Burr Frameworkღია-წყარო Python‑ფრეიმვორთი, რომელიც საშუალებას აძლევს შექმნათ მდგომარეობის მქონე, გადაწყვეტილებების მიღების აპლიკაციები, როგორიცაა აგენტები და ჩატი‑ბოტები.

4.3 (4)

შეფასებული Daniel Nikulshyn·განახლდა ივლისი, 2026

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

მიმოხილვა

Burr Framework Python‑ის ბიბლიოთეკაა, რომელიც აპლიკაციების შესაქმნელადაა განკუთვნილი, რომლებიც დროის გასადევნებას საჭიროებენ გადაწყვეტილებების მიღებისთვის, მაგალითად ჩატბოტები, AI აგენტები, სიმულაციები და სამუშაო ნაკადების ძრავები. ის პროგრამებს მდგომარეობის მანქანებად მოდელებს, რაც დეველოპერებს საშუალებას აძლევს განსაზღვრონ ქმედებები და ტრანსიციონები, რომლებიც საერთო მდგომარეობის ობიექტზე მოქმედებს, ამით რთული კონტროლის ნაკადი უფრო მარტივი ხდება. ფრეიმვორკში შედის ჩაშენებული observability tools, ლოკალური UI, რომელიც გაშვებებზე ინსპექტირებისთვის, და მხარდაჭერა persistence‑ის, რომელიც საშუალებას აძლევს აპლიკაციებს გაჩერებას, აღდგენას და ნაბიჯ-ნაბიჯ დებაგირებას. რადგან Burr არ ასრულებს პიროვნულ აზრს, თუ რომელ LLM‑ს ან ბიბლიოთეკას იყენებთ, ის ინტეგრირდება უმეტეს პოპულარულ Python AI stack‑თან. ეს შესაფერისია იმ გუნდებისთვის, რომლებიც აგენტის ლოგიკის მკაფიო კონტროლს უპირატესად უყურებენ, ვიდრე შავი ყუთის ორკესტრაციას, და მათთვის, რომლებიც წარმოების სისტემებში ტრეკაბელიზაბელიც და ტესტირებადობა მნიშვნელოვანია.

ძირითადი ფუნქციები

მდგომარეობის მანქანის აბსტრაქცია ქმედებებით და ტრანსიციონებით
ლოკალური ტელემეტრიის UI, რომელიც საშუალებას გაძლევთ შეამოწმოთ შესრულებები
მდგომარეობის მუდმივი შენახვა და ხელახლა დაწყების შესაძლებლობა
სტ்ரீმინგისა და ასინქრონული ქმედებების მხარდაჭერა
ინტეგრაციები საერთო LLM და ML ინსტრუმენტებთან
ჰუკები ლოგირებისთვის, მონიტორინგისთვის და ტესტირებისთვის

ფასები

მოდელი: Free
კატეგორია: AI აგენტების ფრეიმვორკები
შეფასება: 4.3 / 5 (4)

გამოყენების შემთხვევები

მდგომარეობის მქონე ჩატი‑ბოტების შექმნა ტრაეზოტიკით

კონვერსაციური ნაკადების მოდელირება როგორც გამჭვირვალე მდგომარეობის მანქანებით, ქმედებებით და ტრანსიციონებით, რაც გაძლიერებს ჩატი‑ბოტის ქცევის გაგებას და საშუალებას გაძლევთ ლოკალური ტელემეტრიის UI‑ით დებაგთ

AI აგენტების განვითარება გადაწყვეტილებების მიღების შესაძლებლობით

შექმენით AI აგენტები, რომლებიც მართავენ საერთო მდგომარეობას ნაბიჯებს შორის, და უზრუნველყოფენ სტრიიმინგს, ასინქრონულ ქმედებებს და ნებისმიერი LLM ბიბლიოთეკასთან ინტეგრაციას Python ეკოსისტემაში

შეწყობადი სამუშაო ნაკადების ძრავების გაშვება

გამოიყენეთ მდგომარეობის მუდმივი შენახვა, რათა შეჩეროთ, განაგრძოთ და ნაბიჯ‑ნაბიჯ დებაგოთ გრძელვადიანი სამუშაო ნაკადები ან სიმულაციები, რაც უზრუნველყოფს საიმედო აღდგენას და კომპლექსური კონტროლის ნაკადის შემოწმებას

AI აპლიკაციების მონიტორინგისა და ტესტირების ინსტრუმენტირება

გამოიყენეთ შიდა ჰუკები ლოგირებისთვის, მონიტორინგისთვის და ტრაეზოტიკისთვის, რათა შეამოწმოთ წარმოების AI აპლიკაციები და გადაამოწმოთ ქცევა გამეორებადი, შემოწმებადი გაშვებების საშუალებით

დადებითი და უარყოფითი

დადებითი

გამოსახულებული მდგომარეობის მანქანის მოდელი, რაც ლოგიკის გასაგებად და მარტივად მიჰყვება
შიდა ტრაეზოტიკის UI, რომელიც გაძლევთ დებაგს
ფრეიმვორთის დამოუკიდებელი—მუშაობს ნებისმიერ LLM‑თან ან ბიბლიოთეკასთან
მხარდაჭერს მუდმივობას, სტრიიმინგს და ასინქრონულობას
ღია წყარო და მსუბუქი

უარყოფითი

საჭიროა Python და მისი აბსტრაქციების გარკვეული სწავლა
მცირე plug‑and‑play შედარებით მაღალ-დონის აგენტის ფრეიმვორთებს
პატარა საზოგადოება შედარებით დიდი კონკურენტებთან

შეფასებები

4.3

საშუალო 4 შეფასებიდან.

შედი ანგარიშზე შეფასების დასატოვებლად.

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.

კითხვები

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