eko

Eko：让自然语言驱动 AI Agent 工作流的工业级框架

背景故事：FellouAI 的野望

想象一下，你只需要对 AI 说一句"帮我分析 GitHub 上这个项目，生成一份竞品报告并发布到博客"，AI 就能像一位经验丰富的数字员工一样，自动完成信息收集、逻辑推理、撰写润色、平台发布——全程无需你手动拼接各种 API 和脚本。这不是科幻，而是 Eko 正在做的事情。

Eko 由人工智能公司 FellouAI 开发，成立于 2025 年，总部位于旧金山。FellouAI 的使命是"让 AI 真正走进日常工作流"，而 Eko 就是他们交出的答卷。2025 年 8 月，FellouAI 基于 Eko 2.0 框架推出了业界首个 Agentic AI Browser，将浏览器自动化与 AI Agent 工作流深度融合，引发行业关注。同年 11 月发布的 4.0 版本引入了聊天对话支持，进一步完善了人机交互体验。

从 2025 年初开源至今，Eko 已积累了接近 5000 颗 GitHub Stars，成为 Agentic Workflow 领域增长最快的开源框架之一。

什么是 Eko？

Eko 发音类似"echo"（回声），这个名字本身就暗示了它的核心理念：你说的话，经过 Eko 的"回声"处理，转化为可执行的动作序列。

如果你熟悉 LangChain，可以把 Eko 理解为"面向自然语言工作流的 LangChain 升级版"。但 Eko 的野心不止于此——它真正想做的是用自然语言替代传统的编程式工作流编排。

传统开发流程中，你要实现一个"抓取网页→提取数据→保存到数据库"的工作流，需要写 Python 脚本、调用各种库、调试 API。Eko 让你用自然语言描述这个流程："抓取 GitHub README，分析其中的技术栈，将结论存入 Notion"，然后 Eko 自动解析、规划、执行。

核心技术架构

Eko 采用了 monorepo 多包结构，整个项目组织如下：

包名	职责
@eko-ai/eko-core	核心引擎：Agent 抽象、工具调用、工作流图引擎
@eko-ai/eko-nodejs	Node.js 运行时适配，提供服务器端 Agent 执行能力
@eko-ai/eko-web	浏览器端适配，支持在前端直接运行 Agent
@eko-ai/eko-extension	浏览器插件，提供浏览器自动化能力

这种"核心+多运行时"的架构让 Eko 成为真正跨平台的 Agent 框架——你可以把它用在 Node.js 后端服务、浏览器前端页面，甚至 Chrome 扩展程序中。

从技术栈看，Eko 完全基于 TypeScript，核心使用 Rollup 打包，提供 ESM/CJS 双格式发布，类型完备。开发依赖中包含 Jest 测试框架和 TypeDoc 文档生成工具，工程质量较高。

核心功能一览

1. 自然语言驱动的 Agent 设计

Eko 的独特之处在于"自然语言优先"的 Agent 定义方式。开发者可以用自然语言描述 Agent 的角色和目标，Eko 自动生成对应的提示词模板和工作流图。传统的 LangChain 需要写 Python 代码拼接 prompt，而 Eko 让你直接用自然语言"写"工作流。

2. 多 Agent 并行执行

Eko 3.0 引入了"依赖感知的并行 Agent 执行"机制。多个 Agent 可以同时启动，Eko 自动处理它们之间的数据依赖关系——前一个 Agent 的输出会自动流转到下一个 Agent 的输入，无需手动编排。这是一个相对罕见的功能，LangChain 和 Coze 等平台目前都缺乏原生的多 Agent 并行支持。

3. 任务快照与恢复

Eko 3.0 还引入了 task_snapshot 工作流恢复机制：Agent 执行过程中可以被暂停（pause）、中断（interrupt），然后从断点处恢复（resume）。这对需要人工介入审批的长任务非常有价值——比如 AI 要执行转账操作，用户可以在中间步骤人工确认。

4. 浏览器自动化

通过 @eko-ai/eko-extension 包，Eko 支持浏览器内的 AI 操作。结合 Fellou 自己的 Agentic AI Browser，可以在浏览器环境中实现网页内容抓取、表单填写、内容发布等操作。与纯 Python 的 browser-use 方案相比，Eko 的方案在浏览器兼容性上有优势。

快速上手

安装（Node.js 环境）：

# 需要 Node.js >= 18 和 pnpm
pnpm add @eko-ai/eko @eko-ai/eko-nodejs

基础使用示例（来自官方文档）：

import Eko from @eko-ai/eko;

const eko = new Eko(claude-3.5);

// 用自然语言描述工作流
const workflow = await eko.generate(
  "Based on the README of FellouAI/eko, search for competitors, " +
  "write a blog post advertising Eko, and post it."
);

// 自然语言修改工作流节点
workflow.nodes[0].action.description += 
  `Be sure to use the URL https://github.com/FellouAI/eko`;

// 执行工作流
const result = await eko.execute(workflow);

相比 LangChain 动辄几十行代码，Eko 只需要几行自然语言描述就能启动一个完整的工作流。

部署与集成

Eko 是一个纯 SDK 包，没有提供 Docker 容器或 docker-compose 一键部署方案。对于想要快速体验的用户来说，需要自行准备 Node.js 环境。

好消息是，由于它只是 npm 包，集成到现有 Node.js 项目中非常自然——pnpm add 即可引入，不需要额外部署服务。对于 AI 应用开发者来说，这意味着可以把 Eko 嵌入到任何 Node.js 服务中，作为工作流引擎使用。

Eko 目前没有内置的 Web UI，但通过 @eko-ai/eko-web 可以构建前端界面。

局限与争议

1. 强依赖外部 LLM API

Eko 本身不包含任何模型推理能力，完全依赖外部 LLM API（如 Claude、GPT-4）。这既是优势（灵活性高）也是风险——一旦上游 API 涨价或服务中断，Eko 工作流也会受影响。项目使用了 Claude API 作为默认驱动，暗示了团队与 Anthropic 的合作关系。

2. 文档深度不足

虽然官网有 Architecture Overview 和 Getting Started 文档，但与 LangChain 相比，Eko 的社区文档、API 参考、示例数量都还比较有限。遇到复杂使用场景时，可能需要直接阅读源码。

3. 浏览器自动化局限性

eko-extension 的浏览器自动化能力取决于 Chrome 扩展程序的权限模型，无法处理需要复杂人机验证（如 reCAPTCHA）的场景。

4. 生态系统成熟度

作为 2025 年才开源的项目，Eko 的 npm 生态、第三方集成、活跃贡献者数量都与成熟框架有差距。目前 GitHub 上有 439 个 Fork，但只有 10 个 open issues，说明社区活跃度还有提升空间。

行业意义

Eko 的出现代表了一个趋势：AI 开发正在从"编程 AI"向"描述 AI"演进。过去，我们需要学习 LangChain 的 Python API 才能构建 Agent；现在，Eko 让你直接用自然语言"写"工作流。

从数据看，Eko 在 Online-mind2web 基准测试中取得了 80% 成功率（相比初版的 49% 提升了 31 个百分点），这个成绩已经超越了多数同类方案。它的多 Agent 并行、自然语言驱动、任务快照恢复等功能，在当前的开源 Agent 框架中属于较为领先的设计。

图1：FellouAI 官方标识

Eko 适合以下场景：

• 需要构建复杂多步骤 AI 工作流的 Node.js 应用开发者
• 希望用自然语言替代硬编码流程的产品经理和技术负责人
• 需要浏览器自动化能力的 AI 应用集成商

如果你正在寻找比 LangChain 更自然、比 Coze 更可控的 Agent 框架，Eko 值得一试。