Burr FrameworkВідкритий універсальний фреймворк Python для створення штучності рішучих застосунків, подібних агентам та чатботам.

4.3 (4)

Перевірено Daniel Nikulshyn·Оновлено липень 2026 р.

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

Огляд

Бурр Framework - це бібліотека Python для створення програм, яким необхідно приймати рішення протягом певний період часу, наприклад чат-ботів, агентів AI, симуляцій та інструментів управління потоками даних. Вона моделює програми як стани машини, що дозволяє розробникам задавати дії та переходи, які працюють на спільному об'єкті стану, роблячи складну програмну логіку більш розумну для розуміння. Фреймворк містить інтегровані інструменти спостереження, локальний інтерфейс користувача для перегляду виконуваних робіт, а також підтримку збереження для застосунків, які можуть тимчасово зупинитися, продовжувати виконувати роботу та відстежувати крок за кроком. Поки Burr не висловлює власної точки зору щодо вибору LLM або бібліотек, він інтегрується з більшістю популярних бібліотек Python для мистецтва інтелектуальної мереж. Вона дуже підходить для команд які хочуть мати відкритий керування логікою агентів, ніж опиратися на чорний ящик управління, та для системи виробництва де важливість слідопера та можливості тестування.

Ключові функції

Абстракція машини стану зі застосуванням дій та переходів
Local telemetry UI для візуалізації виконання
Серверна збереженість стану та відновлюємість
Поточне та асинхронне підтримання дій
Інтеграції з різними популярними LLM та ML інструментами
Зав'язки для журналів, моніторингу та розробочної роботи

Ціни

Модель: Free
Категорія: Фреймворки AI-агентів
Рейтинг: 4.3 / 5 (4)

Кейси використання

Збудову штучних чатботов з прозорим логом

Модельовані розмови як конкретні машини стану з діями та переходами, що робить штучне спілкування більш зрозумілішим та допомагає в розшифровці виконання за допомогою місцевого візуального інтерфейсу.

Розробку рішучих агентів AI

Свіжу штучна інтеліґенція, яка об'єднується спільним станом через кроки, із підтримкою поточного виконання, асинхронної дії та інтеграції із будь-якою бібліотекою LLM у середовищі Python.

Прохід потічності виконавців workflow

За допомогою збереженої стану можна зупиняти, відновляти та візуалізувати виконання довгастійних виконувачів workflow чи симуляцій, що гарантує їхні відновлення та візуалізацію складних операцій керування.

Інструментуювання AI застосунків для спостереження та перевірки

Вигідно підтримувати внутрішні зв'язки для спостереження на продуктивне застосування AI та перевірити його роботу шляхом виконанням оглядових поточних операцій.

Плюси і мінуси

Плюси

Відповідність штучному стану робить лог легко зрозумілим
Збудований візуальний інтерфейс для відлагодження виконання
Фреймворкінг-нейтральний — працює зі будь-яким LLM чи бібліотекою
Підтримує збереженість стану, поточне та асинхронне виконання
Відкритий та легкий
Загалом менший розмір програми ніж великі конкуренти

Мінуси

Наведені потрібні Python та деяке вивчення спеціальних його механізмів
Меншовідноробний ніж більш високорівневі агентські фреймворки
Менша спільнота розробників ніж у великих конкурентів

Відгуки

4.3

Середнє з 4 оцінок.

Увійди, щоб залишити відгук.

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.