключения инструментов. MCP снимает необходимость писать интеграции под каждый фреймворк заново — при выборе стоит смотреть на его поддержку.

Наблюдаемость. Без записи каждого шага агента отладка невозможна. Логи и трассировка важнее красоты API.

Оценка качества. Фреймворк не отвечает за то, что агент делает правильные вещи. Набор evals придётся собрать самим — и это главная работа.

Стоимость. Агент из десяти шагов стоит в десять раз дороже одного запроса. Считайте инференс до запуска, а не после первого счёта.

Где эти проекты стоят в общей картине стека — видно на карте инструментов лаборатории.