AI Agent 工具链 2026：6 组件 stack 搭生产级自主 agent

“AI agent” 在 2025 年停止做研究话题，在 2026 年成为生产工程类别。在交付真正自主 agent 的团队 —— 熬过重启的客服 bot、跨百文件重构的编程 agent、跑数小时的研究 agent —— 都汇聚到一个惊人一致的 stack。这个合集组装它。

6 组件，$20-60/月自托管。 如果你专门搭编程 agent，配 自托管 AI 编程工作流；本合集聚焦自主 agent 模式（长跑、多步、带工具）。

TL;DR —— Stack 全貌 #

月成本总计：单干 agent dev $20-30/月 • 小团队或生产原型 $40-60/月 • 多 agent 并发生产规模 ~$200/月

对比纯 SaaS：每个 agent 平台（LangChain Cloud / Vellum 等）起价 ~$99/月/dev；配 sandbox + 记忆 + 多 agent 产品很快到 $300-500/月。

1. 2026 为什么要自建 agent stack #

今年三股力量汇合：

1. LangGraph 到 1.x 并证明大规模持久化执行 —— “agent 重启后忘光” bug 解决
2. MCP 标准化工具集成 —— 写一次工具作为 MCP server，在 Claude / OpenCode / Cursor / 你自己的 agent 都能用
3. 自改进循环可复现 —— Hermes Agent 等项目证明 agent 能基于结果数据迭代改进自己的 prompt

组合起来意味着：以前要 $500k/年 AI 基础设施预算的事，小团队 $30/月加长周末就能搞定。

2. 架构总览 #

                ┌──────────────────────────────────────┐
                │   用户 / 外部触发                     │
                └─────────────────┬────────────────────┘
                                  │
                                  ▼
        ┌───────────────────────────────────────────────────┐
        │  LangGraph（状态机 + checkpointer）              │
        │                                                   │
        │  ┌────────────┐  ┌──────────────┐  ┌──────────┐ │
        │  │ 规划       │→ │ 工具调用      │→ │ 批评      │ │
        │  │ node       │  │ node         │  │ node     │ │
        │  └────────────┘  └──────┬───────┘  └─────┬────┘ │
        │                          │                │      │
        └──────────────────────────┼────────────────┼──────┘
                                   │                │
                                   ▼                ▼
                ┌──────────────────────┐  ┌─────────────────┐
                │ MCP servers          │  │ mem0（记忆）    │
                │  - filesystem        │  │  via Agent-     │
                │  - git               │  │  Memory MCP     │
                │  - tavily-search     │  └─────────────────┘
                │  - e2b-sandbox       │
                │  - 领域特定          │
                └──────────────────────┘

   可选层：
   - OpenClaw 并行编排多个 LangGraph agent
   - Hermes Agent 观察结果并随时间重写 prompt

心智模型：LangGraph 是决定下一步做什么的大脑。MCP servers 是做事的手。mem0 是大脑记住的东西。OpenClaw 把它扩展到团队。Hermes 让团队随运行变聪明。

3. 组件 1 —— LangGraph（编排大脑） #

角色：状态机。每个 agent 决策、每次工具调用、每次转移都作为 node 和 edge 存在 LangGraph 里。state 持久化到 Postgres。崩溃可恢复。人可在任意 node 中断。

为什么选它：32.6k stars，v1.2.1，LangChain 团队出。唯一广泛采用的 “agent 熬过 deploy” 是默认而非附加的框架。

快装：

pip install -U langgraph langgraph-checkpoint-postgres

定义 agent 为图（规划 → 工具 → 批评 → 循环）。配 PostgresSaver 编译。带 thread_id 跑。runtime 处理其他。

完整设置（4 杀手特性 / 生产部署模式 / 从 LangChain AgentExecutor 迁移）：LangGraph 有状态 agent 编排 2026。

4. 组件 2 —— MCP Servers（工具 & 上下文） #

角色：agent 采取的每个外部动作 —— 读文件 / 跑 shell 命令 / 搜网 / 查 DB —— 都流过 MCP server。

为什么这关键：MCP 出现前（2025 早期），每个 agent 框架重新实现相同 20 个工具（filesystem / 网搜 / 代码执行），互不通用。今天你接好 Anthropic 7 reference + 3-5 个专用，agent 就有超能力，不用写工具代码。

自主 agent 最小 MCP 集：

• modelcontextprotocol/server-filesystem（读项目文件）
• modelcontextprotocol/server-git（看 git 状态）
• tavily-mcp 或 brave-search-mcp-server（网搜）
• e2b-sandbox-mcp（沙箱代码执行 —— 见组件 6）
• 1-2 个领域特定（Postgres MCP / Slack MCP / Stripe MCP）

完整 19,700+ MCP server 菜单 + 挑选清单：MCP Server 注册中心完全指南 2026。

5. 组件 3 —— mem0 + AgentMemory MCP（长期记忆） #

角色：agent 跨运行记住的东西。没这层，每次 agent 调用从零上下文起步。有这层，agent 记住用户事实、项目、过往决策、过往失败。

两层模式：

• mem0 存语义记忆（Python service，向量库后端）
• AgentMemory MCP 把 mem0 暴露给任意 MCP 感知 host（你的 LangGraph node / Claude Desktop / OpenCode）

快装：

docker run -d --name mem0 -p 8765:8765 mem0ai/mem0-server:latest
npm install -g @mem0/mem0-mcp
# 然后把 agentmemory 加到 LangGraph 的 MCP toolset

完整设置：AgentMemory MCP 持久化记忆 2026。

6. 组件 4 —— OpenClaw（多 agent 协调） #

角色：单 LangGraph agent 不够时 —— 你要 “researcher” + “writer” + “critic” 三人组协作 —— OpenClaw 是编排器，委派和聚合。

为什么选它而不是 CrewAI：OpenClaw 自托管、MCP 原生、与 LangGraph 干净集成（每个"专家 agent"自己可以是一个 LangGraph）。CrewAI 不错但云优先，难和自定义状态机组合。

快装：

docker run -d --name openclaw \
  -p 7050:7050 \
  -v ~/.openclaw:/data \
  ghcr.io/openclaw/openclaw:latest

完整设置（含 sub-agent 委派模式 + 用例库）：OpenClaw 自托管 AI 助手设置指南 2026 和 awesome OpenClaw 用例 参考。

7. 组件 5 —— Hermes Agent（自改进循环） #

角色：长期观察 agent 结果，识别哪些 prompt 和工具序列产生好/坏结果，自动重写 prompt。你的 agent 不用你 babysit 就变好。

为什么这重要：静态 agent prompt 衰减 —— v1 有效的随你代码库演化、领域转移、新工具出现而失效。Hermes Agent 是唯一专为自改进 agent 循环广泛采用的开源框架。

快装：

pip install hermes-agent
# 接成 LangGraph 工作流的 "post-run observer"

模式：Hermes 看 LangGraph trace log（via LangSmith 导出），关联结果质量分和 prompt 版本，生成新 prompt 候选，A/B 测试。

完整设置（含奖励函数设计 + prompt 突变策略）：Hermes Agent 自改进 AI agent。

8. 组件 6 —— e2b 沙箱（安全代码执行） #

角色：agent 决定跑 Python / shell / Node 代码时（数据分析 / 代码生成 / 研究工作流常见），e2b 提供隔离云沙箱让不可信代码不触你基础设施。

为什么 MCP 暴露的 e2b 胜过原生 e2b SDK：e2b-sandbox-mcp server 让"在沙箱跑代码"变成你 LangGraph agent 的单一工具调用 —— 和 filesystem 读或网搜同样接口。

快装（加到 MCP config 里和其他一起）：

{
  "mcpServers": {
    "e2b-sandbox": {
      "command": "npx",
      "args": ["-y", "@e2b/sandbox-mcp"],
      "env": { "E2B_API_KEY": "your-key" }
    }
  }
}

成本：e2b 有免费层（50 沙箱小时/月）。超出后 $0.000014/CPU-秒 —— 典型 agent 负载便宜。

找它和 19,700+ 其他 MCP server：MCP Server 注册中心完全指南 2026 §6。

9. Day 1 组装顺序（3 小时） #

1. 开 VPS + Postgres（20 分）—— DigitalOcean $24/月 droplet（8 GB） + 托管 Postgres（$15/月）
2. 装 LangGraph + checkpointer（15 分）—— pip install，写 30 行 hello-world 有状态 agent，验证它熬过 kill -9 后恢复
3. 加 MCP servers（30 分）—— filesystem + git + tavily + e2b-sandbox 加到你 LangGraph node 的 MCP config
4. 加 mem0 + AgentMemory MCP（20 分）—— Docker run mem0，agentmemory 加到 MCP toolset
5. 测第一个有用 agent（45 分）—— “研究 → 摘要 → 写到文件” 管线，熬过重启，用 3 个工具，持久化记忆
6. 加 OpenClaw（30 分）—— 真要多 agent 才加，否则跳过
7. 接 Hermes Agent 观察者（20 分）—— 有稳定单 agent baseline 后才加。否则你在优化噪声

3 小时从零到拥有自己基础设施上的多工具有状态 agent。

10. 成本拆解 #

对比托管 agent 平台：LangChain Cloud $99/用户/月，Vellum 起价 $299/月，企业 agent 工具 $499+。

11. 升级路径 #

超过这个 stack 时：

• 超过 10 并发 agent —— LangGraph 上独立 Kubernetes 集群带 autoscaling
• 要审计级 trace 保留 —— LangSmith 企业版或自托管可观测性（Grafana + Loki + Tempo）
• 多租户 agent SaaS —— 加 LiteLLM 给客户级虚拟 key（LiteLLM 指南）
• 亚秒延迟需求 —— e2b 负载移到你控制的独立 Firecracker VM
• 受监管行业（医疗 / 金融） —— 公开 MCP server 换成审过的内部 fork；加 Portkey 做 guardrail（Portkey vs LiteLLM 2026）

TL;DR —— Recipe #

6 组件搭生产级自主 agent，单干或团队原型 $20-60/月：

1. LangGraph —— 有状态编排大脑
2. MCP servers —— 工具 & 上下文（filesystem + git + search + sandbox）
3. mem0 + AgentMemory MCP —— 长期记忆
4. OpenClaw —— 多 agent 协调
5. Hermes Agent —— 自改进循环
6. e2b 沙箱 —— 安全代码执行

开一个 DigitalOcean $24/月 droplet ，跟第 9 节做，你有熬过重启 / 记住上下文 / 安全跑代码 / 随时间自改进的 agent —— 跑在你自己拥有的基础设施上，比单座 Cursor 还便宜。

配套合集：自托管 AI 编程工作流 给编程 agent 专属 stack。知识库 Stack 给你的 agent 一个 Glean 等价 RAG 后端。便宜 LLM Stack 覆盖成本侧。