给 Agent 接上真实世界的 10 个开源仓库：逐个核对后的清单
RodmanAi 这条推文的说法是：模型能回答问题，但给它浏览器、工具和工作流，它才能开始做事。文末列了 10 个仓库，从浏览器操作到任务编排，覆盖一条完整的落地链路。原帖在这里：https://x.com/RodmanAi/status/2111327090125754464。
我按帖子里的地址把 10 个仓库逐个拉了一遍——星数、语言、最新发布、README 里的实际定位。核对下来有两件事原帖没说：AutoGen 已经被微软归档、停止维护；Open Interpreter 早就不是「让模型操作你电脑」那个东西了，现在是 Rust 重写的编码 agent。这两条会影响选型，下面按层拆开讲。
先看总表
星数、语言、最新版本均为 2026 年 10 月 18 日通过 GitHub API 读取。
| 仓库 | 星数 | 语言 | 最新发布 | 干什么 |
|---|---|---|---|---|
| browser-use | 118,343 | Python | 0.13.13（10-15） | 让 agent 操作真实浏览器 |
| stagehand | 25,720 | TypeScript | 3.7.3（08-28） | 自然语言 + 精确选择器的浏览器 SDK |
| langgraph | 43,425 | Python | 1.2.16（10-16） | 有状态 agent 的低层编排 |
| crewAI | 59,811 | Python | 1.15.28（10-14） | 多 agent 协作 |
| web-api-mcp | 7 | Python | 无正式发布 | MCP 形态的搜索与抓取工具 |
| pydantic-ai | 20,692 | Python | 2.57.0（10-16） | 类型安全的 agent 开发 |
| autogen | 61,454 | Python | 0.7.5（2025-09-30） | 多 agent 实验框架（已归档） |
| open-interpreter | 68,598 | Rust | 0.0.56（10-07） | 面向低成本模型的编码 agent |
| python-sdk | 24,602 | Python | 2.3.0（10-02） | MCP 的官方 Python 实现 |
| prefect | 24,032 | Python | 3.8.8（10-06） | Python 工作流编排 |
一、浏览器这层：从「抓页面」到「把事办完」
这一层是整份清单里最实用的部分。过去爬虫解决的是「把 HTML 拿下来」，现在这两个库解决的是「把流程走完」——填表、点按钮、过验证、拿结果。
1. Browser Use
browser-use/browser-use Python / TypeScript MIT
把网页交给 LLM 直接操作：点哪里、填什么、什么时候提交，由模型判断。README 给的第一个例子就很具体——找一个可预约时段、选日期时间、处理验证码、把驾照考试预约掉。
除了开源库，它还有云浏览器服务，按每小时 0.02 美元计费，带隐身、验证码处理和住宅代理。README 自称在自家的 Stealth Bench V2 榜单上拿到 90.5% 的最高分。
安装：uv add browser-use。11.8 万星、建库到今天两年，是这类项目里星数最高的一个。
2. Stagehand
browserbase/stagehand TypeScript MIT
Browserbase 出的浏览器 SDK，思路和 Browser Use 不同：不是把控制权整个交给模型，而是提供三个动作——observe() 找元素、act() 执行、extract() 提取结构化数据，你可以在自然语言和精确选择器之间混着用。
它 README 里有个设计细节值得抄：observe() 返回的是真实选择器，所以账号密码不会进入模型的上下文。登录信息由代码拿着，模型只知道「邮箱输入框在那」。另外它支持把 cookie 持久化到本地目录，第一次登录之后，下一次运行直接就带着会话。
最新版 3.7.3，v3 的 API 代码示例在 README 首页就能跑。
二、编排这层：谁来决定下一步
单个 agent 调工具不难，难的是长流程：多步任务、中途要存状态、失败要能续、人在关键节点要能插手。这一层解决的就是这些。
3. LangGraph
langchain-ai/langgraph Python MIT
LangChain 团队的低层编排框架，1.x 版本，最新 1.2.16。它把自己定位成「基础设施」而不是「开箱即用的 agent」：有状态、可长时间运行、支持持久执行和中断后恢复，人可以在流程中间介入。
README 列的使用者包括 Klarna、Replit、Elastic。如果你嫌它太底层，LangChain 在上层做了 Deep Agents，专门给会规划、会用子 agent、会读文件系统的复杂任务；JS/TS 项目走 LangGraph.js。
4. CrewAI
crewAIInc/crewAI Python MIT
多 agent 框架，抽象分两种：Crews 是按角色分工的自治团队（研究员、写手、审核各干各的），Flows 是事件驱动的精确流程控制，两者可以套在一起用。最新 1.15.28。
它自称有 10 万以上开发者通过了官方社区课程。这个数字可以当热度参考，选型时更该看的是：你的任务到底是「几个角色商量着办」（Crews 合适），还是「步骤固定、只是要并行」（Flows 更省事）。
5. AutoGen（已归档，别新起项目用它）
microsoft/autogen Python
这是这份清单里最需要注意的一个。README 顶部挂着明确的警告：项目已归档，微软不再维护，不提供 bug 修复、安全修复、新功能和支持，仓库只作历史参考保留。最后一次发布停在 2025 年 9 月 30 日的 python-v0.7.5。
微软现在的继任者是 microsoft/agent-framework，支持 Python 和 .NET，建了 14,181 星，还在活跃提交。如果你是被这份清单种草 AutoGen，直接去 Agent Framework。
三、工具与协议这层：agent 怎么「够得着」外部
6. MCP Python SDK
modelcontextprotocol/python-sdk Python MIT
Model Context Protocol 的官方 Python 实现，最新 2.3.0。用它既能写 MCP server（把工具、资源、提示词暴露给任何支持 MCP 的宿主），也能写 MCP client（连别人的 server）。
传输层三种都支持：stdio、Streamable HTTP、SSE。文档在 py.sdk.modelcontextprotocol.io，v2 的升级说明单独有一页。如果你打算自己造工具给 agent 用，这里是最省事的起点：写一次，Claude、Cursor 这些宿主都能接。
7. Oxylabs Web API MCP
oxylabs/web-api-mcp Python MIT
Oxylabs 官方出的 MCP server，自托管，给 agent 提供实时网页能力。工具清单是这样的：
| 工具 | 作用 |
|---|---|
search | 搜实时网页，返回标题、描述、URL |
scrape | 读单个 URL，默认转成 Markdown，能处理 JS 重页面和反爬 |
check_scrape | 取回后台异步抓取的结果 |
read_scraped | 大页面写到磁盘后分块读 |
list_scrapers | 列出可用的抓取端点 |
scrape 还能顺带截图，或者传 json_prompt / json_schema 直接抽成 JSON。有个细节做得实用：单次返回有 token 预算，默认 10,000，由 OXYLABS_MAX_INLINE_TOKENS 控制，超了就走磁盘分块读。
使用前要设 OXYLABS_WEB_API_KEY，这是付费服务的密钥，不是免费额度。仓库只有 7 星、两个月前才建——它是官方工具仓库，不是社区热点项目，星数在这里说明不了什么。部署可以用 Docker，一条 docker run 起来。
8. Pydantic AI
pydantic/pydantic-ai Python MIT
Pydantic 团队做的 Python agent SDK，核心卖点是类型：输入输出都有 schema 约束，模型返回的东西会被校验，不会悄悄给你一个字段缺失的字典。最新 2.57.0。
换模型是一行字符串的事，同一个 agent 声明能跑在网页后端、终端、语音通话、后台队列、GitHub Actions 里。适合那种「agent 要嵌进已有工程、不能让它在类型上乱来」的场景。
四、执行与调度这层：让 agent 真的跑起来、跑得住
9. Open Interpreter
OpenInterpreter/open-interpreter Rust Apache-2.0
这个仓库变了，而且是彻底变了。原帖说它「把语言模型接到本地电脑执行和自动化」，那是它的旧身份。现在的 README 第一句是：面向低成本模型优化的编码 agent，2026 年用 Rust 重写（最新 rust-v0.0.56，10 月 7 日发布），自述是 OpenAI Codex 的一个 fork，重点在复刻让便宜模型跑出最好成绩的那套 harness，用 /harness 命令切换。
README 顶部还在推 Kimi K3 的 harness 支持。安装方式是 curl -fsSL https://www.openinterpreter.com/install | sh，装完敲 i 进会话。
语言也从 Python 换成了 Rust，装完不再需要一整套 Python 环境。
10. Prefect
PrefectHQ/prefect Python Apache-2.0
Python 工作流编排框架，最新 3.8.8。它管的不是「agent 怎么思考」，而是「任务什么时候跑、失败了怎么重试、跑完的产物去哪」。能力清单很实在：调度、缓存、重试、事件驱动自动化。
两种跑法：自托管一个 Prefect server，或者用 Prefect Cloud。如果你已经把 agent 做成了一条流水线（每天定时抓数据 → 处理 → 生成报告），缺的往往就是这一层；装法是 uv add prefect。
怎么把它们串起来
这 10 个不是并列的替代品，按层次排开就清楚了：
- 协议：MCP Python SDK 定义「工具长什么样」，让同一个工具能被不同 agent 复用。
- 数据接入：Oxylabs Web API MCP 提供搜索和抓取，把网上的内容变成 agent 能读的 Markdown 或 JSON。
- 操作：Browser Use 或 Stagehand 负责真的去点、去填、去提交。要快、要可控就用 Stagehand 的三段式；要「给个目标自己想办法」就用 Browser Use。
- 边界：Pydantic AI 管住模型输出的类型，别让脏数据流进下游。
- 编排：LangGraph 做长流程与状态，CrewAI 做角色分工。
- 调度：Prefect 负责定时、重试和监控。
- 本机执行：Open Interpreter 在终端里直接改代码、跑命令。
AutoGen 不在链路里——它已经归档了。
三件需要注意的事
第一，星数不等于可用性。 118,343 星的 Browser Use 和 7 星的 Oxylabs MCP 都是正经项目，区别只在目标用户：前者面向所有人，后者面向已经在用 Oxylabs 付费服务的团队。榜单和星数只能说明「有多少人看过」，说明不了「它跑不跑得动」。
第二，归档项目不要新起。 AutoGen 的归档说明写得很清楚：没有安全修复。把它用在生产里，等于给自己留一个不会再被修的漏洞。
第三，自评数据要打折看。 Browser Use 的 90.5% 是它自己榜单上的成绩。这类数字能说明对方在认真做基准，但不能直接跨项目比较。