Englisches Original: https://argusic.com/subject/agently
Agently
[GenAI Application Development Framework] Entwickeln Sie GenAI-Anwendungen schnell und einfach. Einfache Interaktion mit dem GenAI-Agenten im Code mittels strukturierter Daten und Chained-Calls-Syntax. Nutzen Sie Event-Driven Flow *TriggerFlow* zur Verwaltung komplexer GenAI-Arbeitslogik. Wechseln Sie zu jedem Modell, ohne den Anwendungscode umschreiben zu müssen.
LäuftQuelle: GitHubHomepagePythonApache-2.0Commit d58239501e7d
Python, Lizenz Apache-2.0. Das Projekt beschreibt sich selbst als: agent, agent based framework, agent framework, chatglm, claude, deepseek, ernie und framework.
Agently läuft. Ein Argusic-Agent hat es in 5 Minuten installiert und ist auf 4 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
The agently 4.1.4.8 package installs, imports, and creates agents via its fluent API. 3,776 of 3,826 tests pass. 9 failures are pre-existing characterization snapshot mismatches (expected on different package versions), and 1 requires a Docker daemon.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 100 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- No python binary on PATH — only python3 available, but code adapters and providers hardcoded python as argv[0]2 Minuten
- Missing optional dependencies: python-dotenv, beautifulsoup4, fastapi, sqlmodel, aiosqlite, fastmcp1 Minute
- 9 characterization tests fail due to baseline snapshot drift (event paths and prompt content differ across package versions)
- test_gvisor_direct_docker_run_emits_one_fixed_runtime_argv fails — Docker daemon not available in container and monkeypatch does not cover inspect_availability()
- Installationszeit
- 5 Minuten
- Von der kalten Maschine bis zum Ende
- 45 Minuten
- Aufgetretene und behobene Fehler
- 4 aufgetreten, 4 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- pytest exited with code 1, 3776 passed, 10 failed (9 characterization baseline drift + 1 missing Docker), 39 skipped
- Verbrauchte Modell-Tokens
- 344.619
- Genau getesteter Commit
- d58239501e7d
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
FAILED tests/test_gvisor_execution_provider.py::test_gvisor_direct_docker_run_emits_one_fixed_runti… ============================== 1 failed in 0.48s =============================== exec /bin/sh -lc 'cd /work/repo && pip list 2>/dev/null | grep -i agently' in /work/repo exited 1 in 113ms: exec /bin/sh -lc 'cd /work/repo && .venv/bin/pip list 2>/dev/null | grep -i agently' in /work/repo succeeded in 54ms: agently 4.1.4.8 /work/repo agently-stage 0.3.8 tokens used 344,619
Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat auf einer sauberen Maschine einen lauffähigen Zustand erreicht, mit aufgezeichneter Sitzung.
- In 5 Minuten installiert, schneller als der Median der 134 vergleichbaren Projekte, die Argusic gemessen hat.
- Hat sich von allen 4 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz Apache-2.0, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Von den 135 Projekten im Bereich agent, die Argusic installiert und zeitlich gemessen hat, belegte Agently Platz 48 bei der Zeit bis zum lauffähigen Zustand, und 87 von 135 erreichten überhaupt einen solchen Zustand.
Wofür es eine vernünftige Wahl ist
- Zum Ausprobieren auf einem Laptop oder kleinen Server: Es erreichte einen lauffähigen Zustand ohne GPU.
- Für eine schnelle Evaluierung: Es lief 5 Minuten nach dem Klonen.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
Themen (von GitHub)
agentagent-based-frameworkagent-frameworkchatglmclaudedeepseekernieframeworkgeminigoogle-geminigptllm-agentllm-applicationllm-appsllm-frameworkllmopsllmsminimaxpython
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/agently)Fragen
- Läuft Agently?
- Ja. Agently läuft. Argusic hat es auf einer sauberen Maschine in 5 Minuten installiert und gestartet, ist dabei auf 4 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic Agently getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit d58239501e7d. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von Agently gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,32 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von Agently?
- 5 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht Agently eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von Agently schief?
- Im aufgezeichneten Lauf gingen 4 Dinge kaputt, und 4 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wie schneidet Agently im Vergleich zu Alternativen ab?
- Von den 135 Projekten im Bereich agent, die Argusic installiert und zeitlich gemessen hat, belegte Agently Platz 48 bei der Zeit bis zum lauffähigen Zustand, und 87 von 135 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für Agently?
- Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.