用途：面向 Agno 框架的 AI 智能体开发辅助，覆盖构建带工具、记忆与结构化输出的 Agent，创建基于角色委派的多智能体 Team，实现带条件分支、循环与异步执行的 Workflow，集成 MCP 服务器，以及部署 AgentOS 运行时。
主要能力：Agent 支持模型、工具、指令、记忆与知识；Team 支持成员间协作与角色委派；Workflow 支持路由、条件分支、循环、并行与输入 schema 校验；MCP 集成提供 MCPTools（单个服务器，stdio、SSE、Streamable HTTP）与 MultiMCPTools（多服务器）；记忆与知识包括会话记忆（PostgreSQL、SQLite、GCS 等）与 RAG 知识库；还涉及 JWT 中间件、自定义 FastAPI 应用、调试模式与远程监控等。
使用方式：基础用法为定义 Agent 并调用 print_response，例如： from agno.agent import Agent from agno.tools.duckduckgo import DuckDuckGoTools agent = Agent(tools=[DuckDuckGoTools()], markdown=True) agent.print_response("Search for the latest AI news", stream=True) 结构化输出可通过 Pydantic 模型与 output_schema 实现；MCP 工具在异步上下文中使用，需先 connect、用完 close；持久会话通过 db 与 session_id 配置；AgentOS 可合并自定义 FastAPI 应用并提供 serve 入口。
适用场景：多智能体协作、工具调用与外部数据源接入、MCP 服务编排、带条件分支的研究型工作流、RAG 知识问答，以及将智能体以 API 形式部署到生产环境。
限制：以上内容基于提供的资料整理，未说明具体安装命令、版本号、收费价格、模型供应商支持范围或性能指标；部分能力依赖外部数据库与 API 密钥，实际使用需自行配置。官方文档与示例地址为 https://docs.agno.com 与 https://github.com/agno-agi/agno。