Framework Python que adiciona proteções de entrada e saída a aplicações com LLMs e gera dados estruturados validados a partir das respostas dos modelos.
Eigenwise/atomic-agents
Framework Python leve para criar pipelines modulares de agentes de IA orientados por schemas, com base em Instructor e Pydantic.
- Estrelas
- 6,319
- Forks
- 561
- Issues abertas
- 12
- Último commit
- há 9 dias
O que é?
Atomic Agents é um framework Python para criar agentes e pipelines baseados em LLMs a partir de componentes pequenos e especializados. Cada agente é definido por um system prompt, um schema de entrada, um schema de saída, um histórico de conversa e provedores de contexto opcionais, que inserem informações dinâmicas no prompt em tempo de execução. Os schemas são modelos Pydantic, então as entradas e saídas são validadas e previsíveis.
Como o schema de saída de um agente pode corresponder ao schema de entrada de outra ferramenta, agentes e ferramentas podem ser encadeados ou substituídos sem reescrever o código ao redor. Todo o fluxo de controle é escrito em Python puro. O framework é baseado em Instructor, o que permite usar qualquer provedor compatível com ele, como OpenAI, Anthropic, Groq, Gemini ou Ollama.
O repositório também inclui o Atomic Forge, um conjunto de ferramentas prontas, como busca na web, Wikipedia, extração de transcrições do YouTube e leitura de PDFs, além de uma CLI interativa chamada Atomic Assembler para copiá-las para um projeto. Os exemplos de aplicação incluem chat com RAG, pesquisa aprofundada e agentes de orquestração.
Recursos principais
- 01Os agentes são definidos por um system prompt, schemas Pydantic de entrada e saída e um histórico de conversa.
- 02Provedores de contexto inserem informações dinâmicas no system prompt em tempo de execução.
- 03Agentes e ferramentas podem ser encadeados ao alinhar os schemas de saída e de entrada.
- 04Funciona com qualquer provedor compatível com Instructor, incluindo OpenAI, Anthropic, Groq, Gemini e Ollama.
- 05O Atomic Forge oferece ferramentas prontas para busca, extração de conteúdo, leitura de PDFs e muito mais.
- 06Cada execução é registrada como um span do OpenTelemetry para observabilidade.
Casos de uso
- Criar chatbots com saída estruturada ou pipelines de extração em que schemas previsíveis são importantes.
- Prototipar agentes de RAG ou busca na web com componentes de ferramentas reutilizáveis.
- Trocar provedores de LLM ou mecanismos de busca sem reescrever a lógica da aplicação.
- Adicionar tracing a aplicações com LLM usando qualquer backend compatível com OpenTelemetry.
Início rápido
- 1
Instale o framework pelo PyPI
pip install atomic-agents - 2
Instale o SDK de um provedor se precisar de um diferente do OpenAI (por exemplo, Anthropic)
pip install instructor[anthropic] - 3
Escreva um agente usando o Quick Example do README e execute-o com Python
Antes de usar
- Para executar agentes, é necessária uma chave de API de um provedor de modelos como OpenAI, Groq, Anthropic ou Gemini.
Em coleções
Tópicos
Perguntas frequentes
- O que é atomic-agents?
- Framework Python leve para criar pipelines modulares de agentes de IA orientados por schemas, com base em Instructor e Pydantic. Atomic Agents é um framework Python para criar agentes e pipelines baseados em LLMs a partir de componentes pequenos e especializados. Cada agente é definido por um system prompt, um schema de entrada, um schema de saída, um histórico de conversa e provedores de contexto opcionais, que inserem informações dinâmicas no prompt em tempo de execução. Os schemas são modelos Pydantic, então as entradas e saídas são validadas e previsíveis.
- atomic-agents é gratuito? Qual é a licença?
- atomic-agents é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- atomic-agents ainda é mantido?
- Manutenção ativa. O último commit de atomic-agents foi em 29 de out. de 2026.
- Para que posso usar atomic-agents?
- Criar chatbots com saída estruturada ou pipelines de extração em que schemas previsíveis são importantes. Prototipar agentes de RAG ou busca na web com componentes de ferramentas reutilizáveis. Trocar provedores de LLM ou mecanismos de busca sem reescrever a lógica da aplicação. Adicionar tracing a aplicações com LLM usando qualquer backend compatível com OpenTelemetry.
- Como instalar atomic-agents?
- Instale o framework pelo PyPI: pip install atomic-agents Instale o SDK de um provedor se precisar de um diferente do OpenAI (por exemplo, Anthropic): pip install instructor[anthropic] Escreva um agente usando o Quick Example do README e execute-o com Python
- Onde consigo atomic-agents?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/Eigenwise/atomic-agents
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Biblioteca Python para criar programas generativos que transformam chamadas tipadas a LLMs em fluxos de trabalho de IA estruturados, testáveis e autovalidáveis.
Framework no estilo DSPy, com foco em TypeScript, para criar programas LLM tipados e estruturados com agentes, fluxos e otimizadores, também compilado para Python, Java, C++, Go e Rust.
Toolkit para Python e TypeScript que permite chamar qualquer LLM de ponta por uma interface única, com decorators para prompts, saída estruturada e uso de ferramentas.
Um SDK para criar agentes de IA e sistemas multiagente em Python, .NET e Java, com integrações a modelos, plugins e bancos de dados vetoriais.
Um framework Python para criar aplicações e agentes com LLMs, com interfaces padronizadas para modelos, embeddings, vector stores e integrações de terceiros.