这几年 AI agent 框架基本被 Python 垄断了——LangChain、CrewAI、AutoGPT等生态确实繁荣但如果你主力语言是 Go想集成 agent 能力就非常尴尬。要么在 Go 里使用 subprocess 调 Python要么用一些半成品 Agent。体验嘛都是泪。直到我遇到了covonaut。先说结论这应该是 Go 生态里目前最完整的 agent 框架可能没有之一。零外部依赖整个框架零外部运行时依赖go.mod 里只有一个 gorilla/websocket。从 agent 循环、LLM 调用、工具执行到 TUI 界面、协议实现全部从头实现接近 9 万行代码。这意味着什么go get 完就能用没有 pip install 几十个包没有版本冲突没有 Python 环境管理。对 Go 开发者来说这个体验太自然了。七种类型的 LLM Provider 协议开箱即用OpenAIchat 和 responses、Anthropic、Gemini、AWS Bedrock、GCP Vertex、GitHub Copilot、Mistral——几乎主流的大模型协议都覆盖了都支持 streaming 和 token 统计。换模型就是换一行 importprovider : openai.New(...) // 改成 provider : gemini.New(...)四个通信协议原生实现covonaut 让我眼前一亮的是原生实现了 A2AAgent-to-Agent、ACP、MCP Client、AGUI 四个协议。其中 A2A 是 Google 推的 agent 间通信标准covonaut 把它实现完整了——Agent Card 发现、任务生命周期、SSE streaming、WebSocket、Push Notification一应俱全。也完整实现了 A2UI一个声明式 UI 协议让 agent 可以在客户端渲染表单、仪表盘支持 JSON Pointer 数据绑定和校验。agent 不仅能对话还能直接生成界面。自研 TUI 框架这个可能是最让我意外的部分——作者没选社区中成熟的 TUI 框架而是自己从头写了完整的 TUI 框架Elm 架构的事件循环、差分渲染、Kitty 协议键解析、Markdown 渲染、图片显示、自动补全……近百个文件。没有外部 TUI 依赖意味着终端 UI 风格完全自控不会有版本冲突。DAG Pregel图执行引擎普通的 DAG 拓扑排序执行不算稀奇但 covonaut 还实现了Pregel——Google 那篇超级步super-step迭代模型适合有环的 state graph。而且用一个统一的 Runner 管理两种模式支持 checkpoint 和 human-in-the-loop 中断恢复。内置工具集也很足读写文件、bash、git、web 搜索、视觉分析、浏览器自动化、电脑操控、MCP 桥接……常用的 agent 工具都基本内置了。每个工具还支持操作注入比如把文件操作委托给 SSH 远程执行。小结如果你团队的主力栈是 Go又想认真做 agent 应用covonaut 值得花时间看看。它解决的问题很实在——在 Go 里完整地做 agent不需要 Python 做替补。GitHub: github.com/covoyage/covonaut