Burr FrameworkÖppen källkod Python-ramverk för att bygga tillståndsbaserade, beslutsdrivna applikationer som agenter och chattbottar.

4.3 (4)

Granskat av Daniel Nikulshyn·Uppdaterad juli 2026

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

Översikt

Burr Framework är ett Python-bibliotek för att bygga applikationer som behöver fatta beslut över tid, som chattbotar, AI‑agenter, simuleringar och arbetsflödesmotorer. Det modellerar program som tillståndsmaskiner, vilket gör det möjligt för utvecklare att definiera handlingar och övergångar som opererar på ett gemensamt tillståndsobjekt, vilket gör komplex kontrollflöde enklare att förstå. Ramverket innehåller inbyggda observabilitetsverktyg, ett lokalt UI för att inspektera körningar och stöd för persistens så att applikationer kan pausas, återupptas och debugas steg för steg. Eftersom Burr inte har någon åsikt om vilka LLM:er eller bibliotek du använder, integreras det med de flesta av de populära Python AI-stacken. Det passar väl för team som vill ha explicit kontroll över agentlogik snarare än att lita på black‑box orchestration, samt för produktionssystem där spårbarhet och testbarhet är viktiga.

Nyckelfunktioner

Tillståndsmaskinabstraktion med åtgärder och övergångar
Lokal telemetri-UI för inspektion av körningar
Tillståndspersistens och återupptagning
Streaming- och asynkron åtgärdsstöd
Integrationer med vanliga LLM- och ML-verktyg
Hooks för loggning, övervakning och testning

Priser

Modell: Free
Kategori: Framework för AI-agenter
Betyg: 4.3 / 5 (4)

Användningsfall

Bygg tillståndsbaserade chattbottar med spårbar logik

Modellera konversationsflöden som explicita tillståndsmaskiner med åtgärder och övergångar, vilket gör det enklare att förstå chattbotens beteende och felsöka körningar via den lokala telemetri-UI.

Utveckla beslutsdrivna AI-agenter

Skapa AI-agenter som hanterar delat tillstånd över steg, med stöd för streaming, asynkrona åtgärder och integration med vilket LLM-bibliotek som helst i Python-ekosystemet.

Kör återupptagbara arbetsflödesmotorer

Använd tillståndspersistens för att pausa, återuppta och stegdels felsöka långvariga arbetsflöden eller simuleringar, vilket möjliggör pålitlig återhämtning och inspektion av komplex kontrollflöde.

Instrumentera AI-appar för övervakning och testning

Utnyttja inbyggda hooks för loggning, övervakning och spårning för att observera produktions-AI-appar och validera beteende genom reproducerbara, inspekterbara körningar.

Fördelar och nackdelar

Fördelar

Explicit tillståndsmaskinsmodell gör logiken lätt att följa
Inbyggt spårnings-UI för felsökning av körningar
Ramverksagnostiskt – fungerar med vilken LLM eller bibliotek som helst
Stöder persistens, streaming och asynkronhet
Öppen källkod och lättviktigt

Nackdelar

Kräver Python och viss inlärning av dess abstraktioner
Mindre plug-and-play jämfört med högre nivå agent-ramverk
Mindre community än större konkurrenter

Recensioner

4.3

Genomsnitt från 4 betyg.

Logga in för att lämna en recension.

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.

Frågor

Varför heter den Apache Burr?

Apache Burr heter efter Aaron Burr, grundfader, tredje vicepresident i USA och historisk motståndare till Alexander Hamilton. Namnet speglar projektets ursprung som en häst för att hantera stat mellan Apache Hamilton DAGs (eftersom DAGar inte har cykler). Över tid bevisade det sig användbart för ett brett spektra av applikationer, vilket ledde till dess bredare släpp.

Asked by Naomi Suzuki · Nov 13, 2025

Vad kan du göra med Apache Burr?

Apache Burr kan användas för att driva olika applikationer, inklusive: 1. En enkel chatbot liknande GPT. 2. En statisk RAG-baserad chattbot. 3. En äventyrs spel baserat på LLM. 4. En interaktiv assistent för att skriva mejl. Den stöder också ej-LLM-användningsfall som tidsremsa simuleringar och hyperparametervärdering. Genom hookar och integreringar kan du integrera med dina favoritleverantörer (LLM-observabilitet, lagring osv.) och bygga anpassade åtgärder som delegerar till dina favoritbibliotek (som Apache Hamilton). Burr bygger inte upp modeller, frågar inte API:er eller hanterar inte data för dig; det hjälper dig att knyta dessa komponenter samman på ett skalbart och logiskt sätt. Den inkluderar utav-tjuren integreringar och verktyg för att bygga en UI i Streamlit och observera hur din statmaskin utförs.

Asked by Valentina Marino · Nov 1, 2025

Hur fungerar Apache Burr?

Med Apache Burr uttrycker du din applikation som en statmaskin (d.v.s. ett diagram/flödesschema). Du kan (och bör!) använda det för allt där du måste hantera tillstånd, spåra komplexa beslut, lägga till mänsklig feedback eller diktera en idempotent, självbevarande flödesstrategi. Kärn-API:et är enkelt – Apache Burs hello-world ser ut så här (använd din egna LLM eller kopiera från dokumentationen för gpt-X). Apache Burr inkluderar: 1. En beroftfri låg-abstrakt Python-bibliotek som möjliggör att bygga och hantera statmaskiner med enkla Python-funktioner. 2. En gränssnitt där du kan använda för att se utgående övervakningstelemetri för introspektion och avfiske. 3. En uppsättning integreringar för att göra det lättare att bevara tillstånd, ansluta till övervakning och integrera med andra system.

Asked by Carlos Mendoza · Oct 27, 2025