Burr FrameworkPython için açık kaynaklı bir framework, karar alma uygulamaları gibi agiplar ve sohbet robotları oluşturmak için durumlu uygulamalar inşa etmek için

4.3 (4)

İnceleyen Daniel Nikulshyn·Güncellendi Temmuz 2026

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

Genel Bakış

Burr Çerçeve, kararlar almak için zamansız olarak uygulamalar geliştirmek için kullanılan bir Python kitaplığına sahiptir. Bunlara chatbotlar, AI ageleri, simülasyonlar ve workflow motorları dahildir. Bu çerçevede programları durum makineleri olarak modeller, geliştiricilere ortak bir durum nesnesi üzerinde çalışan eylemler ve geçişler tanımlamalarını sağlar; böylece karmaşık kontrol akışları daha kolay bir şekilde anlaşılabilir. Framewörktekniği, binalı gözlemleme araçları, yerel bir UI ile çalıştırılabilecek uygulamaları tarayabilme ve depolama desteği için içerir. Çünkü Burr bir görüşü olup olmadığına bakmaksızın ne LLM'ler ne de kütüphaneler kullanıldığına göre çoğu popüler Python AI stacks'ini entegre etmiştir. Fakat ajan logiği üzerinde açıkça kontrol sağlamak isteyen ekipler için ve takip edilebilirlik ve test edilebilirlik önem verdiğinde üretimde kullanılan sistemler için en uygun seçimdir.

Temel özellikler

Durum makinesi soyutlama ile eylemler ve geçişler
İşlenmeler için yerel izleme UI'si
Durum saklanabilirliğinin ve devralınabilirliğinin desteği
Akışkan akış ve sırayı destekleyen eylemler
İçinde yaygın LLM ve ML araçları ile entegrasyon
Kayıt, izleme ve test için pencik

Fiyatlar

Model: Free
Kategori: Sentezlemeli İletişimçılar Çerçevesi
Puan: 4.3 / 5 (4)

Kullanım senaryoları

Durumsal sohbet robotları oluşturmak

Modelsohbet akışı, eylemler ve geçişleri olan açık durum makinesi olarak

Karar alma AI agipları geliştirmek

Taraflı durumları bir adım adım yöneten agiplar geliştirmek için, işlem akışkan akışı

Devam eden akış motorları çalıştırmak

Sürüm, devralınabilirlik ve adımlı debug gibi özelliklerle devam eden akış motorlarını çalıştırmak

AI uygulamalarını geliştirin

Kaydol, izleme, izleme ve yeniden üretilebilir, izlenebilir işlenmelere dayalı davranışların doğrulanması için inşa edilmiş pencereleri kullanın

Artılar ve eksiler

Artılar

Açık bir durum makinesi modeli, mantığı kolay takip etmenize yardımcı olur
İnteraktif bir izleme UI'si için içsel takip özelliktir
Kullanıcı arayüze bağımsız çalışır- cualquier LLM veya kütüphaneden çalışır
Sürüm stabilitesini sağlar: persistence, akış ve olay bekleyişi
Açık kaynak ve hafif

Eksiler

Python ve abstraksiyonlarını anlamak gerekiyor
Kesintisiz çalışan daha yüksek seviyedeki agent framework'larına göre daha az otomatik
Büyük rakiplerine göre daha küçük bir topluluk

İncelemeler

4.3

4 puandan ortalama.

İnceleme bırakmak için giriş yap.

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.

Sorular

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