职贝云数AI新零售门户

标题: 功能片面的Agent!汲取了open-manus,langmanus众家之长 [打印本页]

---

作者: mInr    时间: 昨天 20:31
标题: 功能片面的Agent!汲取了open-manus,langmanus众家之长
本公众号次要关注NLP、CV、LLM、RAG、Agent等AI前沿技术，收费分享业界实战案例与课程，助力您片面拥抱AIGC。



Cooragent在langmanus的基础上，做了严重改进的一个Agent的框架。
Cooragent实战

本地部署

git clone https://github.com/LeapLabTHU/cooragent.git
cd cooragent

uv python install 3.12
uv venv --python 3.12

source .venv/bin/activate  # For Windows: .venv\Scripts\activate

uv sync

# Optional: 运用 browser 工具时需求安装
playwright install

# 在.env中配置 API keys 和其他环境变量
# 留意 Browse tool 等待工夫较长，默许是关闭的。可以经过设置  `USE_BROWSER=True` 开启
cp .env.example .env
# Edit .env file and fill in your API keys

# 经过 CLi 本地运转
uv run cli.py

经过 CLI 工具，开发者可以疾速创建，编辑，删除智能体。

# 进入界面
python cli.py

# 创建小米股票分析智能体
run -t agent_workflow -u test -m '创建一个股票分析专家 agent. 明天是 2025年 4 月 22 日，查看过去一个月的小米股票走势，分析当前小米的热点旧事，预测下个买卖日的股价走势，并给出买入或卖出的建议。'

添加mcp服务 找到config/mcp.json.example 文件,复制一份为config/mcp.json,这这个JSON 文件中定义 MCP 服务。每个服务都有一个独一的键 (key) 和一个配置对象。

{
    "mcpServers": {
      "aws-kb-retrieval": {
        "command": "npx",
        "args": ["-y", "@modelcontextprotocol/server-aws-kb-retrieval"],
        "env": {
          "AWS_ACCESS_KEY_ID": "YOUR_ACCESS_KEY_HERE",
          "AWS_SECRET_ACCESS_KEY": "YOUR_SECRET_ACCESS_KEY_HERE",
          "AWS_REGION": "YOUR_AWS_REGION_HERE"
        }
      },
      "AMAP": {
        "url": "https://mcp.amap.com/sse",
        "env": {
          "AMAP_MAPS_API_KEY": "AMAP_MAPS_API_KEY"
        }
      }
    }
}

配置完成后，Cooragent 会自动将您在 mcp.json 中定义的这些 MCP 服务注册为可用工具。之后，智能体 (Agent) 在规划和执行义务时便可以选择和运用这些工具，从而完成更复杂的功能。
Cooragent特点

深度兼容 Langchain 工具链:

Cooragent 的智能体承继了langmanus风格，在工作流中直接运用熟习的 Langchain 组件，如特定的 Prompts、Chains、Memory 模块、Document Loaders、Text Splitters 以及 Vector Stores 等。平滑迁移与整合: 基于 Langchain 开发的运用或组件，可以更轻松地将其迁移或整合到 Cooragent 框架中，利Cooragent 提供的协作、调度和管理才能对其停止加强。超越基础兼容: Cooragent 不只兼容 Langchain，更在其基础上提供了如 Agent Factory、Agent Workflow、原生 A2A 通讯等高级特性，旨在提供更弱小、更易用的智能体构建和协作体验。可以将 Langchain 作为弱小的工具库，在 Cooragent 的框架内发挥其作用。

支持 MCP (Model Context Protocol):

标准化交互: MCP 定义了一套规范，用于智能体之间传递信息、形态和上下文，使得不同来源、不同开发者构建的智能体可以更容易地了解彼此并停止协作。高效上下文管理: 经过 MCP，可以更有效地管理和传递跨多个智能体或多轮交互的上下文信息，减少信息丢失，提高复杂义务的处理效率。加强互操作性: 对 MCP 的支持使得 Cooragent 可以更好地与其他遵照该协议的系统或平台停止互操作，构建更广泛、更弱小的智能生态系统。

下面提到的两种工作形式为：Agent Factory 和 Agent Workflow。

Agent Factory 形式下

只需求对智能体做出描画，Cooragent 就会根据你的需求生成一个智能体。Agent Factory 形式下，系统的会自动分析用户需求，经过记忆和扩展深化了解用户，省去纷繁复杂的 Prompt 设计。Planner 会在深化了解用户需求的基础上，挑选合适的工具，自动打磨 Prompt，逐渐完成智能体构建。智能体构建完成后，可以立刻投入运用，但你依然可以对智能体停止编辑，优化其行为和功能。

Agent Workflow 形式下

只需求描画想要完成的目的义务，Cooragent 会自动分析义务的需求，挑选合适的智能体停止协作。Planner 根据各个智能体擅长的范畴，对其停止组合并规划义务步骤和完成顺序，随后交由义务分发节点 publish 发布义务。各个智能支付本身义务，并协作完成义务。Cooragent 可以在两种形式下不断演进，从而创造出有限能够。

Agent框架对比


https://github.com/LeapLabTHU/cooragent/tree/main

引荐阅读

IBM放出『PDF灭霸』:2.56亿参数屠榜文档AI

3.4KStar 字节跳动扔出王炸LangManus，自动编程+爬虫二合一

港中大&华为云结合打破！初次提出GraphRAG一致框架

一行代码FastAPI秒变MCP服务器！企业级AI运用首选方案

Anthropic官方引荐！LangChain MCP双协议支持全球800+工具

3.4K Star 港大开源AutoAgent登顶GAIA全球评测，成本直降50%碾压商业巨头

Alibaba推出Embodied-Reasoner，持续反思，自我纠错，破解义务规划难题！

清华ReaRAG，严防Deepseek过度思索「自省式推理」登顶多跳问答榜

---

欢迎光临 职贝云数AI新零售门户 (https://www.taojin168.com/cloud/)

Powered by Discuz! X3.5