На GitHub в теме агентных сред выполнения сейчас хорошо видно, как открытый ИИ уходит от простых обёрток над запросами к полноценной инфраструктуре: изоляции, правам доступа, памяти, наблюдаемости, графам знаний и человеческому контролю. Ниже — десять свежих проектов из выдачи, отсортированных по числу звёзд.

astrid-runtime/astrid — 10,3 тыс. звёзд

Astrid описывает себя как переносимую, защищённую по возможностям операционную среду для составного программного обеспечения. Проект на Rust связан с MCP, WebAssembly, изоляцией, ИИ-агентами и языковыми моделями. Его рост важен потому, что агентам всё чаще нужна не просто команда «выполни задачу», а строгая модель прав: какие инструменты можно вызывать, какие файлы трогать и где останавливается автономность.

spinabot/brigade — 7,1 тыс. звёзд

Brigade позиционируется как персональный интеллект корпоративного уровня. В тегах проекта — многоагентные системы, автономные агенты, Codex, Hermes Agent, самоулучшающийся ИИ и агентная среда выполнения. Интерес здесь в попытке собрать постоянную агентную работу в открытом TypeScript-проекте, а не оставлять её только закрытым облачным сервисам.

trustgraph-ai/trustgraph — 2,8 тыс. звёзд

TrustGraph предлагает семантический слой для онтологий, графов знаний и поиска по документам с опорой на явные связи. Это заметно для открытого ИИ, потому что память агентов всё чаще строится не только на векторном поиске, но и на структурах, где можно объяснить, почему один факт связан с другим. Для корпоративных задач это может быть важнее ещё одного чатового интерфейса.

Open-Curiosity/gini-agent — 2,4 тыс. звёзд

Gini Agent описывает себя как агент, который помнит и учится. Проект делает ставку на локальный подход, MCP, личных агентов и среду выполнения для языковых моделей. Это хороший сигнал по рынку персональных агентов: память и обучение постепенно переезжают из закрытых помощников в открытые локальные инструменты.

fastclaw-ai/fastclaw — 1,4 тыс. звёзд

Fastclaw — многоагентный каркас на Go, связанный с агентными фабриками и альтернативами OpenClaw. Его появление важно не только числом звёзд: агентная инфраструктура перестаёт быть полем почти исключительно Python и TypeScript. Для команд, которые строят серверные системы на Go, такой стек может быть ближе к обычной инженерной практике.

inclusionAI/AWorld — 1,2 тыс. звёзд

AWorld представлен как среда, где можно искать, понимать, воспроизводить и улучшать идеи. В описании упоминаются MCP, GAIA, обучение с подкреплением, обучение агентов, мировые модели, XBench и BrowseComp. Главная ценность — перенос внимания с красивых демонстраций на воспроизводимые среды, где поведение агента можно проверить повторно.

i365dev/free4chat — 1,2 тыс. звёзд

free4chat предлагает временные комнаты, где люди и ИИ-агенты могут запускать задачи, наблюдать за ними и вмешиваться по ходу работы. В тегах есть MCP, WebRTC, совместная работа в реальном времени, человек в контуре и долгие агентные задачи. Это практичная ниша: когда агент работает долго, нужен не только журнал, но и место, где его можно остановить, поправить или перенаправить.

Ricky-7-Yan/intelligent-audit-system — 1,2 тыс. звёзд

AuditPilot описывает агентов для корпоративных процессов с опорой на доказательства, управляемые инструменты, проверочные стенды, человеческое ревью и исправления. Проект интересен тем, что сразу говорит языком аудита: что сделал агент, на какие данные опирался, где нужен человек и как закрывать замечания. Для бизнеса это часто важнее, чем ещё один общий помощник.

CelestoAI/celesto — 987 звёзд

Celesto — защищённый постоянный компьютер для ИИ-агентов. Проект связан с изоляцией, браузерными агентами, управлением компьютером и безопасной песочницей. Тренд понятный: агентам всё чаще нужен не одноразовый запуск, а долговременное рабочее место, но такое место должно быть ограничено и наблюдаемо.

golf-mcp/golf — 840 звёзд

Golf — Python-каркас для создания, развёртывания и масштабирования защищённых MCP-серверов. В описании выделены авторизация, права доступа, наблюдаемость, отладка, телеметрия и поддержка среды выполнения. Это ровно тот слой, которого не хватает игрушечным MCP-серверам: если агенты начинают реально вызывать инструменты, вокруг них нужны производственные правила, журналы и контроль доступа.

Общий вывод: открытый агентный стек быстро взрослеет. Самые интересные проекты теперь конкурируют не обещанием «агент всё сделает», а ответами на скучные, но решающие вопросы: где он выполняется, какие у него права, как хранится память, как человек вмешивается и как потом доказать, что произошло.