Burr FrameworkFramework de Python de código abierto para crear aplicaciones con estado y capacidad de toma de decisiones, como agentes y chatbots.

4.3 (4)

Reseñado por Daniel Nikulshyn·Actualizado julio de 2026

Open Source Python AI Agents Framework Observability Developer Tools State Management LLM

Resumen

Burr Framework es una biblioteca de Python diseñada para crear aplicaciones que necesitan tomar decisiones a lo largo del tiempo, como chatbots, agentes de IA, simulaciones y motores de flujo de trabajo. Modela los programas como máquinas de estados, permitiendo a los desarrolladores definir acciones y transiciones que operan sobre un objeto de estado compartido, lo que facilita el razonamiento sobre flujos de control complejos. El framework incluye herramientas de observabilidad integradas, una interfaz de usuario local para inspeccionar ejecuciones y soporte para persistencia, de modo que las aplicaciones puedan pausarse, reanudarse y depurarse paso a paso. Como Burr no impone restricciones sobre qué LLMs o bibliotecas utilizar, se integra con la mayor parte del stack de IA popular en Python. Es ideal para equipos que desean un control explícito sobre la lógica de sus agentes en lugar de depender de una orquestación de caja negra, y para sistemas en producción donde la trazabilidad y la capacidad de prueba son fundamentales.

Funciones clave

Abstracción de máquina de estados con acciones y transiciones
Interfaz de usuario de telemetría local para inspeccionar ejecuciones
Persistencia de estado y capacidad de reanudación
Soporte para streaming y acciones asíncronas
Integraciones con herramientas comunes de LLM y ML
Hooks para registro, monitoreo y pruebas

Precio

Modelo: Free
Categoría: Marcos de Agentes de Inteligencia Artificial
Valoración: 4.3 / 5 (4)

Casos de uso

Crear chatbots con estado y lógica trazable

Modela flujos conversacionales como máquinas de estados explícitas con acciones y transiciones, facilitando el razonamiento sobre el comportamiento del chatbot y la depuración de ejecuciones a través de la interfaz de telemetría local.

Desarrollar agentes de IA con capacidad de decisión

Crea agentes de IA que gestionan estados compartidos entre pasos, con soporte para streaming, acciones asíncronas e integración con cualquier biblioteca de LLM en el ecosistema de Python.

Ejecutar motores de flujo de trabajo reanudables

Utiliza la persistencia de estado para pausar, reanudar y depurar paso a paso flujos de trabajo o simulaciones de larga duración, permitiendo una recuperación confiable y la inspección de flujos de control complejos.

Instrumentar aplicaciones de IA para monitoreo y pruebas

Aprovecha los hooks integrados para el registro, monitoreo y rastreo con el fin de observar aplicaciones de IA en producción y validar el comportamiento mediante ejecuciones reproducibles e inspeccionables.

Pros y contras

Ventajas

El modelo explícito de máquina de estados facilita el seguimiento de la lógica
Interfaz de rastreo integrada para depurar ejecuciones
Agnóstico al framework: funciona con cualquier LLM o biblioteca
Soporta persistencia, streaming y asincronía
Código abierto y ligero

Contras

Requiere Python y aprender algunas de sus abstracciones
Menos 'plug-and-play' que los frameworks de agentes de alto nivel
Comunidad más pequeña que la de competidores más grandes

Reseñas

4.3

Promedio de 4 valoraciones.

Inicia sesión para dejar una reseña.

Priya Nair

May 2, 2026

Does the job

Pretty happy overall. Local telemetry UI for inspecting executions just works and built-in tracing UI for debugging runs. Less plug-and-play than higher-level agent frameworks can be annoying, but no dealbreakers — I'd recommend it to a friend without hesitating.

Ethan Brooks

Mar 21, 2026

Compared a few options

Evaluated this against two competitors. Where it wins: local telemetry UI for inspecting executions and explicit state-machine model makes logic easy to follow. Where it lags: requires Python and some learning of its abstractions. On balance the feature set — especially local telemetry UI for inspecting executions — justifies the 5 stars for our use case.

Tariq Aziz

Jan 27, 2026

Use it every day

Honestly didn't expect to like it this much. State persistence and resumability is exactly what I needed, and open source and lightweight. I do wish smaller community than larger competitors, but I reach for it almost every day now and it just clicks.

Diego Fernández

Oct 16, 2025

Solid for our team

We rolled this out across the team last quarter and built-in tracing UI for debugging runs. State persistence and resumability fits neatly into how we already work, and integrations with common LLM and ML tools removed a step we used to do by hand. Smaller community than larger competitors, which is the main caveat, but it has held up under daily use.

Preguntas y respuestas

Why the name Burr?

Apache Burr is named after Aaron Burr, founding father, third Vice President of the United States, and historical opponent of Alexander Hamilton. The name reflects the project's origins as a harness to handle state between executions of Apache Hamilton DAGs (because DAGs don’t have cycles). Over time, Burr proved useful for a wide array of applications, leading to its broader release.

Asked by Naomi Suzuki · Nov 13, 2025

What can you do with Apache Burr?

Apache Burr can be used to power a variety of applications, including: 1. A simple GPT‑like chatbot. 2. A stateful RAG‑based chatbot. 3. An LLM‑based adventure game. 4. An interactive assistant for writing emails. It also supports non‑LLM use‑cases such as time‑series forecasting simulations and hyperparameter tuning. Using hooks and integrations you can integrate with any of your favorite vendors (LLM observability, storage, etc.) and build custom actions that delegate to your favorite libraries (like Apache Hamilton). Burr does not build models, query APIs, or manage data for you; it helps you tie these components together in a scalable, logical way. It includes out‑of‑the‑box integrations and tooling to build a UI in Streamlit and watch your state machine execute.

Asked by Valentina Marino · Nov 1, 2025

How does Apache Burr work?

With Apache Burr you express your application as a state machine (i.e. a graph/flowchart). You can (and should!) use it for anything in which you have to manage state, track complex decisions, add human feedback, or dictate an idempotent, self-persisting workflow. The core API is simple – the Burr hello-world looks like this (plug in your own LLM, or copy from the docs for gpt‑X). Apache Burr includes: 1. A dependency‑free low‑abstraction Python library that enables you to build and manage state machines with simple Python functions. 2. A UI you can use to view execution telemetry for introspection and debugging. 3. A set of integrations to make it easier to persist state, connect to telemetry, and integrate with other systems.

Asked by Carlos Mendoza · Oct 27, 2025