1800行，一个周末读完Agent框架内核

调试 Agent 框架时，最难受的是运行时像个黑盒。框架能跑，但你看不清一次执行里状态怎么变、事件怎么记、人在哪一步被拦住。

Dan Kornas 最近在 X 上发了一个项目 prodagent，定位是教学级 Python Agent 运行时内核。目标读者是愿意读代码的构建者，想弄明白 LangGraph、Google ADK 这类框架背后的原语。

它刻意做小。内核六个部件，每个只管一件事：Plan 是可复用的步骤蓝图，Run 是一次执行和状态，Scheduler 驱动波次，EventLog 记录事实，Interrupt 停下来等人，Bus 让外部观察、裁决和订阅。净代码约 1800 行，14 个文件，零第三方运行时依赖，测试全部离线可跑。作者说一个周末能读完。

prodagent 内核示意

同一副骨架，换了身衣服。Dan Kornas 把 prodagent 的核心概念映射到主流框架，思路很直接：先认清每个部件负责什么，再去看别的框架把同一个决定藏在哪个名字下面。

要解决的事	prodagent	常见框架里的同类做法
可复用的步骤蓝图	Plan = Node / Edge / Channel	LangGraph 的 StateGraph；ADK 的 workflow / agent 图；CrewAI 的 Process + Tasks
一次执行和状态	Run + 通道与合并规则	LangGraph 的 State + checkpointer；ADK 的 Session
驱动执行的引擎	Scheduler 每波重算就绪集合	LangGraph 的 Pregel 超步；ADK 的 Runner；CrewAI 的 kickoff 循环
运行时跳转与扇出	Goto / Send	LangGraph 的 Command(goto/send)；ADK 的 transfer；OpenAI 的 handoff
停下来等人	Interrupt，之后 resume	LangGraph 的 interrupt + Command(resume)；ADK 的人工输入
事实源 / 重放	只追加的 EventLog，状态是事件折叠	LangGraph 的 checkpointer + time travel；ADK 的会话重放
从外面观察和拦截	Bus：旁观 / 裁决 / 订阅	LangGraph 的 callbacks 与 stream；ADK 的 EventBus

机制在内，策略在外。内核里没有 ReAct 类，也没有运行模式开关。ReAct、先规划后执行、多 Agent 协作，都在应用层用同一套原语拼出来。换一种编排，内核一行不用改。

应用层（策略）：ReAct · plan-first · 多 Agent · 你
        ↓
内核（机制）· 六个部件
Plan → Run → Scheduler → EventLog
                 ↘ Bus / Interrupt

怎么跑起来也不复杂。项目给了一个不花 API Key 的入口。ScriptedLlm 按剧本演戏，结果确定，离线可重复。

git clone https://github.com/limenagent/prodagent && cd prodagent
pip install -e .

prodagent run
prodagent run --trace
make play

prodagent run 会离线跑通完整流程，中途在终端答一句人工审批。加 --trace 会把同一次运行渲染成父子 Run 的因果树。make play 打开网页版，能看轨迹、事件、状态、文件和图。想接真模型，设一个 OPENAI_API_KEY 换成任意 OpenAI 兼容接口，其余代码不用改。

API 也短。节点就是 async def fn(input, ctx)。直接 return 把结果交给下游；要改道就 go(目标, 值)；要扇出就 return [send(模板, x) for x in items]；要停下等人就 wait_human(问题)。问题和回答都进日志，恢复时从事实继续。

from src import Agent, Workflow, go, send, wait_human

agent = Agent(name='researcher', model=llm, instruction='...', tools=[search])
await agent.run('帮我查 X')

wf = Workflow()
wf.add_node('diagnose', diagnose_fn)
wf.add_node('repair', repair_agent, terminal=True)
wf.add_edge('diagnose', 'repair')
wf.entry('diagnose')
await wf.run('故障')

有网友在回复里说，剥掉品牌，大多数框架就是一个队列，其中某一步刚好调用模型。Dan Kornas 回了一句更具体的：如果 worker 在工具跑完、结果还没保存时崩了，幂等性会占掉你一下午。这个细节比讲一堆抽象概念有用。

项目开源，MIT 许可。仓库里还有框架对比、常见问题、术语表，以及一篇 30 分钟手写最小内核的文档。它不解决所有生产问题，但适合在信任一个框架之前，先把循环读一遍。

原推文

GitHub 仓库