这两天看到一个挺有意思的开源项目，叫 724-office。它不走现在常见的那种“大框架套大框架”路线，反而有点反常识：8 个文件、3500 行纯 Python、几乎零框架依赖，却拼出了一个能长期运行的 AI Agent 系统。 这种项目不一定花哨，但很适合拿来真正看懂 Agent 到底是怎么工作的。
很多人现在一提 Agent，脑子里先蹦出来的是 LangChain、AutoGen、CrewAI，或者一堆花里胡哨的工作流编排。不能说这些东西没用，但学到后面，确实很容易被“框架感”带跑：你知道怎么调接口、怎么接节点，却还是说不清一个 Agent 为什么能跑起来，为什么会失控，又为什么总是忘事。
724-office 有意思的地方就在这。它几乎是在反着来。
整个系统只用 Python 标准库 + 3 个小包，没有那种很重的抽象层，也没有把逻辑藏进一层层封装里。你打开代码，看到的不是“概念”，而是很具体的执行链条：任务怎么进来，工具怎么调，记忆怎么存，状态怎么续，失败怎么兜底。那种感觉有点像把 Agent 拆开给你看，骨架都在外面。
更关键的是，它不是只能 demo 一下。项目里已经内置了 26 个工具，覆盖网页搜索、视频处理、企业微信集成、多模态解析这些高频场景。也就是说，它并不是“写给别人看”的玩具代码，而是明显带着生产思路在设计的。你能感觉到作者不是在凑功能点，而是真的考虑过：一个系统如果要 24/7 持续跑，哪些能力是绕不过去的。
我自己尤其在意它的记忆设计。
很多 Agent 项目看起来很聪明，聊两轮也挺像样，但一拉长周期就露馅：前面说过的话忘了，做过的事断了，甚至连自己刚刚调用过什么工具都接不上。724-office 这里做了 三层记忆机制，再配合向量检索，明显是在认真处理“长期记忆”这件事。这个问题其实特别现实——Agent 一旦想走出演示环境，记忆不是加分项，是底座。
还有一个点我觉得很值钱：它支持 无缝接入 MCP 协议。
这意味着它不是一个封死的孤岛。你可以把外部服务、外部工具链继续往里接，把 Agent 的能力边界往外推。现在很多人讨论 Agent，讨论半天其实都卡在“会不会调用工具”上，但更实际的问题是：怎么让它接入真实世界里已经存在的服务系统。724-office 在这件事上，至少给出了一条很干净的路径。
当然，它最打动我的，可能还是“干净”。
不是那种为了极简而极简的样板代码，而是你能明显感觉到，作者在克制：不乱上依赖，不把简单问题包装复杂，也不急着把项目写成一个什么“下一代 Agent 平台”。这反而让它更适合学习。因为你终于可以绕开一堆框架语法，直接看 Agent 最核心的几件事：规划、调用、记忆、续跑、对外连接。
说白了，724-office 不一定是功能最猛的 Agent 项目，但它很像一本摊开的“系统实现手稿”。 如果你最近正好想摆脱框架幻觉，想从底层重新理解 Agent 是怎么活起来的，这份代码，真的值得拆。
