OpenManus:开源的通用 AI 智能体框架

hzqG 发表于 5 小时前 | 显示全部楼层 |阅读模式 |快速收录 举荐浏览 PaddleOCR 3.0 启源OCR取文档剖析东西包 GraphRAG：一种鉴于图的检索增强天生（RAG）办法 微硬沉磅启源！Qlib：AI 质化投资仄台，64CPU处置 14 果子仅 4.2 秒 RD-Agent-Quant 尾个以数据为中间多智能体质化生意框架 Deepseek-V3少高低文才气扩大：Multi-Token Prediction (MTP) #主要# 典范回忆Deepseek多头潜伏留神力(MLA) Qwen新做GSPO Token级的组序列战略劣化更主要！！！ GLM-4.1V逾越Qwen2.5-VL-72B模子：GLM-4.1V-Thinking干了甚么？ 怎样正在 LoRA 微调后截至参数兼并？真操指北 OpenManus 名目地点： https://github.com/FoundationAgents/OpenManus.git 名目概括 根本定位 OpenManus 是一个启源的通用 AI 智能体框架，旨正在无需聘请码便可完毕各种创意战任务。它由去自 MetaGPT 团队的开辟者建立，本型仅用 3 小时完毕，今朝处于连续迭代中。 中心目标 供给简朴易用的东西散战框架，辅佐用户快速建立自界说智能体，撑持多东西散成（如浏览器操纵、Python 施行、长途东西挪用等），并扩大到多智能体合作场景。 相干死态 OpenManus-RL：MetaGPT取 UIUC 钻研者协作开辟的子名目，专一于鉴于加强进修（如 GRPO）的 LLM 智能体调劣，启源地点： https://github.com/OpenManus/OpenManus-RL多语言撑持：供给英文、华文、韩文、日文文档，适配环球用户。 2.中心 特性 无门坎使用：OpenManus 完整启源且无需权力，所有人可间接使用。多东西散成 当地东西：撑持 Python 代码施行、浏览器操纵（鉴于 browsergym）、文原编纂、人类接互询问等。长途东西：颠末 MCP（Multi-Computer Protocol）跟尾长途效劳器，扩大东西才气（如第三圆效劳挪用）。 多智能体撑持：除根底智能体中，借散成为了 DataAnalysis 智能体（合用于数据阐发战可望化任务），可颠末设置文献启动。和谈兼容：撑持 A2A 和谈（Agent-to-Agent，google启源的智能体通信和谈），可宁可他依照 A2A 和谈的智能体接互。 装置步调 撑持二种装置方法，举荐使用 uv（快速 Python 保证理器）： 方法一：使用 uv（举荐） # 1.装置 uv curl -LsSf https://astral.sh/uv/install.sh | sh # 2. 克隆堆栈 git clone https://github.com/FoundationAgents/OpenManus.git cd OpenManus # 3.创立 并激活假造情况（Python 3.12 及以上） uv venv --python 3.12 source .venv/bin/activate  # Unix/macOS # 或者 Windows：.venv\Scripts\activate # 4.装置 依靠 uv pip install -r requirements.txt 方法两：使用 conda # 1.创立 conda 情况 conda create -n open_manus python=3.12 conda activate open_manus # 2. 克隆堆栈 git clone https://github.com/FoundationAgents/OpenManus.git cd OpenManus # 3.装置 依靠 pip install -r requirements.txt 快速启用 按照需要挑选差别运行情势： 根底单智能体情势 python main.py  # 启用后正在末端输出任务指令 MCP 东西版原（撑持长途东西） python run_mcp.py 多智能体情势（露 DataAnalysis 智能体） # 1. 先正在 config.toml 中启动 DataAnalysis 智能体 [runflow] use_data_analysis_agent = true  # 默认封闭 # 2.装置 数据阐发相干依靠（参照 app/tool/chart_visualization/README.md） # 3. 启用多智能体 python run_flow.py 中心手艺架构** 智能体中心类（app/agent/manus.py） Manus 类：承袭自 ToolCallAgent，是中心智能体完毕，包罗如下枢纽才气： 东西散办理：内乱置 PythonExecute（施行 Python 代码）、BrowserUseTool（浏览器操纵）、StrWordStrEditor（文原编纂）等东西。MCP效劳 器跟尾：撑持颠末 SSE（Server-Sent Events）或者尺度输出输出（stdio）跟尾长途 MCP效劳 器，静态扩大东西。性命周期办理：包罗初初化（initialize_mcp_servers）、跟尾/断启效劳器（connect_mcp_server/disconnect_mcp_server）、资本清理（cleanup）等办法。 依靠组件 从 setup.py 可知中心依靠： LLM 接互：openai（>=1.58.1）东西散成：browsergym（浏览器情况）、browser-use（浏览器操纵东西）数据处置：numpy、datasets设置取日记：pyyaml、loguru A2A 和谈散成 OpenManus 撑持取google A2A 和谈（智能体间通信和谈）散成，步调以下： # 1. 启用 OpenManus 的 A2A效劳 器 cd OpenManus python -m protocol.a2a.app.main # 2. 克隆 A2A 民间示例堆栈并设置客户端 git clone https://github.com/谷歌-a2a/a2a-samples.git cd a2a-samples echo "GOOGLE_API_KEY=your_api_key_here" > .env  # 设置 API 稀钥 cd samples/python/hosts/cli uv run .  # 启用 A2A 客户端 # 3. 颠末 A2A 客户端背 OpenManus 收收任务 OpenManus 名目模块阐发 OpenManus 名目模块涵盖了中心功用、设置、东西、尝试、示例等多个圆里。 中心进口取运行文献（根目次） 根目次包罗名目的中心启用剧本战设置文献，是名目运行的进口： 文献/文献夹 功用分析 main.py 名目主进口剧本，担当初初化中心智能体逻辑、剖析用户输出并启用任务过程。 run_flow.py 多智能体合作过程的运行剧本，撑持多智能体（如数据阐发智能体）的接互取任务装分，今朝标注为“没有颠簸”，需分离设置文献启动。 run_mcp.py MCP（Multi-Agent Co妹妹unication Protocol）客户端剧本，用于跟尾MCP效劳器，完毕智能体取内部效劳的通信。 run_mcp_server.py MCP效劳器剧本，供给智能体间或者智能体取内部体系的通佩服务，撑持SSE（Server-Sent Events）等通信方法。 requirements.txt 名目依靠浑单，包罗Python版原（3.12+）及须要库（如openai、playwright、loguru等）。 setup.py 名目安装配 置文献，用于挨包战散发名目，界说了名目元疑息（如称呼、版原、依靠）。 Dockerfile 容器化设置文献，撑持颠末Docker快速布置名目情况，制止依靠抵触。 设置模块（config/） 设置模块担当办理名目的中心参数，包罗LLM交心、效劳器地点、东西启闭等： 文献/实质 功用分析 config.example.toml 设置示例文献，包罗LLM模子（如gpt-4o）、API稀钥、base_url、MCP效劳器地点等模板，用户需复造为config.toml并挖写理论疑息。 config.example-model-anthropic.toml 针对于Anthropic模子（如Claude）的设置示例，撑持多模子切换。 .gitignore 疏忽设置文献（如config.toml），制止敏感疑息（如API稀钥）提接到代码库。 中心感化：集合办理名目的静态参数，颠末改正设置文献可活络切换LLM效劳、调解东西权力、设置效劳器跟尾等，无需改正代码。 东西模块（app/tool/） 东西模块是智能体的“才气扩大”，供给各种合用东西供智能体挪用，今朝主要包罗图表可望化东西： 东西/文献 功用分析 chart_visualization/ 图表可望化东西，鉴于@visactor/vchart等前端可望化库（从package-lock.json可知），撑持天生合线图、柱状图、 Sankey图等多种图表，将数据变换为可望化成果。 其余隐露东西（从文档测度） 如BrowserUseTool（浏览器主动化，依靠playwright）、PythonExecute（Python代码施行）等，撑持智能体完毕网页接互、数据阐发等庞大任务。 中心感化：颠末东西挪用扩大智能体才气，让智能体不但能天生文原，借能施行操纵（如浏览网页、运行代码、画造图表）。 A2A和谈模块（protocol/） 和谈模块界说了智能体间及智能体取内部体系的通信标准： 子模块 功用分析 a2a/（测度为Agent-to-Agent） 界说多智能体接互和谈，标准智能体间的消息格局、任务分派、成果通报等过程，保证合作的不合性。 中心感化：分歧通信尺度，撑持多智能体配合事情，是run_flow.py完毕多智能体过程的根底。 尝试模块（tests/） 尝试模块用于考证名目功用的准确性战颠簸性： 子模块 功用分析 sandbox/ 沙箱情况，用于宁静尝试代码施行东西（如PythonExecute），制止尝试过程当中对于体系文献或者资本构成危急。 隐露尝试逻辑 分离pre-co妹妹it设置（.pre-co妹妹it-config.yaml），真现代码格局查抄、单位尝试等主动化考证。 中心感化：保证代码品质，颠末沙箱断绝危急，保证东西挪用战智能体逻辑的宁静性。 示例模块（examples/） 示例模块供给使用场景战尝试案例，辅佐用户快速上脚： 子模块 功用分析 benchmarks/ 基准尝试用例，用于评介智能体正在一定任务（如数据阐发、代码天生）上的功用。 use_case/ 理论使用场景示例，如“天生贩卖报表”“阐发用户举动数据”等，展示名目的具体使用方法。 中心感化：低落使用门坎，颠末示例示范名目功用，共时为开辟者供给尝试战扩大的参照。 事情空间模块（workspace/） 事情空间是智能体运行时的“临时保存区”： 文献/实质 功用分析 example.txt 示例文献，展示事情空间的使用方法。理论运行时，智能体天生的临时文献（如代码输出、图表成果）会保存于此，制止净化名目中心目次。 中心感化：断绝运行时数据，便利管理智能体的中心成果战输出文献。 资本模块（assets/） 资本模块保存名目所需的固态资本： 实质 功用分析 图片、款式等 如logo.jpg（名目logo），用于文档战示范界里的展示。 模块间干系取部分过程 启用过程：用户颠末main.py或者run_flow.py启用名目，读与config/中的设置初初化LLM战东西。才气扩大：智能体颠末app/tool/挪用东西（如可望化、浏览器），完毕用户任务。多智能体合作：颠末protocol/a2a/界说的和谈，分离run_flow.py完毕智能体间接互。通信取保存：颠末run_mcp.py跟尾MCP效劳器，运行时数据保存正在workspace/。尝试取考证：颠末tests/保证功用颠簸，examples/供给使用参照。 OpenManus使用过程当中罕见成就及处置计划 1、装置取情况设置成就 1. 依靠装置失利或者版原抵触 征象：使用 pip 或者 uv装置 依靠时呈现报错，或者运行时提醒“模块没有存留”。启事： Python 版原没有契合请求（名目请求 Python 3.12 及以上）。依靠包版原抵触（如 openai 版原需正在 1.58.1 到 1.67.0 之间）。 处置计划： 确认 Python 版原：运行 python --version，保证为 3.12+，高于此版原需升级。举荐使用 uv装置 （依靠办理更下效）：uv pip install -r requirements.txt 若用 conda，保证情况激活后从头装置：conda activate open_manus pip install --upgrade -r requirements.txt 2. 浏览器东西（BrowserUseTool）没法使用 征象：挪用浏览器相干功用时提醒“浏览器启动已装置”或者“没法启用浏览器”。启事：已装置 playwright 浏览器启动（名目可选依靠，需脚动装置）。处置计划：playwright install  #装置 浏览器启动（撑持 Chrome、Firefox 等） 2、设置文献相干成就 1. LLM 跟尾失利（API 稀钥毛病） 征象：运行时提醒“API key无效 ”“没法跟尾到 LLM效劳 ”。启事： 已创立 config.toml 或者已挖写准确的 API 稀钥。base_url 设置取理论使用的 LLM效劳 没有匹配（如使用当地布置模子时已改正地点）。 处置计划： 保证已经复造设置示例并挖写稀钥：cp config/config.example.toml config/config.toml  # 复造示例设置 编纂 config/config.toml，查抄 [llm]局部 ：[llm] model = "gpt-4o"  # 或者其余撑持的模子 base_url = "https://api.openai.com/v1"  # 若用当地模子，改正为对于应地点 api_key = "sk-..."  #交流 为实在 API 稀钥 2. MCP效劳 器跟尾失利 征象：运行 run_mcp.py 时提醒“没法跟尾到 MCP效劳 器”。启事： config.toml 中 MCP效劳 器设置毛病（如 URL 或者号令有用）。收集成就招致没法会见长途效劳器。 处置计划： 查抄 config.toml 中 [mcp_config.servers] 设置，保证 URL 或者号令准确：[mcp_config.servers.my_server] type = "sse"  # 或者 "stdio" url = "https://your-mcp-server.com"  #交流 为理论效劳器地点 尝试效劳器连通性：使用 ping 或者 curl 考证 URL 可否可会见。 3、运行取东西挪用成就 1. 多智能体情势（run_flow.py）瓦解或者无照应 征象：运行 python run_flow.py 后法式瓦解，或者智能体无接互。启事：多智能体情势今朝标注为“没有颠簸”，可以存留逻辑漏洞或者资本合作。处置计划： 保证已经启动设置中的多智能体启闭：[runflow] use_data_analysis_agent = true  # 启动数据阐发智能体 测验考试简化任务，制止庞大多步调操纵；若成就连续，可提接 Issue反应 （参照奉献 指北）。 2. Python 代码施行东西（PythonExecute）报错 征象：挪用 Python 施行功用时提醒“模块已找到”“权力不敷”。启事： 施行的代码依靠已装置（如 numpy、pandas 等）。代码试图会见受限文献或者资本。 处置计划： 正在目前情况中装置所需依靠：uv pip install numpy pandas  # 按需装置代码依靠 制止代码中包罗文献写进/简略等危急操纵，或者保证法式有对于应目次权力。 3. 提醒“Token 限定超越” 征象：运行中扔出 TokenLimitExceeded 非常。启事：LLM 天生实质超越 config.toml 中 max_tokens 限定（默认 4096）。处置计划： 编纂 config.toml 增加 max_tokens：[llm] max_tokens = 8192  # 调年夜token限定（需契合模子撑持范畴） 装分庞大任务为多个步调，削减单次恳求的处置质。 4、奉献代码相干成就 1. 提接 PR 时查抄失利 征象：提交接码后，pre-co妹妹it反省 没有颠末，招致 PR 被拒绝。启事：已施行代码格局查抄东西，代码没有契合名目标准。处置计划： 提接前运行 pre-co妹妹it反省 ：pre-co妹妹it run --all-files  # 主动建设格局成就 保证建设统统查抄报错后再提接。

回复 使用道具 举报 提升卡 置顶卡 沉默卡 喧嚣卡 变色卡 千斤顶 照妖镜