Что это
DAGent позволяет описывать поведение AI-агентов в виде направленного ациклического графа (DAG): каждый узел графа представляет отдельный шаг или инструмент, а рёбра задают порядок и зависимости между ними. Такой подход исключает циклы и непредсказуемые петли, которые часто возникают в агентных системах. Фреймворк написан на Python и распространяется как открытый исходный код на GitHub.
Что даёт
Разработчик получает прозрачную и воспроизводимую архитектуру агента: видно, какой шаг за каким следует и почему. Это сокращает время отладки сложных цепочек и снижает риск непредвиденного поведения агента в продакшне. На выходе получается агент с предсказуемым потоком управления, который проще тестировать и масштабировать.
Кому подходит
Подходит Python-разработчикам и ML-инженерам, которые строят многошаговых AI-агентов и хотят контролировать порядок вызовов инструментов без лишней магии внутри фреймворка.
Инструменты помогают сделать работу, но результат тут же теряется в чатах и вкладках. ENGRAM собирает находки, документы и переписку команды в единую ИИ-память и находит нужное по смыслу со ссылкой на источник. Данные в России.
Доступ из России
Проект размещён на GitHub, доступ из России возможен напрямую или через VPN при необходимости. Установка через pip, внешних платёжных шлюзов нет. Зависимости от зарубежных LLM-провайдеров определяются самим разработчиком при настройке агента.
Цена
Open-source (бесплатно, лицензия на GitHub)