tRPC-Agent-Go：让Go开发者轻松构建智能AI应用

1、项目简介

tRPC团队之前开源了A2A开发框架tRPC-A2A-Go和MCP开发框架tRPC-MCP-Go，尤其是tRPC-A2A-Go，在国内外都有不少用户进行应用和贡献。现在我们推出tRPC-Agent-Go（https://github.com/trpc-group/trpc-agent-go）开发框架，实现Go语言AI生态开发框架的闭环。

当前主流 Agent 框架（AutoGen、CrewAI 、Agno、ADK等）大部分都是基于 Python，而 Go在微服务、并发与部署方面有天然优势，Go在腾讯内部也有大规模应用，业界基于Go语言的Agent框架较少，大部分都是编排式的workflow框架，缺少真正的“去中心化、可协作、能涌现”的自主多 Agent 能力。tRPC-Agent-Go 直接利用 Go 的高并发与 tRPC 生态，把 LLM 的推理、协商和自适应性带到 Go 场景，满足复杂业务对“智能+性能”的双重需求。

2、架构设计

tRPC-Agent-Go 采用模块化架构设计，由多个核心组件组成，组件都可插拔，通过事件驱动机制实现组件间的解耦通信，支持callback插入自定义逻辑：

● Agent: 核心执行单元，负责处理用户输入并生成响应

● Runner: Agent 的执行器，负责管理执行流程，串联 Session/Memory Service 等能力

● Model: 支持多种 LLM 模型（OpenAI、DeepSeek 等）

● Tool: 提供各种工具能力（Function、MCP、DuckDuckGo 等）

● Session: 管理用户会话状态和事件

● Memory: 记录用户的长期记忆和个性化信息

● Knowledge: 实现 RAG 知识检索能力

● Planner: 提供