Files
Obsidian/MyArticles/项目 agency-agents解析.md
coco 8b94d76799 a
2026-07-21 13:57:15 +08:00

3.5 KiB
Raw Permalink Blame History

仓库地址:https://github.com/msitarzewski/agency-agents

该项目是围绕 AI 智能体(Agents)协作框架 构建的开源项目,核心目标是实现多智能体的协同工作、任务拆分与执行,适配大语言模型(LLM)生态,属于 AI Agent 领域的实践型项目。

一、核心特性

  1. 多智能体协作:支持定义不同角色的智能体(如规划者、执行者、审核者),智能体间可通信、分工完成复杂任务;

  2. LLM 适配性:兼容主流大模型(如 OpenAI API、本地部署的开源模型),可灵活切换底层模型;

  3. 任务编排:提供简单的任务拆分、调度逻辑,支持智能体自主决策下一步操作;

  4. 轻量级架构:代码结构清晰,依赖少,易于二次开发和扩展。

二、快速上手(基础使用流程)

1. 克隆仓库
git clone https://github.com/msitarzewski/agency-agents.git
cd agency-agents
2. 安装依赖

项目基于 Python 开发,先安装核心依赖:

pip install -r requirements.txt
3. 配置环境

需配置 LLM 相关密钥(如 OpenAI API Key),创建 .env 文件:

OPENAI_API_KEY=your_api_key_here
# 若使用本地模型,补充模型地址/端口等配置
4. 运行示例

项目内置了多智能体协作的示例脚本(如 examples/ 目录下),以基础任务协作为例:

from agency import Agent, Agency

# 定义智能体角色
planner_agent = Agent(
    name="Planner",
    role="任务规划师",
    instructions="拆分复杂任务为子任务,分配给对应执行者"
)
executor_agent = Agent(
    name="Executor",
    role="任务执行者",
    instructions="执行规划师分配的子任务,返回执行结果"
)

# 创建智能体协作平台
agency = Agency()
agency.add_agents([planner_agent, executor_agent])

# 提交任务并运行
task = "完成一份AI Agent技术调研报告,包含核心架构、应用场景、行业案例"
result = agency.run(task)
print(result)

三、核心模块说明

模块/文件 功能说明
agency/agent.py 定义智能体的核心类(Agent),包含角色、指令、交互逻辑、LLM 调用接口
agency/agency.py 智能体协作的核心调度器(Agency),管理智能体注册、任务分发、通信规则
examples/ 各类示例脚本(单智能体任务、多智能体协作、自定义角色等)
utils/ 工具函数(LLM 调用封装、日志、配置解析等)

四、扩展与定制

  1. 自定义智能体角色:继承 Agent 类,重写 act() 方法实现自定义行为逻辑;

  2. 接入本地模型:修改 llm/client.py 中的模型调用接口,适配如 Llama、ChatGLM 等开源模型;

  3. 添加工具调用:扩展 tools/ 目录,为智能体增加如文件读写、网络请求、代码执行等工具能力。

五、注意事项

  1. 项目依赖的 OpenAI API 需确保网络可访问,或替换为兼容 OpenAI 接口的本地代理(如 FastChat);

  2. 多智能体协作的效率和效果依赖于提示词设计,需针对具体任务优化智能体的 instructions;

  3. 项目仍在迭代中,部分功能(如智能体记忆、长对话管理)可能需自行扩展。

如果需要更具体的功能解析(如某段代码的逻辑、自定义智能体的实现步骤),可以补充说明,我会进一步拆解。