AgentRun

项目简介

AgentRun 是一个开源的工作流定义语言（DSL）及运行时，由 Parcha AI 团队开发并托管在 GitHub。其核心思想是将 AI Agent 的重复性工作拆解为可描述、可复用、可审查的工作流步骤：工具调用、代码执行、基于 Jev 的结构化决策，以及在必要时触发 Agent 深度调查。与其他"把提示词串联起来"的方案不同，AgentRun 的工作流由真实代码执行节点和决策节点组成，每个节点的输入输出类型均由 Zod Schema 约束，运行时自动校验中间状态路径是否正确。

核心功能

• 工作流 DSL：用 JSON 或 TypeScript Builder 定义工作流步骤，支持并行映射、嵌套子工作流和有限循环
• Jev 决策节点：集成 Typesafe.ai 的 Jev 决策引擎，为工作流提供带置信度评分的结构化判断（yes/no/uncertain），用于路由和证据筛选
• Agent 调用节点：在需要深度调查的步骤触发真实 Agent（Claude、GPT 等），完成后将结果汇入主工作流
• 工具调用节点：通过 runEffect 接口连接任意工具（搜索、数据库、API），与工作流无缝衔接
• Pi 扩展集成：提供 Claude Code 扩展，在编辑器内直接构建、审查和运行工作流
• 零 API Key 演示模式：提供脚本化演示，包含预设的工具响应和 Agent 回复，无需配置任何 Key 即可体验完整流程
• 完整示例库：内置客服工单路由、研究报告生成等多个可运行示例

技术实现

AgentRun 的工作流解释器由 Node.js（Node 22.19+）驱动，核心类型定义使用 TypeScript + Zod，每个工作流节点编译为标准异步函数。Jev 集成通过 HTTP 调用外部 Jev 服务（或本地推理），决策结果返回置信度分数，工作流作者可自定义阈值来控制何时信任自动化判断、何时升级到 Agent 调查。数据流通过事件驱动的中间状态对象传递，每个节点的输出作为下游节点的输入，类型由 Zod Schema 在运行时校验，防止隐式数据错误。

快速上手

1. 安装依赖：在 Node 22.19+ 项目中执行 npm install @parcha/agentrun-dsl@beta @parcha/agentrun-jev@beta
2. 连接应用：通过 runEffect 注入你的工具，通过 runNode 接入你的 Agent，通过 createJevRunner() 接入 Jev 决策
3. 定义工作流：编写工作流 schema（JSON 或 TypeScript Builder 形式），定义步骤、阈值和分支逻辑
4. 运行并调试：调用 runWorkflow() 执行，查看每步的中间状态输出，支持单步断点
5. 接入 Pi 扩展：在 Claude Code 中安装 AgentRun Pi 扩展，用自然语言描述工作流并可视化审查

适用人群

• 需要将重复性 Agent 任务固化为可复用流程的开发者
• 希望在 Agent 工作流中嵌入结构化决策逻辑的 AI 工程师
• 构建 AI 研究助手、客服机器人或自动化报告生成系统的团队

开源协议

MIT License，代码完全开源，可自由用于商业项目。

GitHub 链接

https://github.com/Parcha-ai/agentrun