LiteLLM Agent Control Plane 支持的 8 大 Agent 运行时全景图：从 Claude 到 OpenCode 一网打尽

LiteLLM Agent Control Plane（下称 LAP）是一个"一个入口调用所有 Agent"的统一控制平面：无论底层跑的是 Claude Managed Agents、Cursor Agents API、OpenCode，还是 Hermes、DeepAgents，你都可以通过同一套 UI 和 REST API 创建 Agent、发起会话、订阅事件流，无需分别对接各家控制台。本文带你一图看懂它支持的 8 大 Agent 运行时，并给出快速上手步骤和选型建议。

一张图看懂 8 大运行时

LAP 的设计哲学很简单：运行时是插件，控制平面不变。它内置了 3 个托管运行时、1 个 Elastic 桥接运行时，以及 4 个可通过 Docker Compose 一键拉起的本地模板运行时，外加一个可选的 Pydantic Deep Agents 桥接模板，覆盖主流 Agent 生态：

💡 本地模板运行时的定义清单见 templates/manifest.json，UI 侧的模板元数据在 src/ui/src/lib/runtime-templates.ts。

3 个内置托管运行时：Claude、Cursor、Gemini

这三个运行时是**内置（built-in）**的，不需要注册任何自定义 harness，在设置里填入对应厂商的 API Key 即可使用。UI 中的内置运行时枚举定义在 src/ui/src/lib/types.ts 的BuiltinRuntimeId中。

1️⃣ Claude Managed Agents：默认开箱即用

这是 LAP 的默认运行时（claude_managed_agents）。LAP 会把 Agent 创建、会话管理、事件流全部代理给你的网关，团队不需要直接触碰 Anthropic 凭证——密钥加密存储在 LAP，运行时才注入到请求中。

• 事件流遵循 Anthropic Managed Agents SSE 格式：agent.message、agent.tool_use、session.status_idle等
• 文档：docs/runtimes/claude-managed-agents.mdx

2️⃣ Cursor Agents API：带仓库上下文的后台 Agent

Cursor 运行时让你创建并运行 Cursor 后台 Agent，会话支持repository + PR 上下文（environment字段可指定仓库、分支、是否自动建 PR）。LAP 会把 Cursor 原生的assistant/tool_call/status/result事件归一化为 Anthropic 标准事件面，让你的调用代码与运行时完全解耦。

• 文档：docs/runtimes/cursor.mdx

3️⃣ Gemini Antigravity：Google 系托管 Agent

gemini_antigravity运行时让 LAP 通过同一套 Session API 创建并运行 Gemini 托管 Agent，并内置code_execution、google_search、url_context三类工具。

• 文档：docs/runtimes/gemini-antigravity.mdx

Elastic Agent Builder：复用你已有的 Elastic Agent

与其他运行时"新建 Agent"不同，Elastic 运行时（elastic_agent_builder）是绑定型的：LAP 保存一条本地 Agent 记录，将其绑定到你 Kibana 中已存在的 Elastic Agent Builder Agent ID，之后把 prompt 通过 Kibana 的/api/agent_builder/converse/async接口转发过去。适合已在 Elastic 生态中运营 Agent 的团队直接"接管"。

• 文档：docs/runtimes/elastic-runtime.mdx

4 个本地模板运行时：Docker Compose 一键拉起

OpenCode、OpenClaw、Deep Agents、Hermes 都以模板桥接服务的形式提供，位于 templates/ 目录下。它们统一对外暴露Anthropic Managed Agents API 规范，因此 LAP 可以用同一套 SDK 和事件流驱动所有运行时。

以 OpenCode 为例，一条命令启动整栈（LAP 服务 + Postgres + OpenCode 运行时），服务健康后会自动向 LAP 注册local-opencode：

docker compose --profile opencode up

OpenClaw、Deep Agents、Hermes 只是把--profile换成openclaw、deepagents、hermes，还支持组合使用。

• OpenCode 文档：docs/runtimes/opencode.mdx
• OpenClaw 文档：docs/runtimes/openclaw.mdx
• Deep Agents 文档：docs/runtimes/deepagents.mdx

彩蛋：Pydantic Deep Agents 桥接模板

除了官方 8 个运行时，LAP 还提供 templates/pydantic-deepagents/ 桥接服务：它把 Pydantic AI 生态的 Deep Agents 框架（规划、子 Agent、持久记忆、沙箱执行、成本管控）包装成 Anthropic Managed Agents 兼容服务，以"自定义运行时"方式注册即可，无需为 LAP 新写 Rust 适配器。文档见 docs/runtimes/pydantic-deepagents.mdx。

快速上手：3 步跑通第一个 Agent

第 1 步：启动。前提是安装好 Docker Desktop，然后执行docker compose --profile opencode up，打开http://localhost:4000，用主密钥（默认sk-local）登录。

第 2 步：添加凭证。在Settings → Credentials中添加模型提供商（如 Anthropic、OpenAI）的 API Key；托管运行时则在Agent Runtimes页面对应运行时下填入 Key。

第 3 步：创建并运行。点击New Agent，选择运行时、模型并写入系统提示词，然后在聊天面板选择 Agent 与目标运行时即可开始对话。

架构亮点：单服务 + 单库，事件流统一

LAP 刻意保持小巧：一个 Docker 镜像（lite服务）+ 一个 Postgres 数据库，UI、REST API、LiteLLM 网关路由、MCP 代理、Slack 回调、运行时事件流全部由同一进程提供服务，架构细节见 docs/learn/architecture.mdx。

得益于 Rust 实现，作为网关的代理开销极低（下图为示例性对比，非实测）：

选型建议：该选哪个运行时？

总结

LiteLLM Agent Control Plane 用统一 API、统一 UI、统一事件流把 8 大 Agent 运行时收进一个控制平面：3 个内置托管运行时填 Key 即用，Elastic 桥接复用存量 Agent，4 个本地模板运行时一条 Compose 命令拉起，还有 Pydantic Deep Agents 作为扩展彩蛋。配合会话持久化、CRON 定时任务、跨会话记忆和 Slack / Teams / Google Chat 等消息渠道（渠道总览见 docs/channels/），你可以真正做到"一次集成，多运行时切换"。

官方完整文档入口：docs/introduction.mdx 与 docs/quickstart.mdx。