Open Source · Apache 2.0 · Python 3.11+
Phronesis (φρόνησις): für Aristoteles, praktische Weisheit — die Fähigkeit, gut zu deliberieren und in konkreten Situationen mit Urteilsvermögen zu handeln. Ein LLM verfügt über episteme (Wissen). Ein Agent benötigt phronesis.
from phronesis import Agent, anthropic
researcher = Agent(
name="researcher",
model=anthropic("claude-opus-4-7"),
system_prompt="You investigate questions thoroughly and cite sources.",
)
answer = await researcher.run("What is phronesis in Aristotelian ethics?")from phronesis import Agent, anthropic
researcher = Agent(
name="researcher",
model=anthropic("claude-opus-4-7"),
system_prompt="You investigate questions thoroughly and cite sources.",
)
answer = await researcher.run("What is phronesis in Aristotelian ethics?")Warum Phronesis
LLMs wissen Dinge — das ist Episteme. Aber Agenten müssen entscheiden und handeln mit Urteilsvermögen in konkreten Situationen. Das ist Phronesis. Die meisten Agent-Frameworks behandeln Agenten als erweiterte Chatbots, die an eine Tool-Use-Schleife geklebt sind. Phronesis behandelt sie als deliberative Systeme mit expliziten Verträgen: typisierte Eingaben, deklarierte Effekte, begrenzter Speicher, benannte Ausführungsmuster.
Bestehende Frameworks erzwingen eine Wahl. Auf der einen Seite schreibt man beliebigen Kontrollfluss als Code: maximale Ausdrucksstärke und ein Multi-Agenten-System, das sechs Monate später niemand debuggen kann. Auf der anderen wird alles in YAML oder Graph-Buildern beschrieben: auf den ersten Blick lesbar, unmöglich, sobald etwas Nicht-Triviales nötig ist. Phronesis trennt deklarative Spezifikation von der Laufzeitausführung. Agenten, Tools, Speicher und Pipelines sind typisierte, unveränderliche, JSON-serialisierbare Specs. Ausführungsmuster stammen aus einem geschlossenen, klar definierten Katalog — Ausdrucksstärke ohne Chaos.
Jeder Lauf ist über OpenTelemetry beobachtbar, jede Spec ist versionierbar, jeder Vertrag ist eine Laufzeitprüfung, kein Kommentar in einem Prompt. Das ist der Unterschied zwischen einem Framework, das Demos produziert, und einem, das Systeme produziert, die man betreiben kann.
Code-Tour
Ein Agent bindet ein Modell, Tools und Speicher unter einer einzigen deklarativen Spec.
from phronesis import Agent, anthropic
from phronesis.memory import SemanticMemory
agent = Agent(
name="assistant",
model=anthropic("claude-opus-4-7"),
tools=[search_web, read_file],
memory=SemanticMemory(scope="session"),
system_prompt="You are a careful research assistant.",
)from phronesis import Agent, anthropic
from phronesis.memory import SemanticMemory
agent = Agent(
name="assistant",
model=anthropic("claude-opus-4-7"),
tools=[search_web, read_file],
memory=SemanticMemory(scope="session"),
system_prompt="You are a careful research assistant.",
)Muster
Agenten, die Informationen sammeln, darüber schlussfolgern und Antworten mit Quellenangaben synthetisieren.
Agenten, die Dokumente lesen, strukturieren und auf ihnen handeln, mit explizitem Gedächtnis dessen, was sie gesehen haben.
Pipelines, die spezialisierte Agenten durch Übergaben, Debatte oder Konsens komponieren.
Agenten, die typisierte Tools und MCP-Server unter expliziten Sicherheitsverträgen aufrufen.
Prinzipien
Agenten werden aus Teilen konfiguriert — Modell, Tools, Speicher, Prompts — nicht unterklassiert. Sie setzen zusammen; Sie überschreiben nicht.
Streaming, Nebenläufigkeit und Abbruch sind Grundannahmen. Es gibt keine synchrone Schatten-API zu pflegen.
Pydantic v2 überall. Typen sind keine Dokumentation — sie sind Laufzeitverträge, die das Framework durchsetzt.
Definitionen sind JSON-serialisierbar und reproduzierbar. Ausführungszustand lebt getrennt, beobachtbar und abfragbar.
OpenTelemetry-Spans für jeden Agent-Lauf, Tool-Aufruf und jede Pipeline-Stufe — vom ersten Commit an, nicht nachträglich angeschraubt.
Sequence, Parallel, ReActLoop, Consensus, Debate, Handoff. Benannte Modi, über die man nachdenken kann — kein beliebiger Kontrollfluss.
Was drin ist
Die Primitive, aus denen jeder Agent gebaut ist.
Wie Agenten sich erinnern und was sie teilen.
Wie Agenten sich zu Systemen komponieren.
Installieren
$pip install phronesis-framework
Projektstatus
Die API wird sich ändern. Wir arbeiten öffentlich, um ein Framework zu bauen, das Agentensysteme ernst nimmt — typisiert, komponierbar, beobachtbar. Keine Produktionsbehauptungen, keine erfundenen Fallstudien, keine Enterprise-Schranken. Nur der Code und ein ehrliches Bekenntnis zu seinem Design.
Feedback, Ideen und Beiträge sind über GitHub Discussions und Issues willkommen. Die Roadmap, die rauen Kanten und die offenen Fragen sind alle im Repository.
