CubePi

CubePi 是一个 Pythonic、原生异步的 Agent 框架——相对于 langgraph 等 Agent 运行时， 更精简、更易读的另一种思路。它把 Agent 建模为一个普通的 async 函数， 而不是状态图；整个核心循环你五分钟就能读完。

pip install cubepi

然后跳到 快速开始，五分钟内跑通一个 能调用工具的 Agent。

你能拿到什么

• 普通 async 函数，不是图节点。 Agent 循环就是一个对消息轮次的 while 循环。你把工具写成 async def 函数，框架负责路由调用并并行 执行。
• 统一的流式模式。 所有 provider 都通过 MessageStream 产出 StreamEvent。你用 async for 迭代它。没有 callback 注册表，也没有 为文本和工具单独的 handler 类型。
• 追加式检查点。 每一轮只写入新消息，而不是整段对话历史。无论 会话多长，数据库 I/O 都是 O(1)——SQLite 适合个人开发,Postgres 适合 生产环境。
• 原生多 provider。 Anthropic 和 OpenAI 开箱即用,通过 Provider Protocol 接入。要新增一个 provider 只需要写一个类。
• 五个 Hook 的中间件。 transform_context、convert_to_llm、 before_tool_call、after_tool_call、should_stop_after_turn—— 每一个都有明确的组合规则。没有"节点执行顺序之谜"。
• MCP 加载器。 指向任意 Model Context Protocol 服务器 （HTTP 或 stdio),就能拿回一组 AgentTool。
• 原生 OpenTelemetry。 挂一个 Tracer,每次 prompt 就产生符合 GenAI 语义约定的 OTel span 树 —— Jaeger、Tempo、Honeycomb、 Datadog 等任意 OTLP 后端都能直接接收。默认不记录任何 payload； 需要时用 record_content=True 配合 redact 回调显式开启。

接下来去哪儿

如果你想…	从这里开始
安装并跑通第一个 Agent	入门 → 安装
理解骨架	入门 → 核心概念
接入一个真实的工具 Agent	指南 → 构建第一个 Agent
跨重启保留对话	指南 → SQLite 检查点
查找某个具体符号	API 参考
看完整的可运行示例	Recipes
从 langgraph Agent 迁移	迁移 → 来自 langgraph

状态

你正在浏览的是已发布的 0.5 版本文档。 原生 OpenTelemetry 追踪模块（指南 →）—— Tracer、Meter、内容录制、MCP CLIENT span、按 run 打标签的 tracing_context —— 已在 0.4 发布。

源代码、Issue 和讨论都在 GitHub。