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

100 lines
3.5 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
仓库地址:[https://github.com/msitarzewski/agency-agents](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
```Bash
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:
```Bash
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:
```Plain
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:
```Python
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。