CloudWeGo Eino 框架学习项目 — 字节跳动开源的 Go AI Agent 开发框架
这是一个渐进式学习 + 统一 Playground 平台的项目：
- 10 个 CLI Demo：从零开始学习 Eino 核心能力
- 1 个 Web Platform：通过 REST API 和 Web UI 统一体验所有 Demo
- 生产级包结构：
pkg/下是可复用的 Agent Platform 组件（RAG、Memory、Observability、MCP）
| 维度 | Eino | LangChainGo | Google ADK |
|---|---|---|---|
| 设计哲学 | Go 原生，Graph 编排 | Python 移植 | Google 生态绑定 |
| 生产验证 | 字节跳动（豆包、TikTok） | 社区项目 | 较新 |
| Stars | 10k+ | 9k+ | 7k+ |
| 核心能力 | ReAct + Graph + ADK | Chains + Agents | A2A 协议 |
01 基础对话 ChatModel、Message、多轮对话
↓
02 工具调用 Function Calling（手动工具调度）
↓
03 ReAct Agent 自动"推理→行动→观察"循环
↓
04 Graph 编排 Chain 链式 + Graph DAG 编排
↓
05 流式输出 StreamReader、SSE 打字机效果
↓
06 多 Agent 协作 ADK SequentialAgent 流水线
↓
07 RAG Embedding + Vector Store + 检索生成
↓
08 Memory 对话记忆、会话持久化
↓
09 MCP Model Context Protocol 工具集成
↓
10 Observability Callback 追踪、指标、成本监控
↓
Web Platform 统一 REST API + Playground UI
- Go 1.22+
- LLM API Key（OpenAI / DashScope / 任意 OpenAI 兼容 API）
# 方式一：DashScope（阿里云，默认推荐国内用户）
export DASHSCOPE_API_KEY="your-api-key"
# 方式二：OpenAI
export OPENAI_API_KEY="your-api-key"
export OPENAI_BASE_URL="https://api.openai.com/v1"
# 方式三：其他兼容 API（如 DeepSeek）
export OPENAI_API_KEY="your-api-key"
export OPENAI_BASE_URL="https://api.deepseek.com/v1"
export EINO_MODEL="deepseek-chat"
# 指定 Embedding 模型（默认 text-embedding-v3，DashScope 兼容）
export EINO_EMBEDDING_MODEL="text-embedding-v3"# 安装依赖
go mod tidy
# 启动服务器
go run ./cmd/server
# 打开浏览器访问 http://localhost:8080Web 平台提供 10 个 Demo 的交互式 UI：
| 端点 | 功能 |
|---|---|
GET /health |
健康检查 |
POST /api/v1/chat |
基础对话 |
POST /api/v1/tools |
工具调用 |
POST /api/v1/react |
ReAct Agent |
POST /api/v1/graph |
Graph 编排 |
POST /api/v1/stream |
流式输出（SSE） |
POST /api/v1/multi-agent |
多 Agent 协作 |
POST /api/v1/rag/upload |
RAG 文档上传 |
POST /api/v1/rag/query |
RAG 问答 |
POST /api/v1/memory/chat |
记忆对话 |
POST /api/v1/mcp/search |
MCP 工具发现 |
GET /api/v1/metrics |
可观测性指标 |
go run ./examples/01-basic-chat/
go run ./examples/02-tool-calling/
go run ./examples/03-react-agent/
go run ./examples/04-graph-workflow/
go run ./examples/05-streaming/
go run ./examples/06-multi-agent/
go run ./examples/07-rag/
go run ./examples/08-memory/
go run ./examples/09-mcp/
go run ./examples/10-observability/eino-demos/
├── cmd/
│ └── server/ # 统一 Web Platform 入口
├── examples/
│ ├── 01-basic-chat/ # 基础对话
│ ├── 02-tool-calling/ # 工具调用
│ ├── 03-react-agent/ # ReAct Agent
│ ├── 04-graph-workflow/ # Graph 编排
│ ├── 05-streaming/ # 流式输出
│ ├── 06-multi-agent/ # 多 Agent 协作
│ ├── 07-rag/ # RAG 检索增强生成
│ ├── 08-memory/ # 对话记忆
│ ├── 09-mcp/ # MCP 协议
│ └── 10-observability/ # 可观测性
├── internal/
│ └── config/ # ChatModel / Embedder 配置
├── pkg/
│ ├── platform/ # Web 服务器、路由、Handler
│ ├── memory/ # 会话存储 + 向量存储
│ ├── rag/ # RAG 引擎
│ ├── mcp/ # MCP 客户端
│ └── observability/ # Callback 追踪 + Metrics
├── web/
│ └── index.html # Playground UI
├── go.mod
└── README.md
┌────────────────────────────────────────────────────┐
│ Eino 架构 │
├────────────────────────────────────────────────────┤
│ │
│ Component 层 │
│ ├── ChatModel — LLM 模型接口（Demo 01） │
│ ├── Tool — 函数调用（Demo 02/03） │
│ ├── Prompt — 提示词模板（Demo 04） │
│ ├── Embedding — 文本向量化（Demo 07） │
│ └── Retriever — 检索器（Demo 07） │
│ │
│ Compose 层 │
│ ├── Chain — 线性链式编排（Demo 04） │
│ ├── Graph — DAG 图编排（核心） │
│ └── Lambda — 自定义函数节点 │
│ │
│ Agent 层 │
│ ├── ReAct Agent — 推理-行动循环（Demo 03） │
│ └── ADK — Agent 开发套件（Demo 06） │
│ ├── Sequential — 顺序执行 │
│ ├── Parallel — 并行执行 │
│ ├── Supervisor — 监督者模式 │
│ └── Loop — 循环执行 │
│ │
│ Platform 能力 │
│ ├── Memory — 对话记忆（Demo 08） │
│ ├── RAG — 检索增强（Demo 07） │
│ ├── MCP — 外部工具协议（Demo 09） │
│ └── Observability — 追踪与指标（Demo 10） │
│ │
└────────────────────────────────────────────────────┘
chatModel.Generate(ctx, []*schema.Message{
schema.SystemMessage("你是一个助手"),
schema.UserMessage("你好"),
})tool, _ := utils.InferTool("calculate", "计算器", calcFn)
info, _ := tool.Info(ctx)
modelWithTools, _ := chatModel.WithTools([]*schema.ToolInfo{info})agent, _ := react.NewAgent(ctx, &react.AgentConfig{
ToolCallingModel: chatModel,
ToolsConfig: compose.ToolsNodeConfig{Tools: tools},
MaxStep: 10,
})chain := compose.NewChain[map[string]any, *schema.Message]()
chain.AppendChatTemplate(tpl)
chain.AppendChatModel(chatModel)
runnable, _ := chain.Compile(ctx)stream, _ := chatModel.Stream(ctx, messages)
for {
chunk, err := stream.Recv()
if errors.Is(err, io.EOF) { break }
fmt.Print(chunk.Content)
}pipeline, _ := adk.NewSequentialAgent(ctx, &adk.SequentialAgentConfig{
SubAgents: []adk.Agent{translator, reviewer},
})engine := rag.NewEngine(embedder, chatModel)
engine.AddDocuments(ctx, docs)
answer, _ := engine.Query(ctx, question)store := memory.NewInMemoryConversationStore()
store.AddMessages(sessionID, messages)
history := store.GetMessages(sessionID)client := mcp.NewClient(serverURL)
tools, _ := client.DiscoverTools(ctx)
result, _ := client.CallTool(ctx, name, arguments)metrics := observability.NewMetricsStore()
tracer := observability.NewTracingCallback(metrics)
callbacks.AppendGlobalHandlers(tracer)| 变量 | 必填 | 默认值 | 说明 |
|---|---|---|---|
DASHSCOPE_API_KEY |
二选一 | - | DashScope API Key |
OPENAI_API_KEY |
二选一 | - | OpenAI 兼容 API Key |
OPENAI_BASE_URL |
否 | DashScope 地址 | 模型 API Base URL |
EINO_MODEL |
否 | qwen-plus |
对话模型 |
EINO_EMBEDDING_MODEL |
否 | text-embedding-v3 |
Embedding 模型 |
PORT |
否 | 8080 |
Web 服务端口 |
# 安装 Railway CLI 并登录
npm i -g @railway/cli
railway login
# 连接项目并部署
railway link
railway upgo build -o bin/server ./cmd/server
./bin/server第 1 周：框架基础
- 跑通 Demo 01-06
- 理解 ChatModel、Tool、Chain、Graph、Agent 的关系
第 2 周：平台能力
- 跑通 Demo 07-10
- 理解 RAG、Memory、MCP、Observability 的工程实现
- 阅读 pkg/ 下的源码
第 3 周：系统架构
- 启动 Web Platform（cmd/server）
- 在 web/index.html 上添加新功能
- 研究 Dify/FastGPT 的设计，思考平台级能力缺口
| 能力 | 状态 | 进阶方向 |
|---|---|---|
| LLM 调用编排 | ✅ Demo 01-06 | 并发调度、模型路由、Fallback |
| 工具系统 | MCP 市场、安全沙箱、权限管控 | |
| RAG | 生产级 Vector DB、重排序、Hybrid Search | |
| Memory | Redis/DB 持久化、记忆总结、关键信息提取 | |
| 可观测性 | OpenTelemetry、Langfuse、LLM 成本分摊 | |
| 工作流持久化 | ❌ 未覆盖 | Temporal/Cadence 状态机、断点恢复 |
| 人机协同 | ❌ 未覆盖 | Human-in-the-loop、审批流、中断恢复 |
| 多租户安全 | ❌ 未覆盖 | 租户隔离、Prompt 注入防护、审计日志 |
MIT