Перейти к основному содержанию

Documentation Index

Fetch the complete documentation index at: https://speshu.ai/docs/llms.txt

Use this file to discover all available pages before exploring further.

Agno AI — open-source framework для построения, запуска и управления agent platforms. Он вырос из идеи простых LLM-агентов и сейчас фокусируется на AgentOS, tools, knowledge, memory, teams и интерфейсах для production-сценариев. О Agno говорят потому, что рынок движется от одиночных чат-ботов к агентам, которые умеют помнить контекст, работать с инструментами, подключаться к данным и запускаться как сервис. В статье разберём, как устроен Agno и как подключить SpeShu.AI через OpenAI-compatible модель.

​
Что такое agno ai

Agno AI — Python-фреймворк для создания AI-агентов. Базовая сущность — Agent: у него есть модель, инструкции, инструменты, knowledge base, память и параметры вывода. Agno нужен разработчикам, которые хотят собрать не просто prompt-скрипт, а полноценного ассистента: для Slack, web-интерфейса, аналитики, поиска по данным или automation workflow. Он подходит для команд, которым важен быстрый Python-старт и возможность постепенно добавлять storage, AgentOS и tools.

​
Как работает agno ai

В простом варианте агент получает model provider и инструкции. В более сложном варианте к нему добавляются:
  • tools для внешних действий;
  • knowledge base с embeddings;
  • storage для сессий;
  • memory для пользовательских предпочтений;
  • AgentOS для запуска как приложения.
В коде Agno есть OpenAIChat и OpenAILike. Для OpenAI-compatible endpoint удобно использовать OpenAILike или OpenAIChat с параметрами base_url и api_key.

​
Что умеет agno ai

  • создавать одиночных агентов;
  • добавлять tools;
  • подключать knowledge и vector DB;
  • хранить историю и память;
  • запускать AgentOS;
  • строить команды агентов;
  • делать web/API интерфейсы поверх агента.
Мини-кейсы: Slack-ассистент, агент по внутренней базе знаний, аналитик по таблицам, помощник разработчика, автоматизация повторяющихся запросов.

​
agno ai на практике

Пример ниже создаёт простого агента с моделью через SpeShu.AI. Он использует официальный стиль Agno: Agent + OpenAI-compatible model. 
import os
from agno.agent import Agent
from agno.models.openai.like import OpenAILike

agent = Agent(
    name="Support Assistant",
    model=OpenAILike(
        id="openai/gpt-5.5",
        api_key=os.environ["SPESHU_AI_API_KEY"],
        base_url="https://speshu.ai/api/v1",
    ),
    instructions=[
        "Отвечай кратко.",
        "Если данных недостаточно, попроси уточнение.",
    ],
    markdown=True,
)

agent.print_response(
    "Составь план RAG-бота для базы знаний службы поддержки.",
    stream=True,
)
Дальше можно добавить tools: поиск по базе, чтение CRM, создание задач, отправку сообщений в Slack. Для knowledge-сценария используйте embeddings text-embedding-3-large и подходящий vector store.

​
Преимущества и недостатки agno ai

Плюсы:
  • простой Python API;
  • есть AgentOS и интерфейсы;
  • поддерживаются tools, memory и knowledge;
  • можно использовать OpenAI-compatible модели.
Минусы:
  • экосистема меняется, нужно сверяться с актуальными docs;
  • для простого RAG иногда проще LlamaIndex или LangChain;
  • production-паттерны требуют аккуратного проектирования storage и прав доступа.

​
agno ai vs альтернативы

Agno AI vs CrewAI: CrewAI удобен для ролевых multi-agent workflow. Agno лучше смотрится как платформа для агентов с памятью, tools и интерфейсами. Agno AI vs LangGraph: LangGraph даёт более явный контроль графа состояний. Agno быстрее стартует с agent abstraction. Agno AI vs Mastra: Agno — Python-first. Mastra — TypeScript-first.

​
Кому подойдёт agno ai

Agno подойдёт Python-разработчикам, AI-стартапам, командам автоматизации, разработчикам внутренних ассистентов и тем, кто хочет собрать agent service вокруг своих данных. Если ваша команда пишет backend на Python и хочет быстро перейти от скрипта к агенту с интерфейсом, Agno стоит попробовать.

​
Как попробовать agno ai через SpeShu.AI

SpeShu.AI даёт быстрый доступ к моделям для OpenAI-compatible сценариев:
  • не нужен VPN;
  • не нужна зарубежная карта;
  • можно выбирать модели под разные задачи;
  • один API-ключ для прототипов;
  • быстрый старт через speshu.ai/profile.
Используйте base_url="https://speshu.ai/api/v1" и модель из каталога.

​
Заключение

Agno AI стоит рассмотреть, если вы строите агента как сервис, а не просто один prompt. Главный инсайт: ценность Agno появляется, когда вы добавляете tools, память и данные. Начните с одного агента, одной модели и понятной задачи. Затем добавляйте knowledge, storage и интерфейс.

Подключить API

Запустите интеграцию через SpeShu.AI: единый доступ к AI-моделям, без VPN и зарубежной карты