Cheshire Cat AI — open-source фреймворк для AI-агентов

✅ Подходит: разработчикам и техническим командам, которым нужен локально запускаемый open-source каркас для AI-агентов, инструментов и плагинов на Python. ❌ Не подходит: тем, кто ищет зрелый no-code сервис или стабильный продакшен-рантайм без оговорок: основной репозиторий прямо предупреждает, что версия 2 пока unstable alpha и не рекомендуется для production. 💡 Ключевое преимущество: self-hosted стек с локальным web UI, REST API и расширением через собственные плагины.

Разработчик: проект Cheshire Cat AI; отдельная компания в изученных официальных материалах не названа. Тип: self-hosted, web UI, REST API, Python framework. Официальный URL: https://cheshirecat.ai/. Дата проверки: 15.08.2026.

Что важно сразу: документация описывает Cheshire Cat AI как open-source и hackable framework для AI-агентов, существующий с 2023 года, а код в документации указан как GPL3. По PyPI, текущий опубликованный пакет — 2.0.23 от 08.07.2026, с требованием Python >= 3.11. Практический вывод: инструмент интересен как конструктор и среда для экспериментов, но статус ветки v2 делает его рискованным выбором для критичного продакшена.

Что умеет

• Устанавливаться и запускаться локально через uv: официальный путь — uv init --bare, uv add cheshire-cat-ai, uv run ccat.
• Поднимать локальный web UI на localhost:1865, REST API playground на localhost:1865/docs и OpenAPI-схему на localhost:1865/openapi.json.
• Работать как агентный рантайм с настраиваемой моделью: после чистой установки отвечает заглушкой configure me, а LLM и эмбеддер можно задать через UI или через config.py с DEFAULT_LLM и DEFAULT_EMBEDDER.
• Расширяться через Python-плагины: Cat на старте ищет файлы в папке plugins/, пропускает tests/ и может читать метаданные из plugin.json.
• Давать LLM доступ к инструментам: в документации Tool — это метод, который модель может решить вызвать по имени метода, docstring и типовым подсказкам; инструменты могут быть асинхронными и возвращают результат обратно в цикл агента.
• Обновляться через смену зависимости на более новую версию пакета, обычно через uv add cheshire-cat-ai@latest, с последующим перезапуском.

Как использовать

Ниже — минимальный воспроизводимый workflow из официальной документации, если вы хотите поднять локального агента и добавить свой плагин.

1. Создайте пустой Python-проект и добавьте пакет Cheshire Cat AI.
2. Запустите Cat локально и проверьте, что web UI и API открываются на localhost:1865.
3. Подключите реальную модель: после первой установки Cat отвечает заглушкой configure me, поэтому задайте LLM и эмбеддер через интерфейс или config.py.
4. Создайте подпапку в plugins/, добавьте туда plugin.json и Python-файл с вашим кодом плагина.
5. Перезапустите Cat и активируйте плагин в Admin Portal, во вкладке Plugins.

uv init --bare
uv add cheshire-cat-ai
uv run ccat

Практически это выглядит так: вы сначала поднимаете локальный рантайм, затем конфигурируете модель, после чего добавляете собственный инструмент или плагин. Если вы строите агентную систему с внешними действиями, заранее продумайте guardrails и базовые меры AI Safety, потому что Cheshire Cat AI позволяет LLM вызывать инструменты и возвращать их результат обратно в цикл агента.

Тарифы и ограничения

В изученных официальных материалах Cheshire Cat AI нет опубликованной тарифной сетки с публичными ценами. Поэтому ниже — не «планы» в маркетинговом смысле, а практические точки затрат и ограничений, которые подтверждаются документацией, PyPI и FAQ.

Дата проверки цен и ограничений: 15.08.2026.

Редакционное ограничение: в source pack нет официальной страницы с публичными тарифами Cheshire Cat AI, поэтому точную стоимость владения нельзя посчитать по карточке продукта. Для self-hosted сценария вам нужно отдельно оценивать цену выбранного LLM/эмбеддера и собственной инфраструктуры.

Работа с данными и приватность

Ключевой момент здесь не в «облачности» самого фреймворка, а в том, какой LLM-эндпоинт вы подключаете. Официальный FAQ по безопасности прямо говорит: если используется OpenAI, разговоры и документы отправляются на серверы OpenAI, и чувствительные данные не стоит загружать, если вы не контролируете LLM endpoint.

• Что видит сервис: по официальному FAQ, при использовании OpenAI на внешние серверы уходят разговоры и документы.
• Использование данных для обучения: в изученных источниках Cheshire Cat AI это отдельно не раскрыто; есть только предупреждение о передаче данных внешнему провайдеру.
• Где хранятся данные: в изученном source pack нет отдельного официального описания мест хранения данных для всех конфигураций.
• Что можно контролировать: документация прямо увязывает риск с тем, контролируете ли вы LLM endpoint. Для self-hosted команд это практический аргумент в пользу контролируемой модели и собственных политик доступа.
• Ссылка на официальный источник по теме: Security and Spending | Cheshire Cat AI docs.

Ограничение: отдельная Privacy Policy ссылка в переданном source pack отсутствует. Поэтому для оценки приватности вы опираетесь на FAQ по безопасности, а не на полноценную policy-страницу.

Плюсы и минусы

Плюсы

• Open-source и hackable: документация прямо позиционирует Cheshire Cat AI как открытый и настраиваемый фреймворк, а лицензия указана как GPL3/GPL-3.0.
• Локальный старт без долгой обвязки: официальная установка через uv короткая, а после запуска сразу доступны UI, REST API playground и OpenAPI-схема.
• Понятная модель расширения: плагины лежат в plugins/, могут иметь plugin.json, а инструменты описываются так, чтобы LLM могла вызывать их по имени, docstring и type hints.
• Есть и UI-конфигурация, и кодовая конфигурация через config.py, что удобно для локальной разработки и автоматизации.

Минусы

• Главный стоп-фактор: репозиторий прямо предупреждает, что версия 2 — unstable alpha и пока не рекомендуется для production.
• Это не no-code продукт в строгом смысле: официальный FAQ говорит, что проект рассчитан на разработчиков с базовыми техническими навыками.
• Публичной тарифной сетки в изученных официальных источниках нет, поэтому бюджетирование приходится собирать вручную.
• При подключении OpenAI разговоры и документы уходят на серверы OpenAI, что ограничивает сценарии с чувствительными данными.
• Даже официальный гайд по обновлениям предупреждает о возможных проблемах совместимости версий.

Доступность и язык

• Подтверждённые платформы: в изученных источниках прямо подтверждены локальный web UI и REST API. Отдельного официального списка ОС на этих страницах нет.
• Техническое требование: на PyPI указано Python >= 3.11.
• Русский язык: в reviewed source pack нет официального заявления о русском интерфейсе.
• Доступность для РФ: официальный региональный статус для РФ в изученных материалах не найден. Локальная установка описана, но данных о региональных ограничениях и оплате нет.
• Способы оплаты: не указаны, потому что публичная цена на официальных страницах не опубликована.

Альтернативы

Если Cheshire Cat AI вам интересен по классу задач, но не устраивает его текущая зрелость, смотрите не только на «замены один в один», а на соседние подходы.

• Voiceflow — альтернатива в категории инструментов для AI-агентов; для общего выбора подхода начните со сравнения Voiceflow vs Flowise: что выбрать для AI-агентов.
• Flowise — ещё один ориентир из категории AI-агентов; тот же материал выше помогает понять, когда стоит смотреть в эту сторону вместо Python-first фреймворка.
• Chroma — вариант, если вам нужен не агентный каркас, а только open-source слой векторной БД и поиска для AI.

Честный вывод по этому блоку: в source pack для Cheshire Cat AI больше данных о самом продукте, чем о прямых конкурентах, поэтому этот раздел лучше использовать как навигацию по классу решений, а не как полноценное сравнение функциональности.

Практический вердикт

Если вы разработчик и вам нужен локальный, расширяемый Python-каркас для AI-агентов с плагинами, Cheshire Cat AI выглядит полезным инструментом для прототипов, внутренних экспериментов и обучения. Если вам нужен предсказуемый продакшен сегодня, карточка даёт прямой стоп-сигнал: сам проект помечает v2 как нестабильную alpha-ветку.

Редакционное ограничение: эта карточка основана только на переданном официальном source pack на 15.08.2026. В ней нет самостоятельной полевой проверки производительности, миграций между версиями и региональной доступности для РФ за пределами того, что прямо сказано в официальных страницах.

Источники

• Main concepts | Cheshire Cat AI docs

• Hello dear | Cheshire Cat AI docs
• Installation | Cheshire Cat AI docs
• Tools | Cheshire Cat AI docs
• How to write a plugin | Cheshire Cat AI docs
• Plugin Tutorial | Cheshire Cat AI docs
• Security and Spending | Cheshire Cat AI docs
• Backups and Updates | Cheshire Cat AI docs
• General | Cheshire Cat AI docs
• GitHub – cheshire-cat-ai/core: AI agent microservice · GitHub
• Releases · cheshire-cat-ai/core · GitHub
• cheshire-cat-ai · PyPI
• Cheshire Cat AI

Вопросы и ответы

Можно ли использовать Cheshire Cat AI в продакшене?

Официальный репозиторий предупреждает, что версия 2 — unstable alpha и пока не рекомендуется для production. Для прототипов и экспериментов — да, для критичного продакшена — с большой осторожностью.

Сколько стоит Cheshire Cat AI?

Публичная цена на изученных официальных страницах не указана. Отдельно придётся оценивать стоимость выбранного LLM/эмбеддера и вашей инфраструктуры.

Нужен ли Python для запуска?

Да, опубликованный пакет на PyPI требует Python >= 3.11, а официальный путь установки строится вокруг uv.

Куда уходят данные?

Если вы подключаете OpenAI, разговоры и документы отправляются на серверы OpenAI. Официальный FAQ рекомендует не загружать чувствительные данные, если вы не контролируете LLM endpoint.

Есть ли тут настоящий no-code режим?

По изученной документации — это прежде всего инструмент для разработчиков: плагины пишутся на Python, а сам проект в FAQ ориентирован на пользователей с базовыми техническими навыками.