开源

README 第一行就自称「开箱即用的 agent harness」,MIT,Python(另有 deepagents.js),建在 LangGraph 之上,流式/持久化/检查点是继承来的。理解它的钥匙在致谢里那句「受 Claude Code 启发:试图找出它为什么通用,然后把这件事推得更远」——这是一次逆向工程,把一个公认好用的闭源编码 agent 拆开,问「到底哪几件事让它能处理长任务」。它给出的答案是四件被捆绑进来的事:可插拔后端的文件系统(长任务的产物是文件不是消息,上下文只留指针)、各有独立窗口的子智能体(上下文的隔离与压缩,不是多几个帮手)、长对话摘要 + 工具输出卸载到磁盘、以及按需加载的 Skills。另有沙箱内 shell、跨会话持久记忆、工具调用执行前可批准/编辑/拒绝的人在环中、任意 MCP server 当工具。模型无关:前沿 API、Baseten/Fireworks 上的开源权重、Ollama/vLLM/llama.cpp 自托管都能跑,三行 create_deep_agent 起一个能规划能读写文件的 agent。安全段写得异常坦白——遵循「信任 LLM」模型,边界必须在工具层与沙箱层强制,不要指望模型自我约束。29.7k★。未运行过;子智能体隔离效果与摘要信息损失尚未验证,记为待复现。

智能体运行时Coding AgentSub-Agents

Python30k4.2k139

ahujasid/mcp-for-blenderMIT

MCP for Blender:32 个工具把 Blender 变成 LLM 可直接驱动的 3D 工作台

原名 blender-mcp,第三方社区插件(README 首屏即声明非 Blender 官方出品),MIT,Python,同类 3D MCP 里星标最高的一条。PyPI 包已改名 mcp-for-blender,但 uvx blender-mcp 依然能跑、老配置不用动。架构只有两个组件:Blender 进程内的插件起 socket server 真正执行命令(只有那里有 bpy、当前场景与 UI 线程),独立进程里的 MCP server 做协议翻译,中间是一套 JSON over TCP,默认 localhost:9876。源码里的 @mcp.tool() 共 32 个,分四层——感知(get_scene_info / get_object_info / get_viewport_screenshot 以 MCP Image 返回,构成改一步看一眼的闭环)、查资料(bpy_api_lookup / describe_node_type,让它查而不是猜 socket 顺序与枚举名)、执行(execute_blender_code 兜底、set_texture、export_scene 出 GLB/FBX)、取与生成资产(Poly Haven 语义检索 + 走 .blend 源文件 + 导入写署名属性、Poly Pizza 约 10600 低模可按真实尺寸落地且 CC-BY 自动写署名、Sketchfab、Hyper3D Rodin 文生/图生 3D、腾讯混元 3D 并区分国内 ai3d 与国际 hunyuan 端点)。安全上任意代码执行是设计而非漏洞:可选 safe mode(BLENDER_MCP_SAFE_MODE=1)执行前静态校验,拦文件读写/子进程/网络/常驻代码,建模渲染保存导入导出照常放行,被拦脚本连原因一起返回给模型让它改写重试。内容遥测默认关闭,另有只能关不能开的 disable_telemetry 工具。29.2k★。本地未跑通 Blender 与该插件的组合,记为待复现。

MCPBlender3D 生成

Python29k2.7k202

GLips/Figma-Context-MCPMIT

Framelink MCP for Figma:把设计稿压成模型能吃的上下文,而不是一张截图

即 Figma-Context-MCP,npm 包名 figma-developer-mcp,TypeScript,MIT,第三方实现(不是 Figma 官方的 Dev Mode MCP)。对外只有两个工具:get_figma_data(只读)与 download_figma_images(可用 –skip-image-downloads 整个关掉,且只在 –image-dir 之内写文件)。工具面窄是刻意的,工程量全在背后那条 fetch → simplify → serialize 管线:simplify 用可组合抽取器(layout / text / visuals / component,另有 allExtractors、layoutAndText、contentOnly、visualsOnly、layoutOnly 五档组合)在单次树遍历里把 Figma 原始响应压成语义化的布局与样式,支持 maxDepth 与 nodeFilter,输出 tree(默认,最省 token)/ yaml / json 三档。最值得同行学的是它把「压缩有没有效果」做成每次调用都算出来的指标:rawSizeKb 对 simplifiedSizeKb、rawNodeCount 对 simplifiedNodeCount、组件与实例与文本与图片节点数、namedStyleCount(源码注释直说数值高是设计系统成熟度信号)、hasVariables(有没有用上 Figma Variables)、以及 fetch/simplify/serialize 三段分开的耗时;同一批钩子还驱动 MCP progress 通知与心跳,大文件拉几十秒时客户端不会看起来像卡死。细节里全是判断:node ID 支持普通与深层嵌套实例两种形状、depth 的工具描述写着「除非用户明确要求不要用」、代理默认值刻意不在无代理变量时装 EnvHttpProxyAgent 以免陈旧变量把流量导到会返 403 的中间人、stdio 模式没设 image-dir 会在启动时警告。凭据支持 FIGMA_API_KEY 或 FIGMA_OAUTH_TOKEN,遥测可用 –no-telemetry / DO_NOT_TRACK=1 关且上报会脱敏。15.9k★。它不生成任何前端代码——产物是设计事实,翻译成 React/Vue/SwiftUI 的是你的 coding agent。未用自己的 Figma 文件跑过,也未做「截图 vs 结构化数据」的准确率对照,记为待复现。

MCPFigmaDesign-to-Code

TypeScript16k1.3k65

XiaomiMiMo/MiMo-CodeMIT

MiMo Code:小米的终端编码 agent,把赌注押在记忆与自我进化上

小米开源的终端原生 AI 编码助手,TypeScript(bun 构建),源码 MIT 但另有 USE_RESTRICTIONS.md、MiMo 服务条款与商标政策约束——当纯 MIT 用之前必须读这几条。README 点明它是 OpenCode 的 fork:保留多 provider、TUI、LSP、MCP、插件内核,在其上加了持久记忆(SQLite FTS5 全文检索,分项目记忆 MEMORY.md / 会话检查点 / 草稿笔记 / 任务进度四类,恢复会话自动注入)、智能上下文管理(接近上限时从「最新检查点 + 项目记忆 + 任务进度 + 保留近期消息」重建,按 token 预算做重要性排序)、目标与停止条件(/goal 设条件,agent 想停时由一个独立的裁判模型评估是否真的达成,专治乐观提前收工)、以及沙箱里的确定性 JS 工作流(compose 把独立任务自动分进隔离 git worktree 逐任务上 TDD,另有 deep-research、三评审对抗投票的 fact-check、带防指标作弊审计的 research-experiment)。内置二十个 skill(arxiv / claude-code / codex / docx / pdf / pptx / xlsx / html-to-video / product-design 等),兼容 .agents/skills、.claude/skills、.codex/skills、.opencode/skills 四套根目录,同名即覆盖。/dream 与 /distill 是差异化标签:前者把最近会话轨迹提炼进项目记忆并清掉过时条目,后者发现你重复的手工流程打包成可复用 skill。模型无关,可接小米平台、Codex/ChatGPT OAuth 或任意 OpenAI 兼容端点。13.4k★。未安装运行;记忆恢复准确率、裁判模型有效性、官方宣称的缓存命中率均尚未验证,记为待复现。

Coding Agent智能体运行时持久记忆

TypeScript13k1.4k76

genspark-ai/genofficeApache-2.0

GenOffice：开源 AI 办公套件

GenOffice 是首个全功能开源 AI 办公套件（Apache-2.0），支持 Word/Excel/PowerPoint/PDF/Markdown 的真实格式读写，内置块级 AI 编辑与文档感知 Agent，可 BYOK 接入主流大模型，全本地运行。

AI Office开源Office Suite

TypeScript7.9k1.0k36

Neroued/ninferApache-2.0

NInfer：单张 5090 上从零写的 C++/CUDA 推理引擎

从零实现的 C++/CUDA 推理引擎，只服务五个注册 Qwen 权重、只跑一张 RTX 5090：MTP/DFlash 投机解码、五种 KV 存储、24 万 token 上下文与 Device/Host 前缀检查点复用，C=8 聚合解码 1,146.9 tok/s。

LLM InferenceCUDASpeculative Decoding

C++1.4k26113

dexmal/dexboticMIT

Dexbotic：一站式 VLA 预训练、微调、推理与评测工具箱

Dexmal 开源的一站式 VLA 工具箱：DexData 统一数据格式贯穿预训练、微调（全参/LoRA/RL）、推理与评测，支持 π0、CogACT、OFT、MemVLA、GR00T N1 等主流模型与自研双专家模型 DM0；DB 预训练在五大仿真基准带来一致增益，RoboChallenge Table30 真机评测平均成功率 62%。

视觉语言动作模型操作导航

Python1.4k1814

aliyun/ai-agent-handbookApache-2.0

AI Agent HandBook：阿里云企业级 Agent 落地白皮书

阿里云按 Agent 生命周期（架构、构建、运行、治理、调优）整理的企业级 Agent 落地白皮书，Apache-2.0 开源，30 章全 Markdown。核心主张：理解 Model 与 Harness 的责任边界，不要把所有问题都归因于模型能力。覆盖 Agent Loop、任务状态机、Context Builder、Action Plane、MCP/A2A、沙箱运行时、AI 网关治理、评估数据飞轮，并附 2026 Agent 开发者调研报告与 ABACI/Kitta/B 站等真实企业案例。

AI Agent HandBook智能体运行时Agentic Application

7041148

dreamers-laboratory/image-to-3d-pipelineApache-2.0

image-to-3d-pipeline:多模型图生3D的公平评测与浏览器探索流水线

同一组 AI 渲染图喂给 TRELLIS V1/V2 与 TripoSR,用写死的 Blender EEVEE 巡检轨道加 0–2 五轴评分卡逐个打分,胜出网格进 Three.js 浏览器探索器。Apache-2.0,仓库自带 1.5 MB 成品 GLB。

TrellisTripoSRHunyuan3D

JavaScript258200

mekion/the-bimo-projectApache-2.0

Bimo：45 厘米开源双足机器人

Bimo 是一台 45 厘米、约 1.6 公斤的髋-头双足机器人套件：8 个 STS-3215 总线舵机、BNO08x 九轴 IMU、4 路 VL53L0X 测距、2 路 180° 摄像头，主控是自研 RP2040 板，控制闭环 20 Hz。仓库公开 Python 控制 API（1023 行）、三份 MCU 固件（1349 行）、ROS2 封装（1431 行）与 Isaac Lab 训练环境（874 行，含六项奖励、密集域随机化、按系统辨识建模的 STS3215Actuator：3.113 Hz 带宽、方向性齿隙、5 ms 总线延迟），外加 26MB 的 Bimo.usd 模型。CPG 步态的 104 个傅里叶系数与逐关节增益在 Python 与 C 里各存一份；PPO 教师 [256,128,64] 可蒸馏成学生 [64,32]，经 onnx2c 编进固件后脱机在 MCU 上行走。代码全部 Apache-2.0，但 README 承诺的 CAD 与电路设计仍标注 coming soon，仓库与全部 git 历史里没有任何 STL/STEP/原理图/Gerber/BOM，也没有预训练权重（两个 release 附件数均为 0）与 DIY 装配手册。当前版本 v1.1.0，198 star，项目处于预订阶段。

双足机器人人形机器人开源

Python19887

lightorigins/LightNav-0Apache-2.0

LightNav-0：激发 VLM 空间智能的通用具身导航模型

Light Origins 开源的紧凑型通用导航模型：Qwen3-VL-4B 骨干 + 双通道指向 + RVQ 动作 token，单一检查点覆盖指令跟随/物体导航/视觉追踪，零样本迁移人形、四足、轮式、无人机四类本体，全仿真训练，Apache-2.0。

LightNav-0LightOrigins导航

Python6120

reubenstr/ElectroPup

ElectroPup：12 自由度 3D 打印开源四足机器人

ElectroPup 是一台 4.5 公斤、12 自由度的 DIY 四足机器人：12 个 MG4010E-i10v3 CAN 无刷电机按腿分成四段 CAN 网络，主控为树莓派 5，整机由约 7700 行纯 Python 单服务驱动，不依赖 ROS。仓库公开了 OnShape CAD、两块 KiCad v8 电路板、物料清单、实测重量与功耗（悬挂 21.6 W、站立 33.8 W），并提供 MuJoCo 仿真、React Native/Expo 浏览器 UI、四种贝塞尔足端轨迹步态与完整搭建指南；作者同时列出了缺许可证、无接触传感、仿真模型缺质量惯量等已知不足。

四足机器人开源BLDC Motor

Python3542

作为亚马逊联盟会员,我们可能从符合条件的购买中获得佣金。

开源

Deep Agents:逆向 Claude Code 得到的开箱即用 agent harness