Dapr Agents 是什么?26,188 星的 CNCF 项目孵出的 Agent 框架,v1.0 把旧 Agent 类直接废了(基础篇)

Dapr Agents 是什么?26,188 星的 CNCF 项目孵出的 Agent 框架,v1.0 把旧 Agent 类直接废了(基础篇)

做后端的人基本都见过 Dapr:2019 年微软开源,2024 年从 CNCF 毕业,现在 26,188 星。它的定位这几年一路改,最后落在”耐久执行运行时”上——一个 sidecar 挂在你的进程旁边,把状态存储、发布订阅、服务调用、工作流、密钥统统做成 HTTP/gRPC 接口,什么语言都能调。

2025 年 1 月,官方给 Agent 单开了一个仓库:dapr-agents。到今天 774 星,最新版本 v1.1.1 停在 11 月 10 日。

26,188 和 774 放一起,基本就是这篇的结论:它是项目的亲儿子、社区的小儿子。但它要解决的问题很实在——Agent 写起来简单,跑起来要命。

一、它到底解决什么

Dapr Agents 是个 Python 框架,架在 Python Dapr SDK 上,核心类是 DurableAgent。

它干的事说起来一句话:把 Agent 的每一次 LLM 调用、每一次工具调用,全部写进 workflow 的状态存储。进程被杀、机器重启、网络断掉,重启之后拿同一个 workflow id 还能把结果取回来,中间不用重跑。

这个能力不是一个开关,是结构决定的:Agent 本身跑在你自己的应用进程里,编排、状态、重试交给 sidecar 后面的 Dapr 积木。

Dapr Agents 执行链路:调用方经 AgentRunner 进入 DurableAgent,状态与编排由 daprd sidecar 转给 Workflow 引擎、Redis、Pub/Sub 和 LLM 供应商
Dapr Agents 一次请求的执行链路:Agent 跑在应用进程里,状态与编排交给 sidecar 后面的积木

图里那条主路径,对应的是官方 getting started 的真实结构:AgentRunner 把 Agent 暴露成 HTTP 服务,默认 8001 端口;POST /agent/run 丢一个任务进去,返回一个 workflow id;GET /agent/instances/{id} 查进度,重启后照样能查。

剩下的能力清单不算花哨,但都是生产里真会缺的东西:

  • Agent 身份:每个 Agent 有独立的加密身份,走 Dapr 的 mTLS,谁能调谁不能调是配置说了算,不是靠代码自觉。
  • 记忆:从内存列表一路到 Chroma、PostgreSQL、Redis,背后还是 Dapr 的状态存储组件。
  • MCP 内置:MCP 客户端是框架自带的,工具从 MCP server 动态发现,不用自己撸协议。
  • Agents as Tools:OpenAI Agents、LangGraph、CrewAI 的 Agent 都能当工具塞进 DurableAgent 的推理循环里。写 CrewAI 的团队不用推倒重来。
  • 事件协作:多 Agent 之间用 Pub/Sub 发事件,不是靠一个进程里互相 import。

官方还列了七种模式:Augmented LLM、Durable Agent、Prompt Chaining、Evaluator-Optimizer、Parallelization、Routing、Orchestrator-Workers。名字听着像论文,其实每种在仓库里都有能跑的示例。

二、配套的 Dapr 1.19 也在往 Agent 上加码

Agent 框架能不能跑长任务,取决于底座。10 月 22 日的 Dapr 1.19,几个数字值得记:

  • 工作流吞吐最高提升 40%,actor reminder 注册的 p99 延迟降了 71%,Jobs 调度的 p99 降了 33%;Python、Java、.NET、Go 的 SDK worker 现在每轮只收新增事件,不再重复吞全量历史。
  • 跨应用工作流:一个应用能启动、暂停、恢复、终止、重跑另一个应用拥有的 workflow,谁能干什么由访问策略决定;还能起一个 detached workflow,让它活得比发起者更久。
  • 新开了三个 alpha 积木:Binary Store(S3、Azure Blob、GCS 那些)、Search、Vector(Meilisearch 组件)。
  • Dapr MCP server(alpha):独立二进制,把 sidecar 的状态、发布订阅、绑定、密钥变成 MCP 工具,任何 MCP 客户端都能调。

这套东西拼起来就是:Agent 负责想,Dapr 负责记住、重试、鉴权、别丢。1.19.1 在 10 月 31 日跟进,属于常规补丁。

三、上手:四条命令,一次断电测试

前置只有两样:Docker,和 Python 3.11 以上。

# 1. 本地起 Dapr(会拉 Redis 和 sidecar 相关容器)
dapr init

# 2. 装框架
pip install dapr-agents

# 3. 带 sidecar 跑官方示例
dapr run --app-id weather-agent --app-port 8001 
  --resources-path ./resources 
  -- python 03_durable_agent_http.py

# 4. 打一个任务进去,拿 workflow id
curl -X POST http://localhost:8001/agent/run 
  -H "Content-Type: application/json" 
  -d '{"task": "What is the weather in London?"}'
curl http://localhost:8001/agent/instances/<WORKFLOW_ID>

示例里的 DurableAgent 大致长这样:DaprChatClient(component_name="llm-provider") 负责走 Conversation API 聊天,AgentMemoryConfig 配对话记忆存哪个 state store,AgentStateConfig 配执行状态存哪。对应两个 YAML 组件:agent-memory 和 agent-workflow,后者要带 actorStateStore: "true",因为工作流底下跑的是 actor。

真正有意思的是那个测试方法:示例工具故意 sleep 5 秒,你在这 5 秒里 Ctrl+C 把进程连同 sidecar 一起杀掉,再重新启动,用原来的 workflow id 查询——答案还在,因为它是在工具执行完之后才继续往下走的。

四、实话

第一,774 星不是笔误。 Dapr 的用户量和 Dapr Agents 的用户量是两拨人。前者是搞微服务的老后端,后者是想给 Agent 加耐久性的 AI 工程师,中间隔着一整套 K8s 心智。

第二,只有 Python。 PyPI 上 dapr-agents 要求 3.11 到 3.15 以下。写 TypeScript 的去看 Mastra,写 Go 和 Java 的,官方只给你 Dapr workflow,Agent 那层自己包。

第三,sidecar 是实打实的成本。 本地要 Docker 加 Redis,上生产要 K8s、状态存储、密钥后端、可观测后端。只想搭个客服问答或者知识库,Dify 和 Langflow 一个下午就能上线,别来受这个罪。

第四,API 还在动。 从 v1.0.0-rc.1 起,旧的 Agent 类直接标废弃,官方只推 DurableAgent。语义版本上的”稳定”,不等于你的代码不用改。

第五,它没有画布,也没有控制台。 想看流程图请回可视化平台;想看 trace,得自己接 OpenTelemetry,再扔给 Langfuse 或者 Phoenix。

第六,商业化在 Diagrid 手里。 官方文档顶部挂的 Support Pro 是 99 美元一个月,不想自己运维还有托管路线可选。开源协议是 Apache-2.0,这点没坑。

放到耐久执行这条赛道上看,它和 Temporal、Restate、Hatchet 不是一类东西:那三个是新引擎,Dapr Agents 是把一个已经跑了六年多的分布式运行时接到 Agent 上,顺手继承了它的组件库、mTLS 和 K8s 生态。

所以适合的人很清楚:已经在 K8s 上跑 Dapr 的团队;任务要跑几十分钟甚至跨天、中间不能丢状态的;多个 Agent 要跨进程跨服务通信、还要能审计的。不适合的也很清楚:单机玩具、纯 RAG、非要拖拽画布的。

一句话,它不是给”搭个 Agent 玩玩”的人准备的,是给”这个 Agent 明天要上班”的人准备的。

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注