Agentty开源C++26轻量级AI Agent运行时：11MB零配置支持边缘部署

Agentty 开源：C++26 实现、11MB 二进制、零配置 Claude-Code 级 Agent 运行时

Agentty —— 一个基于 C++26 的轻量级 AI Agent 运行时，已开源（GitHub: agentty/agentty）。它不依赖 Python 解释器，不打包 LLM 权重，也不绑定特定推理后端。单个 11MB 静态链接二进制即可完成工具调用、记忆管理、多步规划与结构化输出。在 Raspberry Pi 5 上实测完整 Tool-Calling 链路平均延迟 82ms。这不是 CLI 包装器，而是可嵌入边缘设备、WebAssembly 模块或 RTOS 固件的 Agent 底层基座。

技术底座：C++26 是确定性保障，不是彩蛋

Agentty 使用 C++26 核心特性：std::expected 统一错误传播、std::mdspan 零拷贝内存视图、constexpr std::format 编译期日志生成。JSON Schema 校验、OpenAPI 工具解析、异步 HTTP 调度等全部 Agent 逻辑，在编译期完成类型推导与路径优化。相比 LangChain 0.3.x（x86_64 下平均内存占用 320MB），Agentty 常驻内存 <4MB，无 GC 停顿，无动态符号解析开销。agent::Runtime 类支持直接继承并重载 on_tool_call()，无需改动构建系统。

零配置 ≠ 零设计：硬约束换直装即用

“零配置”指无需 pip install、无需 .env、无需 docker-compose.yml。下载二进制后执行：

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

即可启动。背后是三重硬约束：

• 工具描述必须为 OpenAPI 3.1 JSON Schema
• LLM 接口严格遵循 OpenAI 兼容协议（含 tool_choice="auto" 语义）
• 所有 I/O 通过 POSIX readv/writev 批量处理，规避 stdio 缓冲污染

Jetson Orin Nano 上连续运行 72 小时，无文件描述符泄漏。

对比闭源工具链：可控性就是生产力

Cursor、GitHub Copilot 等将工具注册、记忆序列化、调试协议全部黑盒封装。Agentty 反其道而行：

• 工具注册只需 tools/ls.json（含 parameters schema 与 exec_path）
• 记忆快照为纯文本 mem/step_0042.jsonl
• 调试端点暴露标准 /debug/stack HTTP 接口

开发者可直接：

![配图](https://yitb.com/usr/uploads/covers/cover_news_20260717_200424.jpg)

gdb -p $(pgrep agentty)

查看 agent::PlanState 实例，或用：

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

观测 IO 模式。MIT 许可证，允许静态链接至商业固件。

与龙虾 / OpenClaw 生态自然协同

Agentty 不绑定任何 LLM 供应商，但 tool_call 响应格式与龙虾 v0.9.3 Agent SDK 完全兼容：

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

可直传 openclaw::ToolExecutor::invoke()。OpenClaw 用户可将 openclaw::AgentBuilder 输出的 Plan 对象序列化为 Agentty 输入，在 ARM64 设备上实现 <100ms 端侧决策闭环。龙虾官网 yitb.com 已上线 Agentty 适配指南。

行业意义：Agent 正从“胶水层”回归“系统层”

过去两年，Agent 框架沉溺于 Python DSL 和 LLM API 胶合：LangChain 抽象 17 层接口仍绕不开 GIL；LlamaIndex 把向量检索包装成 as_retriever() 方法，却掩盖内存失控。Agentty 证明：真正的轻量化不是删功能，而是用现代 C++ 重定义边界——把工具调度、状态机、协议适配下沉为 OS 级原语。当 Agent 运行时体积 <12MB、启动时间 <35ms、内存抖动 ±0.3MB，它就不再是“应用”，而是像 libc 一样成为 AI 基础设施的隐式依赖。社区已在推进 WASI-NN 后端支持，让 Agentty 二进制可在 Deno、Wasmer 中直接加载。

现在该做什么？

• 克隆仓库，make build-static 生成跨平台二进制
• 运行 ./agentty --help 查看内置工具集
• 将现有 Python Agent 的 tool_calls 逻辑剥离为独立 OpenAPI 描述，放入 tools/ 目录
• 用 strace -e trace=connect,sendto,recvfrom ./agentty ... 验证网络行为是否符合预期

这才是可控 Agent 开发的起点。