Burr FrameworkNyílt forráskódú Python keretrendszer az állapotú, döntéshozó alkalmazásokhoz, mint ügynökökhöz és chatbotokhoz.

4.3 (4)

Értékelte Daniel Nikulshyn·Frissítve 2026. július

Observability Python Framework Open Source AI Agents State Management LLM Developer Tools

Áttekintés

A Burr Framework egy Python könyvtár olyan alkalmazások fejlesztéséhez, amelyek idővel döntéseket hoznak, mint például a chatbotok, MI-ügynökök, szimulációk és workflow motorok. Programokat állapottárgépként modellez, lehetővé téve a fejlesztők számára, hogy meghatározott műveleteket és átmeneteket határozzanak meg egy megosztott állapotobjektumon, ami megkönnyíti az összetett vezérlési folyamatok értelmezését. A keretrendszer beépített megfigyelési eszközöket, helyi felületet a futások vizsgálatához és támogatást a persistenciához tartalmaz, hogy az alkalmazások szüneteltethetők, folytathatók legyenek és lépésről lépésre hibakeresésre kerülhessenek. Mivel a Burr nem kötődik az LLM-ekhez vagy könyvtárakhoz, integrálható a legtöbb népszerű Python AI stackkel. Jól alkalmazható olyan csapatok számára, akik explicit irányítást akarnak az ügynöklogika felett, ahelyett, hogy a fekete doboz orchestrációra támaszkodnának, és olyan termelési rendszerekhez, ahol a nyomvonalat követhetőség és a tesztelhetőség számít.

Fő funkciók

Állapotgép-abstrakció akciókkal és átmenetekkel
Helyi szondázási felület a végrehajtások ellenőrzéséhez
Állapotmegőrzés és újrakezdés
Stream és aszinkron akció támogatás
Integrálás a közös LLM és ML eszközelemekkel
Csomagolók a követéshez, a figyeléshez és a teszteléshez

Árazás

Modell: Free
Kategória: AI Agents Frameworks
Értékelés: 4.3 / 5 (4)

Felhasználási esetek

Készítsen állapotú chatbotokat jelzéssel

Modellálj szóviccsel alapuló áramlásokat egyértelmű állapotgépekkel akciókkal és átmenetekkel, amely könnyebbséggel érvel a chatbot-viselkedésen és gyökérdelt a helyi mérési UI használatával hibakereséshez.

Fejlesztési döntési AI-ügynökök

Hozzon létre AI-ügynököket, amelyek együttesen kezelik a hosszú ideig tartó állapotot lépéseken át, a streamolás, aszinkron akciók és az integráció bármely LLM-könyvtár a Python-közegrendszerrel.

Menjen végbe hordozható folyamatmotorokkal

Használj állapotmegőrzést a folyamattal kapcsolatos álmodik, folyamattal kapcsolatos álmodik és végrehajtást megvalósító, valós érzékelhető folyamattal kapcsolatos felvétellel. Biztosítanak hibakeresheti, ellenőrzhető, és álmodik folytatására alkalmas folyamattal kapcsolatos álmodik.

Instrumentálja az AI alkalmazásokat a megfigyelés és tesztelés végett

Használja be az épített fogantyúkat a követéshez, a figyeléshez és a teszteléshez megfigyelt alkalmazások megfigyelve, életben hozva és reprodukálhathó, ellenőrizhető futásokon keresztül.

Előnyök és hátrányok

Előnyök

Egyértelmű állapotgép-modell könnyen követéses logikát biztosít
Felépített követési felület a végrehajtások hibakereséséhez
A keretrendszerfüggetlen – bármilyen LLM vagy könyvtár munka mellett működik
Támogatja a megőrzést, a streamolást és az aszinkron akciókat
Nyílt forráskód és könnyűség

Hátrányok

Python és annak absztrakt fogalmainak megismerése szükséges
Kevesebb beépített funkció, mint a magasabb szintű ügynök keretrendszerek
Kisebb közösség, mint a nagyobb versenytársak

Értékelések

4.3

Átlag 4 értékelésből.

Jelentkezz be értékelés írásához.

Priya Nair

May 2, 2026

Does the job

Pretty happy overall. Local telemetry UI for inspecting executions just works and built-in tracing UI for debugging runs. Less plug-and-play than higher-level agent frameworks can be annoying, but no dealbreakers — I'd recommend it to a friend without hesitating.

Ethan Brooks

Mar 21, 2026

Compared a few options

Evaluated this against two competitors. Where it wins: local telemetry UI for inspecting executions and explicit state-machine model makes logic easy to follow. Where it lags: requires Python and some learning of its abstractions. On balance the feature set — especially local telemetry UI for inspecting executions — justifies the 5 stars for our use case.

Tariq Aziz

Jan 27, 2026

Use it every day

Honestly didn't expect to like it this much. State persistence and resumability is exactly what I needed, and open source and lightweight. I do wish smaller community than larger competitors, but I reach for it almost every day now and it just clicks.

Diego Fernández

Oct 16, 2025

Solid for our team

We rolled this out across the team last quarter and built-in tracing UI for debugging runs. State persistence and resumability fits neatly into how we already work, and integrations with common LLM and ML tools removed a step we used to do by hand. Smaller community than larger competitors, which is the main caveat, but it has held up under daily use.