本文是「Regnexe Python 实战系列」开篇（共 10 篇），系列文章会把 regnexe-py 仓库里 9 个可直接运行的示例（examples/readme/01~09）逐一拆解。建议收藏，跟着代码一篇一篇跑下来。

先问自己一个问题

你现在写 Python Agent，是不是大概长这样：

agent = create_deep_agent(
    model=model,
    tools=[get_weather, get_air_quality, search_docs, query_order],
    subagents=[travel_advisor, contract_checker],
)

原型阶段这样很好用：工具能调，模型能回，Demo 很快就能演示。

但只要它开始变成业务应用，问题就会一起冒出来：

• 工具越来越多，谁负责注册、分组、查询？
• 同一个用户的不同会话怎么区分？
• 上一次任务的结果，下一次能不能复用？
• 前端要展示“正在调用哪个工具”，事件从哪里来？
• 用户点了“停止”，后端 Agent 还在跑怎么办？
• DeepSeek、通义、OpenAI、Ollama 怎么统一切换？

问题不在于底层编排库不够好，而是 Demo 只证明“能跑”，业务应用还要继续解决插件、记忆、事件、身份、取消这些工程问题。

这就是我写 regnexe-py 的原因。

regnexe-py 是什么

一句话：regnexe-py 是一个面向应用落地的 Python Agent 框架。

它的重点不是再造一个 Demo，而是补齐 Agent 应用真正会用到的工程层：

业务插件 / Tool / Skill / Sub-Agent
          │
          ▼
Marketplace 能力市场
          │
          ▼
RegnexeAgentBuilder
          │
          ▼
deepagents / LangGraph 运行时
          │
          ▼
AgentResult + 事件 + 记忆 + 取消控制

你仍然可以用 LangChain 的 @tool，仍然可以用 deepagents 的能力模型；区别是 regnexe-py 会把这些能力放进一个更适合应用开发的结构里。

先看一个最简例子

安装：

pip install regnexe-py

配置模型 Key：

export DEEPSEEK_KEY=sk-...
export ALIYUN_KEY=sk-...
export OPENAI_API_KEY=sk-...

然后直接注册一个 LangChain tool，发起一次最简单的调用：

import asyncio

from langchain_core.tools import tool
from regnexe import ConsoleEventListener, RegnexeAgentBuilder, Vendor

@tool
def get_weather(city: str) -> str:
    """Get today's weather for a city."""
    return "Beijing: sunny, 22 C, excellent air quality."

async def main() -> None:
    agent = (
        RegnexeAgentBuilder()
        .with_default_model(Vendor.DEEPSEEK, "deepseek-v4-flash")
        .with_tool(get_weather)
        .with_event_listener(ConsoleEventListener())
        .build()
    )

    result = await agent.ainvoke(
        "Check today's weather in Beijing. Is it good for outdoor running?"
    )

    print(result.status)
    print(result.final_text)


asyncio.run(main())

接上 ConsoleEventListener 之后，控制台能直接看到 Agent 在做什么：

[AGENT ▶] RegnexeAgent
          goal: Check today's weather in Beijing. Is it good for outdoor running?
[TOOL  ▶] mcp_tool:get_weather  input={"city": "Beijing"}
[TOOL  ■] mcp_tool:get_weather  output=Beijing: sunny, 22 C, excellent air quality.
[AGENT ■] status=completed

这就是开篇想强调的核心：regnexe-py 不是让你多写一层包装，而是把工具、模型、事件和结果收进同一个应用入口里。多工具协作、工具选择和结果合并，下一篇再展开。

这套框架到底有什么能力？

接下来 9 篇文章，会按这个顺序拆仓库里的 examples/readme/：

#	主题	一句话
01	with_tool 多工具入门	不建插件类，直接把 LangChain tool 接进 Agent
02	Skill vs Sub-Agent	Skill 借工具、继承模型；Sub-Agent 拥有私有工具和独立模型
03	PluginDescriptor 打包	Tool、Skill、Sub-Agent 统一变成能力描述符
04	@plugin 装饰器	普通 Python 类一次注册工具、Skill、Sub-Agent
05	目录加载	plugin.yaml + SKILL.md 让能力脱离发版流程
06	Marketplace	能力市场可以替换成 DB / 配置中心
07	会话记忆机制	用 session_id 接住 LangGraph 上下文，跨 session 只做轻量任务摘要
08	可观测性	LLM 调用、工具调用、Token 用量都能通过事件暴露
09	取消与继续	acancel() 真的取消后端任务，不只是停前端流

每一篇都不是空对空讲概念，代码都来自仓库里的真实示例。

为什么不是“又一个 Agent Demo”

Demo 看的是“模型能不能调工具”。应用看的是“这套东西能不能长期维护”。

regnexe-py 解决的不是一次工具调用，而是这些更工程化的问题：

• 能力怎么注册、打包、查询、替换
• 用户、会话、应用身份怎么贯穿一次运行
• 任务结果怎么沉淀到后续会话
• 执行过程怎么暴露给日志、前端和监控
• 运行中的任务怎么被用户主动取消
• 多模型厂商怎么统一路由

小实验可以直接用 deepagents。只要 Agent 开始接业务插件、用户系统、审计日志、前端流式界面，regnexe-py 就有意义。

---

📌 项目地址：https://github.com/flower-trees/regnexe-py ，顺手点个 ⭐ 不迷路
📌 下一篇：01. 10 行代码跑通 LLM 多工具调用！不用插件、不建类，with_tool 直接上手