NVIDIA 开源 NOOA:一个 Python 类就是一支 AI Agent 团队

导语

过去两年，Agent 框架的复杂度一路膨胀：LangChain 给了你链（chains），LlamaIndex 给了你索引（indexes），CrewAI 给了你团队（crews）。要用它们跑通一个小任务，开发者往往得先内化一整套全新的心智模型——图怎么画、YAML 怎么配、回调链怎么接。

本周，NVIDIA Labs 把这套繁文缛节一刀砍断，开源了 NOOA（NVIDIA Object-Oriented Agents）：它最核心的宣言只有一句——Agent 不是图，不是链，也不是 YAML 流水线，而是一个 Python 类。项目以 Apache 2.0 协议发布在 NVIDIA-NeMo/labs-OO-Agents，并随 NVIDIA 37 成员组成的 Open Secure AI Alliance 一同亮相。

一、一个类，就是一支 Agent 团队

NOOA 的设计可以用一张精确到"一一对应"的映射表来概括：

• Class = Agent 本身
• Method = 模型可以执行的动作
• Field = 跨步骤持久化的 Agent 状态
• Docstring = 该动作的提示词
• Type annotation = 运行时会强制执行的契约

换句话说，你不再需要单独的 tool 注册表、不再手写 JSON schema、不再维护一份游离的系统提示词、不再画图的边。一个类，就是以上全部。

最"简单到近乎粗暴"的巧思，藏在方法体里：

• 写一个方法体为 ...，运行时会由一个 LLM 驱动的循环来补全它；
• 写一个普通的方法体，它就老老实实跑确定性的 Python，不调用任何模型。

from nooa import agent, llm

@agent
class TriageBot:
    """Triages incoming bug reports for a Python web service."""
    open_issues: list[str] = []

    @llm
    def classify(self, report: str) -> str:
        """Return exactly one of: 'crash', 'perf', 'ux', 'security'."""
        ...

    @llm
    def draft_reply(self, report: str, category: str) -> str:
        """Write a two-sentence acknowledgement for the reporter."""
        ...

    def record(self, report: str) -> None:
        # 确定性代码，绝不调用模型
        self.open_issues.append(report)

这里有三件事在真正起作用：-> str 的返回类型被强制校验——模型哪怕"心情不好"想塞个 dict 进来，运行时也不会答应；docstring 就是提示词，紧贴着它管辖的签名，而不是漂在某个单独文件里；而 record 是普通 Python，所以 append 永远只发生一次，无论模型怎么折腾。

NOOA 真正的论点就藏在这最后一点：大多数 Agent 的 bug 不是模型失败，而是编排失败——本该确定性的东西，被错误地路由进了一个语言模型。NOOA 让确定性路径成为默认，模型路径变成显式的 opt-in。

二、253 行代码，跑出 SWE-bench 82.2%

让人意外的是，这种"极简"并非牺牲了能力。一个仅 253 行 的 NOOA Agent，在 SWE-bench Verified 上拿下了 82.2%（使用 GPT-5.5、xhigh effort），高于 OpenCode 的 78.6% 和 PI 的 78.2%；即便换成 Claude Opus 4.6，也有 79.8%。

关键在于"类型注解即契约"——可靠性收益很大一部分来自这里，而不是来自更复杂的编排。当输入输出都被强类型约束，模型"自由发挥"的空间被压缩，出错率自然下降。

这也是 NOOA 与 LangGraph / CrewAI 那类"图式框架"最大的区别：调试 Agent 不再需要去翻五个文件找提示词漂移，而是 pdb.set_trace()、cProfile、pytest——你从学 Python 第一天就在用的那套。Agent 终于"像普通软件一样"可测试、可追踪、可重构。

三、模型无关，且必须沙箱

NOOA 从设计上就是模型无关的：它不绑定任何单一供应商，正好呼应了本期《大模型开始像打补丁一样发布》里那个结论——当引擎可以随时换掉，框架层的"可移植性"才是护城河。

但也有一个绕不开的安全前提：NOOA 允许执行 LLM 生成的 Python 代码，所以沙箱不是可选项，而是必选项。官方明确建议配合 NVIDIA OpenShell 这类隔离环境运行，并在执行前做 AST 校验、施加模块 deny-list——这些只是"纵深防御"，而非真正的 containment 边界。

四、结语

NOOA 的流行，本质上是对过去两年 Agent 框架"过度抽象"的一次反拨：开发者想要的，不是去配置一条流水线，而是写一段能顺手调用大模型的 Python。

当 Agent 回归成一个普通的 Python 类，"一个类就是一支团队"不再是一句口号，而是真的可以 pytest 的对象。对于 prototyping、做实验，或者教别人 Agent 概念而不必先学一套私有框架的怪癖——这大概正是生态此刻最需要的那块拼图。