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：
pipinstallregnexe-py配置模型 Key：
exportDEEPSEEK_KEY=sk-...exportALIYUN_KEY=sk-...exportOPENAI_API_KEY=sk-...然后直接注册一个 LangChain tool，发起一次最简单的调用：
importasynciofromlangchain_core.toolsimporttoolfromregnexeimportConsoleEventListener,RegnexeAgentBuilder,Vendor@tooldefget_weather(city:str)->str:"""Get today's weather for a city."""return"Beijing: sunny, 22 C, excellent air quality."asyncdefmain()->None:agent=(RegnexeAgentBuilder().with_default_model(Vendor.DEEPSEEK,"deepseek-v4-flash").with_tool(get_weather).with_event_listener(ConsoleEventListener()).build())result=awaitagent.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
