为什么用 PHP 写 AI Agent 而不是 Python

Tinywan

发布于 2026-07-01 16:24:06

290

文章被收录于专栏：开源技术小栈开源技术小栈

自恋一下

2026 年了，用 PHP 写 AI Agent，可能比 Python 更香。

Neuron AI

什么是 Neuron？

Neuron 是面向 PHP 的「Agentic 框架」，用来创建与编排 AI Agent，并提供 LLM 接口、数据加载、多 Agent 编排、RAG、监控与调试等完整生命周期支持。说白了，它就是 PHP 的「LangChain/LlamaIndex 级存在」，但专为 PHP 工程师设计。

支持多 LLM：Anthropic、OpenAI、Gemini、XAI、Bedrock、Azure 等，一行代码切换提供商
内置工具包：计算器、SQL 查询、API 集成等，也支持自定义工具
兼容主流 PHP 框架：Laravel、Symfony、WordPress，或你自己的 MVC

为什么选 Neuron？

方案	学习成本	生态兼容	维护成本
自己封装 LLM + 工具调用	高	一般	高
直接用 Python LangChain	低	与 PHP 业务割裂	高
Neuron（PHP）	低	与 PHP 代码同仓库同部署	中低

我们选 Neuron 的理由很简单：

不用在 Python/PHP 间切换技术栈；
Agent 和业务逻辑共用数据库、缓存、鉴权、中间件；
团队都是 PHP 工程师，上手成本几乎为 0。

webman + Neuron

webman 是什么？

webman 是基于 Workerman 的高性能 PHP Web 框架，支持 HTTP / WebSocket / TCP / UDP，并采用常驻内存、协程、连接池等技术，把 PHP 的性能天花板抬高了不止一个档次。关键特性：

常驻内存：避免 PHP-FPM 请求—重启的重复开销；
高性能：官方与第三方压测显示，带 DB 查询时，webman 的单机吞吐可达数十万 QPS，远超传统 PHP-FPM 框架；
自定义进程：可以在同一进程组里跑监听、队列、定时任务、Agent 调度等长期进程；
二进制打包：支持打包成 phar，甚至在部分场景可以“不依赖 PHP 源码运行”。把这些能力用在 AI Agent 上，意味着：
Agent 和 HTTP API、WebSocket、业务系统可以“同居一个进程/服务器”；
工具调用、RAG、多 Agent 编排可以直接访问本地 ORM/Redis，无跨服务延迟；
扩容方式与普通 Web 服务一致，运维几乎无新增心智负担。

项目结构示例

下面这个结构是你可以直接照抄的“最小可用项目骨架”。

php-neuron-agent/
├── app/
│   ├── controller/
│   │   └── AgentController.php   # HTTP 入口
│   ├── agent/
│   │   ├── Orchestrator.php      # 多 Agent 编排/调度
│   │   └── agents/
│   │       ├── CustomerServiceAgent.php
│   │       ├── DataAnalysisAgent.php
│   │       └── ToolsAgent.php
│   └── middleware/
├── config/
│   ├── neuron.php
│   ├── database.php
│   └── redis.php
├── public/
│   └── index.php
├── process/
│   └── AgentMonitor.php          # webman 自定义进程（可选：Agent 监控/队列）
├── composer.json
├── Dockerfile
└── docker-compose.yml

第一步：引入 Neuron

composer require neuron-core/neuron-ai

Neuron 提供了一个 Agent 基类，你只需要继承并实现：

provider()：指定 LLM 提供商和模型
instructions()：设置系统提示（角色、背景、规则）
tools()：注册可用工具/工具包

第二步：写一个“客服 Agent”的示例

// app/agent/agents/CustomerServiceAgent.php
namespace app\agent\agents;
use NeuronAI\Agent;
use NeuronAI\Chat\Messages\UserMessage;
use NeuronAI\SystemPrompt;
use NeuronAI\Providers\Anthropic\Anthropic;
use NeuronAI\Providers\AIProviderInterface;
use NeuronAI\Tools\Toolkits\CalculatorToolkit;
class CustomerServiceAgent extends Agent
{
    protectedfunction provider(): AIProviderInterface
    {
        // 一行切换 Anthropic/OpenAI/Gemini 等
        returnnew Anthropic(
            env('ANTHROPIC_API_KEY'),
            'claude-4-5-sonnet'
        );
    }
    publicfunction instructions(): string
    {
        return (string) new SystemPrompt(
            background: [
                '你是一个友好的客服助手。'.
                '基于公司知识库与订单数据回答问题，语气专业且简洁。'
            ]
        );
    }
    publicfunction tools(): array
    {
        return [
            CalculatorToolkit::make(),       // 计算类工具
            // OrderToolkit::make(),          // 自定义订单查询工具
            // KnowledgeBaseToolkit::make(), // 自定义 RAG 工具
        ];
    }
}

第三步：在 webman 控制器里调用 Agent

// app/controller/AgentController.php
namespace app\controller;
use support\Request;
use app\agent\agents\CustomerServiceAgent;
use NeuronAI\Chat\Messages\UserMessage;
class AgentController
{
    publicfunction chat(Request $request)
    {
        $q = $request->input('question', '');
        $agent = CustomerServiceAgent::make();
        $response = $agent->chat(new UserMessage($q));
        return json([
            'answer' => $response->getMessage()->getContent(),
        ]);
    }
}

如果你愿意，也可以通过 webman 的自定义进程，把 Agent 调度做成后台长期服务（监听队列、定时触发等），与 HTTP 服务共享同一套基础设施。

多 Agent 协作架构（Orchestrator）

当业务变复杂时，通常需要多个“专职 Agent + 编排层”。

架构图

┌───────────────────────────────────────────────────┐
│                 Claude Code（主 Agent）             │
│  - 任务拆解                                       │
│  - 最终审核 & 输出                                │
└──────┬───────────────────────────────┬─────────────┘
       │                               │
┌──────▼──────────┐          ┌─────────▼──────────┐
│  DataAnalysis   │          │   CustomerService  │
│  Agent          │          │   Agent            │
│  - SQL 查询     │          │  - 订单查询        │
│  - 报表生成     │          │  - 知识库问答      │
└─────────────────┘          └────────────────────┘
       │                               │
       └───────────────┬───────────────┘
                       │
              ┌────────▼─────────┐
              │   Tools Agent    │
              │   - 通用计算     │
              │   - 外部 API     │
              └──────────────────┘

Orchestrator 示意（伪代码）

// app/agent/Orchestrator.php
namespace app\agent;
use app\agent\agents\DataAnalysisAgent;
use app\agent\agents\CustomerServiceAgent;
use NeuronAI\Chat\Messages\UserMessage;
class Orchestrator
{
    publicfunction run(string $userRequest): array
    {
        // 1）用主 Agent 拆解任务（可用 Claude/GPT 等）
        // 2）根据任务类型，分发给不同子 Agent
        // 3）并行/串行执行
        // 4）汇总结果，交给主 Agent 再做最终审核 & 输出
        // 示例：简单串行
        $serviceAgent = CustomerServiceAgent::make();
        $analysisAgent = DataAnalysisAgent::make();
        $serviceRes = $serviceAgent->chat(new UserMessage($userRequest));
        $analysisRes = $analysisAgent->chat(new UserMessage($userRequest));
        return [
            'customer_service' => $serviceRes->getMessage()->getContent(),
            'data_analysis'    => $analysisRes->getMessage()->getContent(),
        ];
    }
}

真实项目里，你可以用 webman 的异步/队列能力把子任务做成并行，以提升整体吞吐。

实战场景

场景 1：数据问答 + 自动出报表

用户输入：

帮我统计最近 30 天的每日销售额，并找出销量 Top 3 的商品。

执行流程：

Claude Code（主 Agent）：把用户需求拆成“查询 + 计算 + 排序 + 总结”几个子任务；
DataAnalysis Agent：用 SQL 工具访问订单库，拿到原始数据；
Tools Agent：完成聚合、Top3 计算与格式化；
Claude Code：把结果整理成自然语言报表返回。关键点：所有 Agent 都可以直接通过 ORM/Redis 访问同一个业务库，避免了“Python 调 PHP 接口”的网络往返和鉴权问题。

场景 2：客服 + 工单流转

用户输入：

我的订单 #12345 发货了吗？如果没发，帮我催一下。

执行流程：

CustomerService Agent：调用订单/物流工具，查询状态；
Tools Agent：根据规则触发内部 API 创建“催单工单”；
Claude Code：根据返回结果，生成“人话”回复给用户。因为所有逻辑都在同一个 PHP 项目里，你可以直接复用原有的事件/消息队列体系，不需要为 Agent 单独造一套。

性能对比

为什么说“PHP 也能很能打”？

webman 官方与第三方压测：带 DB 查询时，webman 的单机吞吐可达 39 万 QPS，比传统 PHP-FPM 架构高出近 80 倍；
webman 还宣称在部分场景下，性能高于 Go 的 gin/echo 等框架约 1 倍；
PHP 8.x 的 JIT 在 CPU 密集型计算上也有明显提升。结合 Neuron 的多 Agent 编排与工具管理，这套栈完全可以撑住中小规模的生产流量。

一个“风格对标”的对比表

指标	PHP	Python	优势
启动时间	常驻内存，几无冷启动	依依赖数量，通常数百毫秒级	PHP 更稳
内存占用	常驻几十 MB 级别	通常上百 MB，GIL 与 GC 抖动	PHP 更省
并发请求	事件驱动 + 自定义进程	asyncio / Uvicorn	两者皆可
部署复杂度	单进程/多进程，复用现有运维	需要虚拟环境/依赖管理	PHP 更简单
业务集成	与现有 PHP 代码同栈	需跨语言/服务调用	PHP 更紧密
热重载	不如 Python 方便	改完代码即刻生效	Python 更方便