AWorld

inclusionAI 的 AWorld（Agent World）是一个用来构建代理及其运行环境的框架。README 把它所说的“代理学习配方”分成四部分：环境接入、代理构建、经验检索（把运行记录变成训练样本）和模型训练，思路是代理可以用同样的组件来自我改进。安装方式是从源码：克隆仓库后 `pip install -e .`，需要 Python 3.11 及以上。

它把代理描述为“模型加工具”。你需要一个模型端点和一个环境，比如项目提供的托管 MCP 环境或你自己的 MCP 工具链，README 的示例用 `Agent(name=..., system_prompt=..., mcp_config=...)` 构建一个搜索代理，并用 `Runners.sync_run` 运行。LLM 凭据通过 `LLM_MODEL_NAME`、`LLM_API_KEY` 和 `LLM_BASE_URL` 设置。它还涵盖工作流、支持 MCP 的代理和多代理系统，并在线上演示场里提供了预置的 DeepResearch 团队。

面向训练，运行时会记录完整的任务轨迹（每次 LLM 调用、动作和奖励），还有单步检查的 `step()` 模式，用来合成样本和注入中间奖励。环境方面，README 列出的默认方式是托管环境，需要花钱的工具有有限的免费额度；自带密钥和自托管 Docker 镜像则标为“即将推出”。许可为 MIT，最近一次推送是 2026-10-12。本评测依据 README 和仓库数据，我们没有实际运行过它。