Nexus：5行代码入门、多Agent编排同时支持100+大模型

说实话，大多数 Agent 框架都逼你做二选一：要么简单 API（Swarm那种），要么复杂的工作流（LangGraph那种）。有没有两个都要的可能？

还真有。

Nexus 是一个 Python 原生的多智能体编排框架，最近在 GitHub 上悄悄攒了不少热度。它最大的卖点就是：5 行代码能跑起来，但真要复杂起来，支持 DAG 工作流、LLM 动态路由、自适应匹配全都有。

支持 100+ 大模型厂商

底层接的是 LiteLLM，OpenAI、Anthropic、Groq、DeepSeek、Mistral、Qwen、Ollama、Azure、Bedrock、Vertex AI 全都支持。装一个包就能切来切去，不用改业务逻辑。

pip install nexus-agents[litellm]

三种编排模式，按需切换

• Graph（静态 DAG）：你提前定义好流程图，适合确定性的 pipeline
• Router（LLM 动态路由）：LLM 自己判断该分发给哪个 Agent
• Adaptive（自适应匹配）：根据嵌入向量自动选最合适的 Agent

Tool Calling 和 MCP 全支持

工具定义成普通 Python 函数就行，Nexus 自动抽 JSON schema，连 docstring 都读进去当描述。ReAct 循环内置（Think → Act → Observe → Repeat），不用自己造轮子。

MCP 协议和 A2A 协议都是原生接入——意味着你的 Agent 可以调用外部 MCP 工具服务器，也可以跟别的 Agent 通讯、做服务发现。

流式输出 + 检查点恢复

生产级功能它也有：Token 预算控制、断点续跑（checkpoint/resume）、重试策略、OpenTelemetry 追踪、量化指标。这些是企业级场景的标配，但很多开源框架是欠缺的。

# 快速上手：多 Agent 自动路由
from nexus import Team

async with Team(model="gpt-4o", api_key="sk-...") as team:
    team.add_agent("coder", instructions="你写干净的 Python 代码。")
    team.add_agent("writer", instructions="你写有吸引力的文章。")
    result = await team.run("实现一个快速排序算法")
    # → 自动路由给 coder

跟 LangGraph、CrewAI 比怎么样？

适合谁用？

如果你在搭多 Agent 系统，需要在多个模型之间切换，或者工作流有条件分支需要动态路由，Nexus 值得关注。尤其是在国内环境，Groq 和 DeepSeek 的接入成本优势是实打实的。

GitHub 链接：https://github.com/sontianye/nexus

GitHub: https://github.com/sontianye/nexus