Burr Frameworkמסגרת Python בקוד פתוח לבניית יישומים שיכולים לקבל החלטות לאורך זמן, כמו סוכנים וצ'אטבוטים.

4.3 (4)

נבדק על ידי Daniel Nikulshyn·עודכן יולי 2026

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

סקירה

Burr Framework הוא ספריית Python לבניית יישומים הדורשים קבלת החלטות לאורך זמן, כגון צ'אטבוטים, סוכנים מבוססי בינה מלאכותית, סימולציות ומנועי תהליכי עבודה. הספריה מודל את התוכניות כמכונות מצבים, מאפשרת למפתחים להגדיר פעולות והזזות שמופעלות על אובייקט מצב משותף, וכך מקלה על התבוננות בזרימת הבקרה המורכבת. הפריימוורק כולל כלים מובנים לאובסרוביליות, UI מקומי לבדיקת הריצות, ותמיכה ב-persistence כך שאפליקציות יוכלו להפסיק, להמשיך ול-debug step by step. מכיוון ש-Burr אינו קובע העדפה לגבי LLMs או ספריות שתשתמש, הוא משתלב עם רוב הסטאק הפופולרי של Python ב-AI. הטכנולוגיה מתאימה במיוחד לצוותים שמחפשים שליטה מפורשת על לוגיקת הסוכנים במקום להסתמך על תיאום ב‑‘black‑box’, וכן למערכות ייצור שבהן חשובות מעקביות (traceability) ובדיקות (testability).

תכונות עיקריות

הפשטת מכונת מצב עם פעולות ומעברים
ממשק משתמש מקומי לניטור הוצאות
קיימות ויכולת חידוש של מצב
תמיכה בפעולות הזרמה ואסינכרוניות
שילובים עם כלי LLM ו-ML נפוצים
נקודות עיגון לרישום, ניטור ובדיקה

תמחור

מודל: Free
קטגוריה: מסגר מבוסס-בינה מלאכותית
דירוג: 4.3 / 5 (4)

מקרי שימוש

בניית צ'אטבוטים עם לוגיקה ניתנת למעקב

דגם זרימות שיחה כמכונות מצב מפורשות עם פעולות ומעברים, מה שמקל על הבנת התנהגות הצ'אטבוט ובדיקת הוצאות באמצעות ממשק המשתמש לניטור המקומי.

פיתוח סוכני AI מקבלי החלטות

צור סוכני AI שמנהלים מצב משותף בין שלבים, עם תמיכה בפעולות הזרמה ואסינכרוניות, ושילוב עם כל ספריית LLM בפייתון.

הפעלת מנועי עבודה הניתנים לחידוש

השתמש בקיימות המצב כדי להשהות, לחדש ולנטרל שלבים של זרימות עבודה או הדמיות ארוכות-טווח, מה שמאפשר התאוששות אמינה וניטור של זרימת בקרה מורכבת.

כלי ניטור ובדיקה של יישומי AI

נצל נקודות עיגון מובנות לרישום, ניטור ומעקב כדי לצפות ביישומי AI בייצור ולוודא התנהגות באמצעות הוצאות ניתנות לשחזור ולבדיקה.

יתרונות וחסרונות

יתרונות

מודל מכונת מצב מפורש מקל על הבנת הלוגיקה
ממשק משתמש לניטור מובנה לבדיקת הוצאות
אינו תלוי במסגרת - עובד עם כל LLM או ספרייה
תומך בקיימות, הזרמה ואסינכרוניות
קוד פתוח וקל משקל

חסרונות

נדרשת Python ולמידה של הפשטות שלה
פחות מוכן לשימוש מאשר מסגרות סוכנים ברמה גבוהה יותר
קהילה קטנה יותר מאשר מתחרים גדולים יותר

ביקורות

4.3

ממוצע מ-4 דירוגים.

התחבר כדי להשאיר ביקורת.

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.

שאלות ותשובות

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