OpenFang：Rust开源Agent操作系统教程

GitHub：RightNow-AI/openfang · ⭐ 137K+ · Rust · MIT协议

项目简介

OpenFang是一款用Rust从零构建的Agent操作系统，目标是成为AI Agent的底层运行时——就像Linux之于进程。项目累计137,000行代码、14个crate、2696+测试通过、零clippy警告，单二进制即可部署，目前已发布v0.6.9。

与LangChain/CrewAI等Python框架不同，OpenFang把Agent当作一等公民：内置调度器、记忆存储、工具注册表和事件总线，Agent之间通过消息传递协作，开发者只需定义Agent逻辑和工具，操作系统负责生命周期管理。

核心架构

安装

# 方式1：Cargo安装（推荐）
cargo install openfang

# 方式2：源码编译
git clone https://github.com/RightNow-AI/openfang.git
cd openfang
cargo build --release
# 二进制在 target/release/openfang

# 方式3：下载预编译二进制
# 从GitHub Releases页面下载对应平台版本

快速开始

# 初始化项目
openfang init my-agent-app
cd my-agent-app

# 定义Agent（Rust代码）
# src/agents/researcher.rs
use openfang::prelude::*;

#[agent]
async fn researcher(ctx: &Context, query: String) -> Result {
    let tool = ctx.tool("web_search").await?;
    let result = tool.call(json!({"query": query})).await?;
    let summary = ctx.llm()
        .prompt(format!("总结以下内容: {}", result))
        .await?;
    Ok(summary)
}

# 配置文件 openfang.toml
[llm]
provider = "openai"
model = "gpt-4o-mini"
api_key = "${OPENAI_API_KEY}"

[agent.researcher]
max_turns = 10
memory = "sqlite:./memory.db"

# 运行
openfang run researcher --input "2026年AI Agent发展趋势"

多Agent协作示例

# 定义两个Agent通过事件总线协作
#[agent]
async fn writer(ctx: &Context, topic: String) -> Result {
    let outline = ctx.call_agent("planner", &topic).await?;
    ctx.llm().prompt(format!("根据大纲写文章: {}", outline)).await
}

#[agent]
async fn planner(ctx: &Context, topic: String) -> Result {
    ctx.llm().prompt(format!("为以下主题写大纲: {}", topic)).await
}

# openfang.toml 配置流水线
[pipeline]
steps = ["planner", "writer"]
event_bus = "embedded"

相比 CrewAI多Agent协作教程 的Python方式，OpenFang用Rust编译为原生二进制，启动速度更快、内存占用更低，适合对性能敏感的生产环境。

适用场景