LLM Agent 逐渐从概念走向工程实践，已经成为 AI 应用开发的核心范式。无论是 Coding Agent、对话式助手，还是多模态工作流编排，Agent 架构都在其中扮演关键角色。 在近期的 Agent 开发过程中，我收集了一批开源项目，覆盖了从极简的 Toy Project 到生产级 Coding Agent，再到桌面端应用和底层基础设施 SDK 等多个层面。这篇文章希望能为不同阶段的朋友提供一份清晰的参考学习路径。
从Toy Project开始, 理解 Agent 的基础原理
这些项目以最极简的方式实现了一个我们熟知的 ReAct 智能体，适合入门Agent的核心逻辑, 初步了解MCP, Skill等基础概念。
Mini-Agent
MiniMax 官方出品的极简 Agent 项目, 在2000行python代码中实现了 ReAct循环，MCP, Agent Skill等基础功能, 同时还支持Bash/文件操作/webfetch等基础的内置工具，是入门的Agent开发的最佳选择。
mini-agent-ts
这个是上面Mini-Agent的TS实现, python和TS是Agent时代最受欢迎的语言技术栈, 同样适合了解。
nanobot
2026年初 OpenClaw 小龙虾火爆全球, 但是OpenClaw的代码实在太乱可读性几乎为零, nanobot是由香港大学开源的极简OpenClaw的实现，它提供一个更加干净且适合学习的OpenClaw Python实现，并且具备OpenClaw几乎所有功能: Agent 记忆、MCP 工具调用、定时任务、各类 IM 网关等。
深入了解主流的生产级 Coding Agent 项目
接下来这些项目已经脱离了Toy Project的范畴, 都是世界顶级AI厂商开源出来的主力Agent产品, 学习复杂度更高的同时, 也能在其中了解到真正的生产级Agent产品是如何运作的.
Codex CLI
大名鼎鼎的Codex本体, 相信很多人都用过. 这个项目除了基本的Agent原理之外, 最值得学习的是它的沙箱执行机制——Agent 生成的代码会在隔离环境中运行。技术栈是 Rust（核心运行时和 TUI）+ TypeScript（CLI 和 SDK），还提供了 Python SDK。架构设计很规范。
GitHub：github.com/openai/code…
Claude Code
Coding Agent 唯一真神，Anthropic 官方出品的 CLI Coding Agent，目前 Coding Agent 领域的标杆产品，泄露之后终于让人一览全貌。代码量超过 51 万行 TypeScript，TUI 基于 React 19 + 深度定制版 Ink 实现。 架构上最值得关注的是它的 SubAgent 系统——支持多 Agent 团队在独立 git worktree 中并行协作，以及"投机执行"机制，用户还在输入时就预跑 Agent 轮次并缓存结果，显著减少等待时间。如果你想了解"一个生产级 Coding Agent 能做到多复杂"，这个项目是最好的参考。
源码已经泄露，但是仓库经常被Github封禁，因此暂不提供链接
Gemini CLI
Google出品的Coding Agent, 采用TypeScript + Node.js 实现. 宇宙大厂出品代码极其规范. 采用 monorepo 结构，分为 cli、core、sdk 等多个包，适合学习大型 Agent 项目的代码组织方式。
GitHub：github.com/google-gemi…
OpenCode
被誉为开源的 Claude Code, 十分强大的 CLI Coding Agent 应用, 在一些交互设计方面个人认为比CC还要好. 与其他大厂对供应商的限制不同, OpenCode支持多种LLM供应商.
技术栈方面, 核心是TypeScript 和 Bun, TUI 前端采用SolidJS基础的 。代码组织规范，开源社区极其活跃. 适合参与开源贡献, 学习更复杂的 Agent / SubAgent 架构，以及 Agent 的持久化和状态管理。
GitHub：github.com/anomalyco/o…
超越TUI, 更完整的 Agent 桌面应用项目
ClaudeCode的出现引爆了TUI Agent的浪潮, 然而TUI对于大部分用户来说还是门槛有点高. 如果想要学习做带前端界面的 Agent 桌面应用，这几个项目非常值得参考。
Cherry Studio
Electron + React 技术栈，支持多模型切换、MCP 工具系统、知识库、Agent 子系统、丰富的 Markdown 编辑器，基本你能想到的功能它都有。技术栈是 Electron 38 + React 19 + TypeScript + Ant Design + TailwindCSS + TipTap 3 + Drizzle ORM，代码量足够丰富，能学到很多东西。
GitHub：github.com/CherryHQ/ch…
Chatbox
跨平台多模型 AI 客户端，代码量适中，适合入门桌面端开发。覆盖了 Windows、macOS、Linux、iOS 和 Android 全平台，技术栈是 TypeScript + Electron + electron-vite + electron-builder。功能相对精简，比 Cherry Studio 轻量，适合作为第一个桌面端 AI 项目来读。想做跨平台 AI 客户端的可以参考它的架构。
GitHub：github.com/chatboxai/c…
Craft Agents
craft.do 出品的 Agent 原生桌面工具，架构比较新。用了 Bun 做运行时 + Electron 做壳，同时集成了 Claude Agent SDK 和 Pi SDK，支持 MCP 和自定义 API。设计理念是"agent-native"，整个工具围绕 Agent 工作流来构建，适合学习"怎么把 Agent 能力深度整合到桌面应用里"。
GitHub：github.com/lukilabs/cr…
深入了解Agent的基础设施和 SDK
这些不是完整的Agent项目, 但是几乎所有Agent都依赖这些基础设施来实现, 想理解 Agent 生态底层在做什么，这几个是必看的。
Vercel AI SDK
TypeScript 生态最主流的 AI 开发 SDK，做 AI 应用基本绕不开的基础设施。它提供了一套统一的 API，让你用同一套代码调用 OpenAI、Anthropic、Google 等 30 多家模型提供商。技术栈是 TypeScript + pnpm monorepo（+ Turborepo。如果你想学习"怎么设计一个可扩展的 AI SDK"或者"怎么做模型提供商的抽象层"，这个项目是最好的教材。
GitHub：github.com/vercel/ai
MCP Antropic 参考实现
Model Context Protocol 是目前 Agent 工具调用的事实标准，这个仓库提供了官方的 Server 实现，包括文件系统、Git、知识图谱记忆、网页抓取、时间工具等。用 TypeScript 和 Python 分别实现，适合了解"怎么给 Agent 写工具"以及"MCP 协议本身是怎么设计的"。
GitHub：github.com/modelcontex…
Agent Skills 参考实现
Agent Skill是 Antropic 的提出的系统规范，想必大家都不会觉得陌生。它提出用 Markdown + YAML 定义技能，让Agent 可以动态加载不同技能来完成特定任务。让 Agent 能力可以灵活扩展。
GitHub：github.com/anthropics/…
将以上项目了解清楚后，希望大家都能在 Agent 开发的路上少走弯路，从读懂一个 Toy Project 开始，逐步构建出属于自己的 Agent 应用。 如果你也在学 Agent 开发，欢迎点赞收藏，也欢迎在评论区分享你推荐的项目，一起交流！
