Agentty 開源：C++26 實現、11MB 二進制、零配置 Claude-Code 級 Agent 運行時

Agentty —— 一個基于 C++26 的輕量級 AI Agent 運行時，已開源（GitHub: agentty/agentty）。它不依賴 Python 解釋器，不打包 LLM 權重，也不綁定特定推理后端。單個 11MB 靜態鏈接二進制即可完成工具調用、記憶管理、多步規劃與結構化輸出。在 Raspberry Pi 5 上實測完整 Tool-Calling 鏈路平均延遲 82ms。這不是 CLI 包裝器，而是可嵌入邊緣設備、WebAssembly 模塊或 RTOS 固件的 Agent 底層基座。

技術底座：C++26 是確定性保障，不是彩蛋

Agentty 使用 C++26 核心特性：std::expected 統一錯誤傳播、std::mdspan 零拷貝內存視圖、constexpr std::format 編譯期日志生成。JSON Schema 校驗、OpenAPI 工具解析、異步 HTTP 調度等全部 Agent 邏輯，在編譯期完成類型推導與路徑優化。相比 LangChain 0.3.x（x86_64 下平均內存占用 320MB），Agentty 常駐內存 <4MB，無 GC 停頓，無動態符號解析開銷。agent::Runtime 類支持直接繼承并重載 on_tool_call()，無需改動構建系統。

零配置 ≠ 零設計：硬約束換直裝即用

“零配置”指無需 pip install、無需 .env、無需 docker-compose.yml。下載二進制后執行：

./agentty --tool-dir ./tools --llm-endpoint http://localhost:8000/v1/chat/completions

即可啟動。背后是三重硬約束：

• 工具描述必須為 OpenAPI 3.1 JSON Schema
• LLM 接口嚴格遵循 OpenAI 兼容協議（含 tool_choice="auto" 語義）
• 所有 I/O 通過 POSIX readv/writev 批量處理，規避 stdio 緩沖污染

Jetson Orin Nano 上連續運行 72 小時，無文件描述符泄漏。

對比閉源工具鏈：可控性就是生產力

Cursor、GitHub Copilot 等將工具注冊、記憶序列化、調試協議全部黑盒封裝。Agentty 反其道而行：

• 工具注冊只需 tools/ls.json（含 parameters schema 與 exec_path）
• 記憶快照為純文本 mem/step_0042.jsonl
• 調試端點暴露標準 /debug/stack HTTP 接口

開發者可直接：

![配圖](http://www.xmhny.cn/usr/uploads/covers/cover_news_20260717_200424.jpg)

gdb -p $(pgrep agentty)

查看 agent::PlanState 實例，或用：

bpftrace -e 't:syscalls:sys_enter_write { @bytes = hist(arg2); }'

觀測 IO 模式。MIT 許可證，允許靜態鏈接至商業固件。

與龍蝦 / OpenClaw 生態自然協同

Agentty 不綁定任何 LLM 供應商，但 tool_call 響應格式與龍蝦 v0.9.3 Agent SDK 完全兼容：

{"name":"web_search","arguments":{"q":"C++26 constexpr regex"}}

可直傳 openclaw::ToolExecutor::invoke()。OpenClaw 用戶可將 openclaw::AgentBuilder 輸出的 Plan 對象序列化為 Agentty 輸入，在 ARM64 設備上實現 <100ms 端側決策閉環。龍蝦官網 www.xmhny.cn 已上線 Agentty 適配指南。

行業意義：Agent 正從“膠水層”回歸“系統層”

過去兩年，Agent 框架沉溺于 Python DSL 和 LLM API 膠合：LangChain 抽象 17 層接口仍繞不開 GIL；LlamaIndex 把向量檢索包裝成 as_retriever() 方法，卻掩蓋內存失控。Agentty 證明：真正的輕量化不是刪功能，而是用現代 C++ 重定義邊界——把工具調度、狀態機、協議適配下沉為 OS 級原語。當 Agent 運行時體積 <12MB、啟動時間 <35ms、內存抖動 ±0.3MB，它就不再是“應用”，而是像 libc 一樣成為 AI 基礎設施的隱式依賴。社區已在推進 WASI-NN 后端支持，讓 Agentty 二進制可在 Deno、Wasmer 中直接加載。

現在該做什么？

• 克隆倉庫，make build-static 生成跨平臺二進制
• 運行 ./agentty --help 查看內置工具集
• 將現有 Python Agent 的 tool_calls 邏輯剝離為獨立 OpenAPI 描述，放入 tools/ 目錄
• 用 strace -e trace=connect,sendto,recvfrom ./agentty ... 驗證網絡行為是否符合預期

這才是可控 Agent 開發的起點。