Burr FrameworkOtwarto‑źródłowy framework Python do budowania aplikacji z stanem, podejmujących decyzje, takich jak agenty i chatboty.

4.3 (4)

Zrecenzowane przez Daniel Nikulshyn·Zaktualizowano lipiec 2026

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

Przegląd

Burr Framework to biblioteka Python do tworzenia aplikacji, które muszą podejmować decyzje w czasie, takich jak chatboty, agenty AI, symulacje i silniki przepływów pracy. Moduł modeluje programy jako maszyny stanów, pozwalając programistom definiować akcje i przejścia operujące na wspólnym obiekcie stanu, co ułatwia zrozumienie złożonych przepływów kontrolnych. Framework zawiera wbudowane narzędzia obserwacyjne, lokalne UI do inspekcji przebiegów oraz obsługę trwałości, dzięki czemu aplikacje mogą wstrzymywać, wznawiać i debugować krok po kroku. Ponieważ Burr nie narzuca, które LLM-y lub biblioteki używasz, integruje się z większością popularnego stosu AI w Pythonie. Idealny dla zespołów, które chcą eksplicynej kontroli nad logiką agenta zamiast polegania na czarnych pudełkach oraz dla systemów produkcyjnych, w których istotna jest śledzalność i testowalność.

Kluczowe funkcje

Abstrakcja maszyny stanów z akcjami i przejściami
Lokalne UI telemetrii do inspekcji wykonywania
Trwałość stanu i możliwość wznawiania
Obsługa strumieniowania i akcje asynchroniczne
Integracje z popularnymi narzędziami LLM i ML
Hooki do logowania, monitorowania i testowania

Cennik

Model: Free
Kategoria: Platformy ramowe agentów sztucznej inteligencji
Ocena: 4.3 / 5 (4)

Zastosowania

Budowanie chatbotów z stanem i śledzonymi logikami

Modeluj przepływy konwersacyjne jako wyraźne maszyny stanów z akcjami i przejściami, co ułatwia rozumienie zachowania chatbota i debugowanie przebiegów poprzez lokalne UI telemetrii.

Rozwijanie agentów AI podejmujących decyzje

Twórz agenty AI, które zarządzają wspólnym stanem na różnych etapach, z obsługą strumieniowania, akcji asynchronicznych oraz integracją z dowolnym biblioteką LLM w ekosystemie Python.

Uruchamianie wznawialnych silników przepływów pracy

Użyj trwałości stanu, aby wstrzymywać, wznawiać i debugować krok po kroku długotrwałe przepływy pracy lub symulacje, zapewniając niezawodne przywracanie i inspekcję złożonych przepływów kontrolnych.

Integrowanie aplikacji AI dla monitorowania i testowania

Wykorzystaj wbudowane hooki do logowania, monitorowania i śledzenia, aby obserwować produkcyjne aplikacje AI i zweryfikować zachowanie poprzez powtarzalne, poddane inspekcji przebiegi.

Plusy i minusy

Plusy

Eksplicytny model maszyny stanów ułatwia śledzenie logiki
Wbudowane UI śledzenia do debugowania przebiegów
Niezależny od frameworka — działa z każdym LLM lub biblioteką
Obsługuje trwałość, strumieniowanie i asynchroniczność
Otwarty i lekki

Minusy

Wymaga Pythona i naukę jego abstrakcji
Mniej gotowy do uruchomienia niż wyższych poziomów frameworków agentów
Mniejsza społeczność niż więksi konkurenci

Recenzje

4.3

Średnia z 4 ocen.

Zaloguj się, aby zostawić recenzję.

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.

Pytania i odpowiedzi

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