工程师和研究人员使用 Agno 来构建：

Level 1: 具有工具和指令的代理（示例）。
Level 2: 具有知识和存储的代理（示例）。
Level 3: 具有内存和推理能力的代理（示例）。
Level 4: 可以推理和协作的代理团队（示例）。
Level 5: 具有状态和确定性的代理工作流（示例）。

示例： 一个使用 YFinance API 回答问题的 Level 1 推理代理：

Reasoning Finance Agent

from agno.agent import Agent
from agno.models.anthropic import Claude
from agno.tools.reasoning import ReasoningTools
from agno.tools.yfinance import YFinanceTools

reasoning_agent = Agent(
    model=Claude(id="claude-sonnet-4-20250514"),
    tools=[
        ReasoningTools(add_instructions=True),
        YFinanceTools(stock_price=True, analyst_recommendations=True, company_info=True, company_news=True),
    ],
    instructions="Use tables to display data.",
    markdown=True,
)

观看推理金融代理的实际演示

开始使用

如果您是 Agno 新手，请了解如何构建您的第一个 Agent，在沙盒环境中与其聊天，并在 app.agno.com 上对其进行监控。

你的第一个 Agent

学习如何使用 Agno 构建 Agent

Agent 沙盒环境

使用精美的 Agent UI 与您的 Agent 聊天

Agent 监控

在 agno.com 上监控您的 Agent

在那之后，深入了解以下概念或探索示例库，以使用 Agno 构建实际应用。

为什么选择 Agno？

Agno 将帮助您构建一流的、高性能的 Agent 系统，为您节省数小时的研究和样板代码编写时间。以下是 Agno 的一些关键特色：

与模型无关：Agno 为 23+ 个模型提供商提供了统一的接口，没有厂商锁定。
高性能：Agent 的实例化时间约为 3μs，平均内存使用量约为 6.5Kib。
推理是核心：推理可提高可靠性，是复杂自主代理的必备功能。Agno 支持三种推理方法：推理模型、ReasoningTools 或我们自定义的 chain-of-thought 方法。
原生多模态：Agno Agent 原生支持多模态，可以接受文本、图像、音频和视频作为输入，并生成文本、图像、音频和视频作为输出。
高级多代理架构：Agno 提供行业领先的多代理架构（Agent Teams），具备推理、内存和共享上下文功能。
内置 Agentic 搜索：Agent 可以在运行时使用 20 多个向量数据库搜索信息。Agno 提供最先进的 Agentic RAG，完全异步且性能卓越。
内置内存和会话存储：Agent 配备了内置的 Storage 和 Memory 驱动程序，为您的 Agent 提供长期记忆和会话存储能力。
结构化输出：Agno Agent 可以使用模型提供的结构化输出或 json_mode 返回完全类型化的响应。
预构建的 FastAPI 路由：构建完 Agent 后，可以使用预构建的 FastAPI 路由来部署它们。数分钟内即可上线生产环境。
监控：在 agno.com 上实时监控 Agent 会话和性能。