Plano vs Fugu vs 已有网关生态 — 深度对比
Codex 核验（2026-10-09）：0.6B coordinator 是论文中的特定路由组件，不是完整 Fugu 系统的总参数或资源需求。当前 Fugu 产品页已列 Ultra v2.0、Max 与 Cyber，并提供订阅/按量接入，本文 July 技术对比应保留为历史快照；未发现可据此宣称整个系统“无安全/无可观测性”的依据，当前页面明确返回请求用量与费用。OmniRoute 代码开源不赋予上游免费额度；provider 数、压缩百分比与 GFW 兼容性都是有条件或待实测的作者说明，不能保证解决 Go 额度不足。本文“安装运行”是早期记录，本次没有接入或付费调用。
一、各方案定位
| 项目 | 定位 | 架构核心 | 编排方式 | Stars |
|---|---|---|---|---|
| Fugu (Sakana AI) | 多智能体系统即模型 | 训练 orchestrator LLM (0.6B) 动态组装 agent 团队 | 隐式 — coordinator 自己学会分配角色(Thinker/Worker/Verifier) | — |
| Plano (katanemo) | AI-native proxy/data plane | Envoy 代理 + YAML 声明 agent + 4B 路由模型 | 显式 — YAML 定义 agent 列表+描述，Plano 做 intent routing | 6.7k |
| OmniRoute | 免费 AI 网关 (250+ provider) | 单端点聚合+RTK压缩+4层fallback | 无编排，纯模型路由+token 优化 | 16.5k |
| Agentgateway | 开源 Agentic Proxy | Rust 实现，MCP+A2A 协议 | 工具网关+agent 通信+推理路由 | 3.8k |
| CoAI.Dev | LLM 网关 | 多 provider 聚合 | 无编排 | 9.2k |
二、Fugu vs Plano — 核心差异
编排哲学
Fugu：
“不要写编排代码——让模型自己学会编排”
- 自主神经网络学习最优协作结构
- Coordinator 0.6B 足够做路由决策
- 进化算法 (CMA-ES) 探索 agent 拓扑
- 适合：动态、不可预见的任务组合
Plano：
“声明式 YAML + 可观测性 + 路由信号”
- 开发者显式声明 agent 和描述
- Envoy 代理做 intent-based routing
- 4B 专用路由模型辅助
- 适合：已知的、稳定的 agent 拓扑
技术栈
| 维度 | Fugu | Plano |
|---|---|---|
| 基础设施 | 云端 API（暂未开源） | 开源本地部署（Docker/Rust） |
| 路由模型 | 0.6B coordinator (trained) | 4B plano_orchestrator_v1 |
| 训练方法 | SFT + EA + RL | 未公开 |
| 协议 | REST API | OpenAI-compatible / Envoy |
| Agent 定义 | 训练过程中隐式形成 | YAML 显式声明 |
| 可观测性 | 无（黑箱） | OTEL + Signals 内置 |
| 安全 | 无 | Filter Chains (guardrails) |
适用场景
Fugu 适合: Plano 适合:
- 研发探索型任务 - 生产稳定型任务
- 任务类型不断变化 - agent 拓扑已知且变化慢
- 不需要安全/可观测性 - 需要审计/监管/guardrail
- 愿意付费用云 API - 需要本地/私有部署
三、对我们生态的价值
已有架构
我们已有 32 个 profile + 7 组 provider，通过 gbrain 做知识共享
↓
缺少一个统一的 路由/网关 层
OmniRoute 填补的位置
每个 agent → OmniRoute (${LOCALIP}:20128) → 250 providers
└── 自动 fallback、压缩、路由策略
最适合当前阶段的就是 OmniRoute：
- 解决 OpenCode Go 额度不够的问题（free tier 聚合）
- 所有 agent 共享一个端点，无需各自配 API key
- RTK+Caveman 压缩省 token（15-95%）
- 开源本地部署，GFW 友好
Plano 的位置
比 OmniRoute 重——它解决的是 agent 编排问题，不是 provider 聚合问题。 但 Plano 的 YAML agent 定义 + intent routing 对未来的 7-role 分层路由有参考价值。
四、结论
| 优先级 | 项目 | 行动 |
|---|---|---|
| P0 | OmniRoute | ✅ 安装运行，所有 agent 接入 |
| P1 | Plano | 研究架构，参考 intent routing 设计 |
| P2 | Fugu | 跟踪论文，等待开源 |
| P3 | Agentgateway | 关注 MCP/A2A 发展 |