core-agent

从现有证据看，可以把 core-agent 判断为“面向开发者的开源智能体基础工程”，而不是现成可直接使用的 AI 助手产品，也不是完整无代码平台。它更像是建立 Go 智能体项目的底座或 starter kit：基于 Google ADK，预先接好多模型提供方、MCP、AGENTS.md、skills 和 permissions 这些常见结构。

它的实际作用是减少你从零搭 Go agent 时的样板工作，尤其适合已经明确要用 Go、并希望同时保留 Gemini、Vertex AI、Claude 等模型切换空间的团队。证据能支持的是“项目定位和集成方向”，即它强调 reusable base agent、multi-provider 与 MCP-native；但目前还不足以证明它已经在复杂生产场景中被大规模验证。

门槛与成本方面，现有证据只足以保守判断：这是需要编程能力、理解 Google ADK 与模型接入方式的开发者工具，不是开箱即用 SaaS。API 成本取决于你实际接入的 Gemini、Vertex AI 或 Anthropic/Claude 账户与调用量；当前证据没有官方定价、也没有稳定成本案例，因此不能把模型演示成本当成长期承诺。适合想自建 agent 底座的 Go 开发者，不太适合只想立刻部署业务机器人、且不愿维护代码和权限配置的团队。

社媒与讨论质量方面，目前 evidenceSources 基本只有 GitHub 仓库线索，且 star/fork 样本很小。GitHub 收录与少量 star 只能算“热度证明”里的早期关注，不能单独当作“好用证明”。现阶段缺少更强的能力证据，例如详细实测、第三方教程、长文评测、生产案例或高质量 issue 讨论。因此当前更稳妥的结论是：方向清晰、定位明确，但讨论样本有限，适合持续观察，不宜过度放大成熟度。