🦉 OWL: Optimized Workforce Learning for General Multi-Agent Assistance in Real-World Task Automation 🦉 OWL: 优化劳动力学习的通用智能体，用于处理现实世界的自动化任务
🦉 OWL 是一个前沿的多智能体协作框架，推动任务自动化的边界，构建在 CAMEL-AI Framework。
我们的愿景是彻底变革 AI 智能体协作解决现实任务的方式。通过利用动态智能体交互，OWL 实现了跨多领域更自然、高效且稳健的任务自动化。
- 📋 目录
- 🔥 新闻
- 🎬 演示视频
- ✨️ 核心功能
- 🛠️ 安装
- 🚀 快速开始
- 🧰 工具包与功能
- 🌐 网页界面
- 🧪 实验
- ⏱️ 未来计划
- 📄 许可证
- 🖊️ 引用
- 🤝 贡献
- 🔥 社区
- ❓ 常见问题
- 📚 探索 CAMEL 依赖
- ⭐ Star History
- [2025.03.12]: 在SearchToolkit中添加了Bocha搜索功能，集成了火山引擎模型平台，并更新了Azure和OpenAI Compatible模型的结构化输出和工具调用能力。
- [2025.03.11]: 我们添加了 MCPToolkit、FileWriteToolkit 和 TerminalToolkit，增强 OWL Agent的工具调用、文件写入能力和终端命令执行功能。
- [2025.03.09]: 我们添加了基于网页的用户界面，使系统交互变得更加简便。
- [2025.03.07]: 我们开源了 🦉 OWL 项目的代码库。
- [2025.03.03]: OWL 在 GAIA 基准测试中取得 58.18 平均分，在开源框架中排名第一！
371254613005d51d73c82424e56a1d22.mp4
d106cfbff2c7b75978ee9d5631ebeb75.mp4
- 在线搜索：使用维基百科、谷歌搜索等，进行实时信息检索
- 多模态处理：支持互联网或本地视频、图片、语音处理
- 浏览器操作：借助Playwright框架开发浏览器模拟交互，支持页面滚动、点击、输入、下载、历史回退等功能
- 文件解析：word、excel、PDF、PowerPoint信息提取，内容转文本/Markdown
- 代码执行：编写python代码，并使用解释器运行
- 丰富工具包：提供丰富的工具包，包括ArxivToolkit（学术论文检索）、AudioAnalysisToolkit（音频分析）、CodeExecutionToolkit（代码执行）、DalleToolkit（图像生成）、DataCommonsToolkit（数据共享）、ExcelToolkit（Excel处理）、GitHubToolkit（GitHub交互）、GoogleMapsToolkit（地图服务）、GoogleScholarToolkit（学术搜索）、ImageAnalysisToolkit（图像分析）、MathToolkit（数学计算）、NetworkXToolkit（图形分析）、NotionToolkit（Notion交互）、OpenAPIToolkit（API操作）、RedditToolkit（Reddit交互）、SearchToolkit（搜索服务）、SemanticScholarToolkit（语义学术搜索）、SymPyToolkit（符号计算）、VideoAnalysisToolkit（视频分析）、WeatherToolkit（天气查询）、BrowserToolkit（网页交互）等多种专业工具，满足各类特定任务需求。
# 克隆 GitHub 仓库
git clone https://github.com/camel-ai/owl.git
# 进入项目目录
cd owl
# 如果你还没有安装 uv，请先安装
pip install uv
# 创建虚拟环境并安装依赖
# 我们支持使用 Python 3.10、3.11、3.12
uv venv .venv --python=3.10
# 激活虚拟环境
# 对于 macOS/Linux
source .venv/bin/activate
# 对于 Windows
.venv\Scripts\activate
# 安装 CAMEL 及其所有依赖
uv pip install -e .
# 完成后退出虚拟环境
deactivate# 克隆 GitHub 仓库
git clone https://github.com/camel-ai/owl.git
# 进入项目目录
cd owl
# 创建虚拟环境
# 对于 Python 3.10（也适用于 3.11、3.12）
python3.10 -m venv .venv
# 激活虚拟环境
# 对于 macOS/Linux
source .venv/bin/activate
# 对于 Windows
.venv\Scripts\activate
# 从 requirements.txt 安装
pip install -r requirements.txt# 克隆 GitHub 仓库
git clone https://github.com/camel-ai/owl.git
# 进入项目目录
cd owl
# 创建 conda 环境
conda create -n owl python=3.10
# 激活 conda 环境
conda activate owl
# 选项1：作为包安装（推荐）
pip install -e .
# 选项2：从 requirements.txt 安装
pip install -r requirements.txt
# 完成后退出 conda 环境
conda deactivateOWL 需要各种 API 密钥来与不同的服务进行交互。owl/.env_template 文件包含了所有必要 API 密钥的占位符，以及可以注册这些服务的链接。
-
复制并重命名模板：
cd owl cp .env_template .env -
配置你的 API 密钥： 在你喜欢的文本编辑器中打开
.env文件，并在相应字段中插入你的 API 密钥。注意：对于最小示例（
run_mini.py），你只需要配置 LLM API 密钥（例如，OPENAI_API_KEY）。
或者，你可以直接在终端中设置环境变量：
-
macOS/Linux (Bash/Zsh)：
export OPENAI_API_KEY="你的-openai-api-密钥"
-
Windows (命令提示符)：
set OPENAI_API_KEY="你的-openai-api-密钥"
-
Windows (PowerShell)：
$env:OPENAI_API_KEY = "你的-openai-api-密钥"
注意：直接在终端中设置的环境变量仅在当前会话中有效。
如果您希望使用Docker运行OWL项目，我们提供了完整的Docker支持：
# 克隆仓库
git clone https://github.com/camel-ai/owl.git
cd owl
# 配置环境变量
cp owl/.env_template owl/.env
# 编辑.env文件，填入您的API密钥
# 选项1：直接使用docker-compose
cd .container
docker-compose up -d
# 在容器中运行OWL
docker-compose exec owl bash -c "xvfb-python run.py"
# 选项2：使用提供的脚本构建和运行
cd .container
chmod +x build_docker.sh
./build_docker.sh
# 在容器中运行OWL
./run_in_docker.sh "您的问题"更多详细的Docker使用说明，包括跨平台支持、优化配置和故障排除，请参阅 DOCKER_README.md
运行以下示例：
python owl/run.py我们还提供了一个最小化示例，只需配置LLM的API密钥即可运行：
python owl/run_mini.py-
工具调用能力：OWL 需要具有强大工具调用能力的模型来与各种工具包交互。模型必须能够理解工具描述、生成适当的工具调用，并处理工具输出。
-
多模态理解能力：对于涉及网页交互、图像分析或视频处理的任务，需要具备多模态能力的模型来解释视觉内容和上下文。
有关配置模型的信息，请参阅我们的 CAMEL 模型文档。
注意：为获得最佳性能，我们强烈推荐使用 OpenAI 模型（GPT-4 或更高版本）。我们的实验表明，其他模型在复杂任务和基准测试上可能表现明显较差，尤其是那些需要多模态理解和工具使用的任务。
OWL 支持多种 LLM 后端，但功能可能因模型的工具调用和多模态能力而异。您可以使用以下脚本来运行不同的模型：
# 使用 Qwen 模型运行
python owl/run_qwen_zh.py
# 使用 Deepseek 模型运行
python owl/run_deepseek_zh.py
# 使用其他 OpenAI 兼容模型运行
python owl/run_openai_compatiable_model.py
# 使用 Ollama 运行
python owl/run_ollama.py你可以通过修改 run.py 脚本来运行自己的任务：
# Define your own task
question = "Task description here."
society = construct_society(question)
answer, chat_history, token_count = run_society(society)
print(f"\033[94mAnswer: {answer}\033[0m")上传文件时，只需提供文件路径和问题：
# 处理本地文件（例如，文件路径为 `tmp/example.docx`）
question = "给定的 DOCX 文件中有什么内容？文件路径如下：tmp/example.docx"
society = construct_society(question)
answer, chat_history, token_count = run_society(society)
print(f"答案：{answer}")OWL 将自动调用与文档相关的工具来处理文件并提取答案。
你可以尝试以下示例任务：
- "查询苹果公司的最新股票价格"
- "分析关于气候变化的最新推文情绪"
- "帮我调试这段 Python 代码：[在此粘贴你的代码]"
- "总结这篇研究论文的主要观点：[论文URL]"
重要提示：有效使用工具包需要具备强大工具调用能力的模型。对于多模态工具包（Web、图像、视频），模型还必须具备多模态理解能力。
OWL支持多种工具包，可通过修改脚本中的tools列表进行自定义：
# 配置工具包
tools = [
*BrowserToolkit(headless=False).get_tools(), # 浏览器自动化
*VideoAnalysisToolkit(model=models["video"]).get_tools(),
*AudioAnalysisToolkit().get_tools(), # 需要OpenAI API密钥
*CodeExecutionToolkit(sandbox="subprocess").get_tools(),
*ImageAnalysisToolkit(model=models["image"]).get_tools(),
SearchToolkit().search_duckduckgo,
SearchToolkit().search_google, # 如果不可用请注释
SearchToolkit().search_wiki,
*ExcelToolkit().get_tools(),
*DocumentProcessingToolkit(model=models["document"]).get_tools(),
*FileWriteToolkit(output_dir="./").get_tools(),
]关键工具包包括：
- BrowserToolkit：浏览器自动化，用于网页交互和导航
- VideoAnalysisToolkit：视频处理和内容分析
- ImageAnalysisToolkit：图像分析和解释
- AudioAnalysisToolkit：音频处理（需要 OpenAI API）
- CodeExecutionToolkit：Python 代码执行和评估
- SearchToolkit：网络搜索（Google、DuckDuckGo、维基百科）
- DocumentProcessingToolkit：文档解析（PDF、DOCX等）
其他专用工具包：ArxivToolkit、GitHubToolkit、GoogleMapsToolkit、MathToolkit、NetworkXToolkit、NotionToolkit、RedditToolkit、WeatherToolkit等。完整工具包列表请参阅CAMEL工具包文档。
自定义可用工具的方法：
# 1. 导入工具包
from camel.toolkits import BrowserToolkit, SearchToolkit, CodeExecutionToolkit
# 2. 配置工具列表
tools = [
*BrowserToolkit(headless=True).get_tools(),
SearchToolkit().search_wiki,
*CodeExecutionToolkit(sandbox="subprocess").get_tools(),
]
# 3. 传递给助手代理
assistant_agent_kwargs = {"model": models["assistant"], "tools": tools}选择必要的工具包可优化性能并减少资源使用。
OWL 现在包含一个基于网页的用户界面，使与系统交互变得更加容易。要启动网页界面，请运行：
# 中文版本
python run_app_zh.py
# 英文版本
python run_app.py网页界面提供以下功能：
- 便捷的模型选择：选择不同的模型（OpenAI、Qwen、DeepSeek等）
- 环境变量管理：直接从界面配置API密钥和其他设置
- 交互式聊天界面：通过用户友好的界面与OWL智能体交流
- 任务历史：查看交互的历史记录和结果
网页界面使用Gradio构建，在您的本地机器上运行。除了您配置的模型API调用所需的数据外，不会向外部服务器发送任何数据。
我们提供了一个脚本用于复现 GAIA 上的实验结果。 要复现我们在 GAIA 基准测试中获得的 58.18 分：
- 切换到
gaia58.18分支：
git checkout gaia58.18- 运行评估脚本：
python run_gaia_roleplaying.py我们正在不断努力改进 OWL。以下是我们的路线图：
- 撰写技术博客，详细介绍我们在现实任务中多智能体协作方面的探索与见解
- 通过引入更多针对特定领域任务的专业工具，进一步完善工具生态系统
- 开发更复杂的智能体交互模式和通信协议
- 提高复杂多步推理任务的性能
源代码采用 Apache 2.0 许可证。
如果你觉得这个仓库对你有帮助，请引用：
@misc{owl2025,
title = {OWL: Optimized Workforce Learning for General Multi-Agent Assistance in Real-World Task Automation},
author = {{CAMEL-AI.org}},
howpublished = {\url{https://github.com/camel-ai/owl}},
note = {Accessed: 2025-03-07},
year = {2025}
}
我们欢迎社区的贡献！以下是您可以提供帮助的方式：
当前开放贡献的问题：
要认领一个问题，只需在该问题下留言表明您的兴趣即可。
加入我们的 (Discord 或 微信) 社区，一起探索智能体扩展规律的边界。
加入我们，参与更多讨论！
Q: 为什么启动示例脚本后，我没有看到本地运行Chrome浏览器？
A: 当OWL判断某个任务可以使用非浏览器工具（如搜索、代码分析等）完成时，浏览器就不会启动。只有在判断需要使用浏览器工具的时候，本地才会弹出浏览器窗口，并进行浏览器模拟交互。
Q: 我应该使用哪个Python版本？
A: OWL支持Python 3.10、3.11和3.12。为了与所有依赖项获得最佳兼容性，我们推荐使用Python 3.10。
Q: 我如何为项目做贡献？
A: 请参阅我们的贡献部分，了解如何参与的详细信息。我们欢迎各种形式的贡献，从代码改进到文档更新。
OWL 是基于 CAMEL 框架构建的，以下是如何探索 CAMEL 源代码并了解其与 OWL 的工作方式：
# 克隆 CAMEL 仓库
git clone https://github.com/camel-ai/camel.git
cd camel