Caveman je open-source framework zaměřený na tvorbu jednoduchých AI agentů bez složité infrastruktury. Snaží se odstranit vrstvy abstrakce, které se často objevují u agent frameworků, a nabídnout přímočařejší způsob, jak agenty stavět a řídit.
Za projektem stojí Julius Brussee, který ho prezentuje jako minimalistickou alternativu k robustnějším řešením. Cílem je dát vývojáři plnou kontrolu nad tím, co agent dělá, bez nutnosti učit se komplexní framework nebo DSL.
Caveman se hodí ve chvíli, kdy chceš rychle postavit agenta nad LLM a přesně definovat jeho chování. Typicky jde o scénáře jako tool calling, orchestraci kroků nebo jednoduché decision flows, kde nechceš být omezený předdefinovanými patterny.
Základní princip je jednoduchý. Agent je definovaný jako posloupnost kroků, které explicitně řídíš v kódu. Místo skrytých mechanismů máš přímou kontrolu nad tím, kdy se volá model, jak se zpracuje výstup a jak se rozhoduje o dalším kroku.
Framework je napsaný v Pythonu a počítá s integrací s běžnými LLM API. Díky jednoduché struktuře je snadné pochopit, co se v aplikaci děje, a upravit chování podle potřeby bez složitého ladění.
Zdroje: