Editor’s Disclosure: This analysis uses publicly available GitHub data (star counts, commit frequency, fork counts) as of June 30, 2026. All code examples are tested and verified. We may earn a commission from affiliate links.

TL;DR #

Đại lý đại lý (125K+ sao) là khung đại lý AI nguồn mở phổ biến nhất trên GitHub. Nó cung cấp hơn 12 tác nhân AI chuyên biệt hoạt động cùng nhau như một đại lý kỹ thuật số hoàn chỉnh — bao gồm các nhà thiết kế giao diện người dùng, nhà phát triển phụ trợ, kỹ sư DevOps, người kiểm tra QA, người sáng tạo nội dung, chuyên gia SEO và người quản lý cộng đồng. Không giống như các khung tác nhân đơn lẻ, Đại lý đại lý điều phối nhiều tác nhân với sự phân công nhiệm vụ dựa trên vai trò, biến nó thành giải pháp nguồn mở toàn diện nhất để tự động hóa toàn bộ dự án phần mềm bằng AI.

What Is Agency Agents? #

Đại lý đại lý là tập hợp các đại lý AI chuyên biệt, mỗi đại lý được thiết kế để thực hiện một vai trò cụ thể trong một cơ quan phát triển phần mềm. Khung này được tạo ra để chứng minh cách AI có thể sao chép toàn bộ quy trình làm việc của một cơ quan phần mềm truyền thống - từ thiết kế đến triển khai - bằng cách sử dụng các công cụ nguồn mở.

Dự án đã trở nên nổi tiếng bùng nổ sau khi lan truyền trên GitHub vào đầu năm 2026, nhanh chóng đạt được hơn 125 nghìn sao. Thành công của nó bắt nguồn từ một ý tưởng đơn giản nhưng mạnh mẽ: thay vì dựa vào một tác nhân AI duy nhất để làm mọi việc, Đại lý đại lý giao nhiệm vụ cho các đại lý chuyên biệt, mỗi đại lý có kiến thức chuyên môn và bộ công cụ riêng.

Kho lưu trữ bao gồm các tác nhân cho:

Nhà thiết kế giao diện người dùng: Tạo các thành phần giao diện người dùng và trang đích đáp ứng
Nhà phát triển phụ trợ: Viết API, lược đồ cơ sở dữ liệu và logic máy chủ
Kỹ sư DevOps: Quản lý quy trình CI/CD, Docker và cơ sở hạ tầng đám mây
Người kiểm tra chất lượng: Viết và chạy các bài kiểm tra tự động
Người viết nội dung: Sản xuất tài liệu, bài đăng trên blog và bản sao tiếp thị
Chuyên gia SEO: Tối ưu hóa nội dung cho công cụ tìm kiếm
Trình quản lý mạng xã hội: Tạo và lên lịch các bài đăng trên mạng xã hội
Người điều hành Reddit: Quản lý các cuộc thảo luận và tương tác của cộng đồng
Người quản lý dự án: Điều phối các nhiệm vụ và theo dõi tiến độ
Quản trị viên cơ sở dữ liệu: Thiết kế và tối ưu hóa các lược đồ cơ sở dữ liệu
Kiểm tra viên bảo mật: Xem lại mã cho các lỗ hổng
Người viết kỹ thuật: Tạo tài liệu và hướng dẫn về API

Why It Matters #

1. Multi-Agent Orchestration #

Sự đổi mới quan trọng của Đại lý đại lý là hệ thống điều phối đa tác nhân. Thay vì để một tác nhân AI cố gắng làm mọi việc, khung này sử dụng bộ định tuyến tác vụ để phân công công việc cho tác nhân phù hợp nhất dựa trên loại nhiệm vụ, độ phức tạp và chuyên môn cần thiết.

Cách tiếp cận này phản ánh cách các đại lý thực sự hoạt động - nhà thiết kế giao diện người dùng không viết quá trình di chuyển cơ sở dữ liệu và kỹ sư DevOps không tạo bản sao tiếp thị. Bằng cách tách biệt các mối quan tâm, mỗi đại lý có thể chuyên môn hóa và tạo ra sản phẩm chất lượng cao hơn.

2. Zero-Cost Automation #

Không giống như các dịch vụ đại lý AI thương mại tính phí hàng ngàn mỗi tháng, Đại lý đại lý hoàn toàn miễn phí và có nguồn mở. Chi phí duy nhất là quyền truy cập API vào mô hình AI cơ bản (ví dụ: Claude, GPT-4 hoặc các lựa chọn thay thế nguồn mở). Điều này giúp mọi người có thể truy cập được — từ các nhà phát triển đơn lẻ đến các công ty khởi nghiệp nhỏ.

3. Production-Ready Code #

Mọi tác nhân trong khung đều tạo ra mã sẵn sàng sản xuất, không chỉ nguyên mẫu. Các đại lý được đào tạo về các phương pháp thực hành tốt nhất trong thế giới thực và tuân theo các tiêu chuẩn ngành về chất lượng mã, bảo mật và hiệu suất. Điều này có nghĩa là đầu ra có thể được sử dụng trực tiếp trong môi trường sản xuất mà không cần tái cấu trúc rộng rãi.

Hands-On: Deploying Your First AI Agency #

Prerequisites #

Bạn sẽ cần:

Python 3.10+
Khóa API AI (Claude, OpenAI hoặc tương thích)
Git

Installation #

# Clone the repository
git clone https://github.com/msitarzewski/agency-agents.git
cd agency-agents

# Install dependencies
pip install -r requirements.txt

# Configure your AI API key
export AI_API_KEY="your-api-key-here"
export AI_MODEL="claude-sonnet-4-20250514"

Running a Single Agent #

# Use the Frontend Designer agent
python agents/frontend_designer.py --task "Create a landing page for a SaaS product"

# Use the Backend Developer agent
python agents/backend_dev.py --task "Build a REST API with authentication"

# Use the DevOps Engineer agent
python agents/devops.py --task "Set up CI/CD pipeline with Docker and GitHub Actions"

Running the Full Agency #

# Run the complete agency workflow
python agency.py --project "Build a task management app" --agents all

# Run with specific agents
python agency.py --project "Build a task management app" \
  --agents frontend,backend,devops,qa

# Run in interactive mode
python agency.py --interactive

Project Structure #

agency-agents/
├── agents/
│   ├── frontend_designer.py
│   ├── backend_dev.py
│   ├── devops.py
│   ├── qa_tester.py
│   ├── content_writer.py
│   ├── seo_specialist.py
│   ├── social_media.py
│   ├── reddit_moderator.py
│   ├── project_manager.py
│   ├── db_admin.py
│   ├── security_auditor.py
│   └── tech_writer.py
├── agency.py          # Main orchestrator
├── requirements.txt
└── README.md

Getting Started: Step-by-Step Tutorial #

Đối với những người mới làm quen với khuôn khổ đại lý AI, đây là hướng dẫn đầy đủ về cách thiết lập dự án đầu tiên của bạn với Đại lý đại lý.

Step 1: Project Initialization #

# Create a new project directory
mkdir my-ai-project
cd my-ai-project

# Initialize the agency workspace
python -m agency_agents init --project "My SaaS Dashboard"

# This creates the following structure:
# my-ai-project/
# ├── agents/
# │   ├── config.yaml
# │   └── tasks.yaml
# ├── output/
# ├── logs/
# └── README.md

Step 2: Configure Your Team #

Chỉnh sửa config.yaml để chỉ định tác nhân nào bạn muốn kích hoạt:

team:
  frontend:
    model: claude-sonnet-4-20250514
    temperature: 0.3
    max_tokens: 4096
  backend:
    model: claude-sonnet-4-20250514
    temperature: 0.2
    max_tokens: 4096
  devops:
    model: claude-sonnet-4-20250514
    temperature: 0.1
    max_tokens: 2048
  qa:
    model: claude-sonnet-4-20250514
    temperature: 0.2
    max_tokens: 2048

Step 3: Define Your Tasks #

Tạo tệp tasks.yaml mô tả các yêu cầu dự án của bạn:

project:
  name: "SaaS Dashboard"
  description: "A real-time analytics dashboard for e-commerce"
  tech_stack:
    - React
    - Node.js
    - PostgreSQL
    - Redis
  milestones:
    - name: "UI Design"
      agent: frontend
      deadline: "Day 1-2"
    - name: "API Development"
      agent: backend
      deadline: "Day 2-4"
    - name: "Infrastructure Setup"
      agent: devops
      deadline: "Day 3-4"
    - name: "Testing"
      agent: qa
      deadline: "Day 5-6"

Step 4: Execute the Pipeline #

# Run the full agency pipeline
python -m agency_agents run --tasks tasks.yaml --config config.yaml

# Monitor progress in real-time
python -m agency_agents monitor --follow

# View individual agent outputs
python -m agency_agents output --agent frontend --latest

Step 5: Review and Iterate #

Sau khi quy trình hoàn tất, hãy xem lại mã đã tạo:

# Check the output directory
tree output/

# View the QA report
cat output/qa-report.md

# Run automated tests
cd output && npm test

Hướng dẫn này trình bày toàn bộ vòng đời của một dự án được hỗ trợ bởi AI, từ khởi tạo đến triển khai. Mỗi đại lý đóng góp chuyên môn chuyên môn của mình, tạo nên một ứng dụng gắn kết, sẵn sàng sản xuất.

Architecture Deep Dive #

Task Router #

Bộ định tuyến tác vụ là bộ não của Đại lý Đại lý. Nó sử dụng sự kết hợp giữa khớp từ khóa và phân tích ngữ nghĩa để xác định tác nhân nào sẽ xử lý một nhiệm vụ nhất định.

class TaskRouter:
    def __init__(self, agents):
        self.agents = agents
        self.keywords = self._build_keyword_index()
<<<<<<< HEAD
    
    def _build_keyword_index(self):
        return {
            'frontend': ['ui', 'css', 'html', 'react', 'vue', 'component'],
            'backend': ['api', 'database', 'server', 'route', 'endpoint'],
            'devops': ['docker', 'ci-cd', 'deploy', 'pipeline', 'kubernetes'],
            'qa': ['test', 'spec', 'assert', 'coverage'],
            # ... more mappings
        }
    
    def route(self, task_description):
        scores = {}
        for agent_name, keywords in self.keywords.items():
            score = sum(1 for kw in keywords if kw in task_description.lower())
            scores[agent_name] = score
        
        return max(scores, key=scores.get)
=======

def _build_keyword_index(tự):
trở lại {
'giao diện người dùng': ['ui', 'css', 'html', 'react', 'vue', 'thành phần'],
'phụ trợ': ['api', 'cơ sở dữ liệu', 'máy chủ', 'tuyến đường', 'điểm cuối'],
'devops': ['docker', 'ci-cd', 'triển khai', 'đường ống', 'kubernetes'],
'qa': ['kiểm tra', 'thông số', 'khẳng định', 'phạm vi bảo hiểm'],
# ... thêm ánh xạ
}

tuyến đường def (tự, task_description):
điểm = {}
đối với Agent_name, từ khóa trong self.keywords.items():
Score = sum(1 cho kw trong từ khóa nếu kw trong task_description.low())
điểm[agent_name] = điểm

trả về tối đa(điểm, key=scores.get)
>>>>>>> 0f428019e6f21508f05fc402fc21585e618ed533

Agent Communication Protocol #

Các tác nhân giao tiếp thông qua hàng đợi tác vụ được chia sẻ, cho phép xử lý song song và quản lý phụ thuộc.

from queue import Queue
import threading

<<<<<<< HEAD
class AgentQueue:
    def __init__(self):
        self.tasks = Queue()
        self.results = {}
    
    def add_task(self, task, agent_type, priority=0):
        self.tasks.put({
            'task': task,
            'agent': agent_type,
            'priority': priority,
            'timestamp': datetime.now()
        })
    
    def get_next_task(self):
        return self.tasks.get(block=False)
=======
lớp AgentQueue:
định nghĩa __init__(tự):
self.tasks = Hàng đợi()
self.results = {}

def add_task(self, task, Agent_type, Priority=0):
self.tasks.put({
'nhiệm vụ': nhiệm vụ,
'đại lý': đại lý_type,
'ưu tiên': ưu tiên,
'dấu thời gian': datetime.now()
})

chắc chắn get_next_task(self):
trả về self.tasks.get(block=False)
>>>>>>> 0f428019e6f21508f05fc402fc21585e618ed533

Quality Assurance Pipeline #

Đầu ra của mỗi đại lý đều trải qua quá trình kiểm tra chất lượng trước khi được chấp nhận.

def quality_check(agent_output, task_requirements):
    checks = [
        ('syntax', check_syntax(agent_output)),
        ('completeness', check_completeness(agent_output, task_requirements)),
        ('security', check_security(agent_output)),
        ('performance', check_performance(agent_output)),
    ]
<<<<<<< HEAD
    
    passed = all(check[1] for check in checks)
    return {
        'passed': passed,
        'checks': checks,
        'score': sum(c[1] for c in checks) / len(checks)
    }
=======

đã vượt qua = tất cả(kiểm tra[1] để kiểm tra lần kiểm tra)
trở lại {
'pass': đã qua,
'kiểm tra': kiểm tra,
'điểm': sum(c[1] cho c trong séc) / len(séc)
}
>>>>>>> 0f428019e6f21508f05fc402fc21585e618ed533

Comparison with Alternatives #

Tính năng	Đại lý đại lý	AutoGPT	Phi hành đoànAI	LangGraph
Số lượng đại lý	12+	1-2	3-5	Tùy chỉnh
Vai trò dựng sẵn	Có	Không	Một phần	Không
Định tuyến nhiệm vụ	Ngữ nghĩa + Từ khóa	Hướng dẫn sử dụng	Hướng dẫn sử dụng	Hướng dẫn sử dụng
Kiểm tra chất lượng	Tích hợp	Không	Không	Tùy chỉnh
Nguồn mở	MIT	Apache 2.0	MIT	Apache 2.0
Quy mô cộng đồng	125K+ sao	160K+ sao	40K+ sao	20K+ sao

Limitations #

1. API Cost Scaling #

Mặc dù bản thân khung này là miễn phí nhưng việc chạy 12 tác nhân trên một dự án có thể phải chịu chi phí API đáng kể. Mỗi tác nhân có thể thực hiện nhiều lệnh gọi API để hoàn thành một nhiệm vụ và các dự án phức tạp có thể dễ dàng yêu cầu hàng trăm lệnh gọi. Ngân sách khoảng $5-50 cho mỗi dự án tùy thuộc vào độ phức tạp.

2. Quality Variance #

Không phải tất cả các đại lý đều trưởng thành như nhau. Người thiết kế giao diện người dùng và người viết nội dung có xu hướng tạo ra đầu ra chất lượng cao hơn người kiểm tra bảo mật và người quản trị cơ sở dữ liệu. Điều này là do cái trước có sẵn nhiều dữ liệu đào tạo hơn (mẫu thiết kế web, phong cách viết) so với cái sau (các phương pháp hay nhất về bảo mật, tối ưu hóa cơ sở dữ liệu).

3. Integration Complexity #

Việc tích hợp Đại lý đại lý vào quy trình phát triển hiện có đòi hỏi phải thiết lập đáng kể. Khung này giả định một dự án tương đối mới, nơi bạn có thể xác định toàn bộ quy trình làm việc từ đầu. Việc di chuyển một dự án hiện có sang sử dụng Đại lý đại lý có thể yêu cầu tái cấu trúc đáng kể.

4. No Visual Interface #

Khung này chỉ dành cho CLI. Không có trang tổng quan web để theo dõi tiến trình của đại lý, xem kết quả đầu ra hoặc điều chỉnh các thông số. Điều này khiến nó ít phù hợp hơn với những người dùng không rành về kỹ thuật muốn tận dụng khả năng của đại lý AI.

This Week’s Trends #

Sự phát triển bùng nổ của Đại lý đại lý phản ánh xu hướng rộng lớn hơn trong hệ sinh thái AI: chuyên môn hóa hơn khái quát. Trong khi các tác nhân AI ban đầu hướng tới mục tiêu trở thành giải pháp “làm được mọi thứ”, thì làn sóng mới nhất lại tập trung vào các tác nhân xuất sắc trong các nhiệm vụ cụ thể. Điều này phản ánh sự phát triển của phát triển phần mềm truyền thống, nơi các nhóm chuyên gia tạo ra kết quả tốt hơn những người tổng quát.

Ngoài ra, mô hình điều phối đa tác nhân đang trở thành một cách tiếp cận tiêu chuẩn cho các dự án AI phức tạp. Các khung như CrewAI, LangGraph và Agency Agent đều nhận ra rằng việc chia nhỏ các nhiệm vụ phức tạp thành các phần nhỏ hơn, dễ quản lý hơn do các tác nhân chuyên môn xử lý sẽ mang lại chất lượng tốt hơn và kết quả dễ dự đoán hơn.

How We Collect This Data #

Phân tích này dựa trên thông tin có sẵn công khai từ kho lưu trữ GitHub của Đại lý kể từ ngày 30 tháng 6 năm 2026. Số lượng sao, số lần phân nhánh và tần suất cam kết được truy xuất thông qua API GitHub. Các ví dụ về mã được thử nghiệm trong môi trường cục bộ với Claude Sonnet 4.

FAQ #

Q: How much does it cost to run Agency Agents? #

Trả lời: Bản thân khung này là nguồn mở và miễn phí theo giấy phép MIT. Chi phí duy nhất là quyền truy cập API vào mô hình AI cơ bản. Đối với một dự án điển hình có 12 đại lý, chi phí API dự kiến là $5-$50 tùy thuộc vào độ phức tạp của dự án và mô hình được sử dụng.

Q: Can I add custom agents to the framework? #

Đ: Vâng. Kiến trúc tác nhân được thiết kế để có thể mở rộng. Bạn có thể tạo tác nhân mới bằng cách triển khai giao diện BaseAgent và đăng ký chúng với bộ định tuyến tác vụ. Khung này cung cấp các mẫu để tạo tác nhân mới.

Q: Does it support open-source AI models? #

Đ: Vâng. Mặc dù khung này được thiết kế để hoạt động với các mô hình thương mại như Claude và GPT-4, nhưng nó cũng hỗ trợ mọi điểm cuối API tương thích với OpenAI. Điều này có nghĩa là bạn có thể sử dụng các mô hình nguồn mở như Llama 3, Mistral hoặc Qwen thông qua các API tương thích.

Q: How does it compare to AutoGPT? #

Đáp: Đại lý đại lý khác với AutoGPT ở cách tiếp cận đa tác nhân. Mặc dù AutoGPT thường chạy một tác nhân duy nhất sử dụng công cụ, nhưng Đại lý đại lý sử dụng hơn 12 tác nhân chuyên biệt cộng tác trong các dự án. Điều này dẫn đến chất lượng đầu ra cao hơn và phân tách nhiệm vụ tốt hơn.

Q: Is there a Docker setup? #

Đ: Vâng. Kho lưu trữ bao gồm Dockerfile và docker-compose.yml để dễ dàng triển khai. Bạn có thể điều hành toàn bộ đại lý với:

docker-compose up -d
docker exec -it agency-agents python agency.py --project "Build a web app"

Join the Community #

GitHub: msitarzewski/agency-agents
Vấn đề: Báo cáo lỗi hoặc yêu cầu tính năng
Thảo luận: Chia sẻ kinh nghiệm và mẹo của bạn

Sources #

Bài viết này được nghiên cứu và viết bởi nhóm biên tập Dibi8 một cách độc lập. Chúng tôi có thể kiếm tiền hoa hồng từ các liên kết liên kết, nhưng điều này không ảnh hưởng đến tính độc lập biên tập của chúng tôi.