Skip to content

README_zh.md

Latest commit

 

History

History
314 lines (240 loc) · 13.2 KB

README_zh.md

File metadata and controls

314 lines (240 loc) · 13.2 KB

cooragent

Python 3.12+ Wechat Discord Follow

English | 简体中文

Cooragent 是什么

Cooragent 是一个 AI 智能体协作社区。在这个社区中，你可以通过一句话创建一个具备强大功能的智能体，并与其他智能体协作完成复杂任务。智能体可以自由组合，创造出无限可能。与此同时，你还可以将你的智能体发布到社区中，与其他人共享。

introduce_cooragent.mp4

无限可能

Cooragent 有两种工作模式：Agent Factory 和 Agent Workflow。

  • Agent Factory 模式下，你只需要你对智能体做出描述，Cooragent 就会根据你的需求生成一个智能体。Agent Factory 模式下，系统的会自动分析用户需求，通过记忆和扩展深入理解用户，省去纷繁复杂的 Prompt 设计。Planner 会在深入理解用户需求的基础上，挑选合适的工具，自动打磨 Prompt，逐步完成智能体构建。智能体构建完成后，可以立即投入使用，但你仍然可以对智能体进行编辑，优化其行为和功能。
  • Agent Workflow 模式下你只需要描述你想要完成的目标任务，Cooragent 会自动分析任务的需求，挑选合适的智能体进行协作。Planner 根据各个智能体擅长的领域，对其进行组合并规划任务步骤和完成顺序，随后交由任务分发节点 publish 发布任务。各个智能领取自身任务，并协作完成任务。 Cooragent 可以在两种模式下不断演进，从而创造出无限可能。

快速安装

  1. 使用 conda 安装
git clone https://github.com/LeapLabTHU/cooragent.git
cd cooragent

conda create -n cooragent python=3.12
conda activate cooragent

pip install -e .

# Optional: 使用 browser 工具时需要安装
playwright install

# 配置 API keys 和其他环境变量
cp .env.example .env
# Edit .env file and fill in your API keys

# 通过 CLi 本地运行
python cli.py
  1. Installation using venv
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: 使用 browser 工具时需要安装
playwright install

# 配置 API keys 和其他环境变量
# 注意 Browse tool 等待时间较长，默认是关闭的。可以通过设置  `USE_BROWSER=True` 开启
cp .env.example .env
# Edit .env file and fill in your API keys

# 通过 CLi 本地运行
uv run cli.py

注意：如果在 windows 平台运行本项目 cli 工具，除了上述步骤外，还需要安装额外依赖，详见windows-平台支持。

配置

在项目根目录创建 .env 文件并配置以下环境变量：

cp .env.example .env

Cooragent 有什么不同

功能比较

功能 cooragent open-manus langmanus OpenAI Assistant Operator
实现原理 基于 Agent 自主创建实现不同 Agent 之间的协作完成复杂功能 基于工具调用实现复杂功能 基于工具调用实现复杂功能 基于工具调用实现复杂功能
支持的 LLMs 丰富多样 丰富多样 丰富多样 仅限 OpenAI
MCP 支持 ✅ ❌ ❌ ✅
Agent 协作 ✅ ❌ ✅ ✅
多 Agent Runtime 支持 ✅ ❌ ❌ ❌
可观测性 ✅ ✅ ❌ ❌
本地部署 ✅ ✅ ✅ ❌

CLI 工具

Cooragent 提供了一系列开发者工具，帮助开发者快速构建智能体。通过 CLI 工具，开发者可以快速创建，编辑，删除智能体。CLI 的设计注重效率和易用性，大幅减少了手动操作的繁琐，让开发者能更专注于智能体本身的设计与优化。

使用 Cli 工具一句话创建智能体

进入 cooragent 命令工具界面

python cli.py

Cooragent cli 工具

一句话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. 今天是 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新闻，预测下个交易日的股价走势，并给出买入或卖出的建议。'

编辑智能体

edit-agent -n <agent_name> -i

查询智能体

list-agents -u <user-id> -m <regex>

删除智能体

remove-agent -n <agent_name> -u <user-id>

使用一组智能体协作完成复杂任务

run -t agent_workflow -u test -m '综合运用任务规划智能体，爬虫智能体，代码运行智能体，浏览器操作智能体，报告撰写智能体，文件操作智能体为我规划一个 2025 年五一期间去云南旅游的行程。首先运行爬虫智能体爬取云南旅游的景点信息，并使用浏览器操作智能体浏览景点信息，选取最值得去的 10 个景点。然后规划一个 5 天的旅游的行程，使用报告撰写智能体生成一份旅游报告，最后使用文件操作智能体将报告保存为 pdf 文件。'

集成 MCP 服务 (类似 Claude Desktop)

通过模型上下文协议 (MCP) 集成外部服务和工具，以增强您的智能体 (Agent) 的能力。这类似于某些桌面 AI 助手 (如 Claude Desktop) 管理外部功能的方式。

配置方法：

  1. 定位/创建配置文件： 在您的项目根目录中找到或创建 config/mcp.json 文件。

    cd ./config
cp mcp.json.example mcp.json

  2. 添加 MCP 服务： 在此 JSON 文件中定义您的 MCP 服务。每个服务都有一个唯一的键 (key) 和一个配置对象。

    配置文件 (config/mcp.json) 示例：

    {
    "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"
        }
      }
    }
}

工作原理：

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) 在规划和执行任务时便可以选择和使用这些工具，从而实现更复杂的功能。 如上配置好高德地图相关工具后，你可以尝试如下的使用案例：

创建一个导航智能体，专注于导航，使用地图相关工具，规划如何从北京西站到故宫。

文档 & 支持

全面的兼容性

Cooragent 在设计上追求极致的开放性和兼容性，确保能够无缝融入现有的 AI 开发生态，并为开发者提供最大的灵活性。这主要体现在对 Langchain 工具链的深度兼容、对MCP (Model Context Protocol) 协议的支持以及全面的 API 调用能力上。

  • 深度兼容 Langchain 工具链:
    • 可以在 Cooragent 的智能体或工作流中直接使用熟悉的 Langchain 组件，如特定的 Prompts、Chains、Memory 模块、Document Loaders、Text Splitters 以及 Vector Stores 等。这使得开发者可以充分利用 Langchain 社区积累的丰富资源和既有代码。
    • 平滑迁移与整合: 如果您已经有基于 Langchain 开发的应用或组件，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、调度和管理能力对其进行增强。
    • 超越基础兼容: Cooragent 不仅兼容 Langchain，更在其基础上提供了如 Agent Factory、Agent Workflow、原生 A2A 通信等高级特性，旨在提供更强大、更易用的智能体构建和协作体验。您可以将 Langchain 作为强大的工具库，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、状态和上下文，使得不同来源、不同开发者构建的智能体能够更容易地理解彼此并进行协作。
    • 高效上下文管理: 通过 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，提高复杂任务的处理效率。
    • 增强互操作性: 对 MCP 的支持使得 Cooragent 能够更好地与其他遵循该协议的系统或平台进行互操作，构建更广泛、更强大的智能生态系统。
  • 全面的 API 调用支持: Cooragent 的核心功能都通过全面的 API (例如 RESTful API) 暴露出来，为开发者提供了强大的编程控制能力。
    • 程序化管理: 通过 API 调用，您可以自动化智能体的创建、部署、配置更新、启动/停止等全生命周期管理。
    • 任务集成: 将 Cooragent 的任务提交和结果获取能力集成到您自己的应用程序、脚本或工作流引擎中。
    • 状态监控与日志: 通过 API 获取智能体的实时运行状态、性能指标和详细日志，方便监控和调试。
    • 构建自定义界面: 利用 API，您可以为 Cooragent 构建自定义的前端用户界面或管理后台，满足特定的业务需求和用户体验。

Cooragent 路线图

✨ 准确性提升

增强智能体输出的准确性和可靠性。引入更强大的评估机制，利用多轮验证和反馈来确保生成结果的质量，减少错误和不一致性。

🎯 垂直场景支持

构建针对特定行业的智能体工作流。支持教育和新闻摘要等垂直领域，提供定制化解决方案以提高特定场景下的效果。

👁️ 多模态智能体支持

扩展智能体处理和理解多种类型信息的能力。主要目标是添加视觉信息支持，使智能体能够分析图像内容，为更广泛的应用场景奠定基础。

👥 社区互动增强

增强智能体社区内的互动方式。这可能包括智能体分享市场、协作挑战等举措，旨在鼓励用户分享、发现和共同改进智能体。

即将推出

  • ✅ MCP 规模化扩展
    在 Cooragent 中大规模增加更多 MCP 服务器/工具测试和支持

  • ⏳ 沙箱支持
    使用 Daytona 支持 Python 和 Shell 的沙箱环境

  • ⏳ 可视化拖拽工作流编辑
    提供可视化工作流编辑功能，允许用户通过拖拽操作快速准确地编辑工作流。

  • ⏳长记忆支持
    使用 Redis 和向量数据库来记住用户的长记忆。

贡献

我们欢迎各种形式的贡献！无论是修复错别字、改进文档，还是添加新功能，您的帮助都将备受感激。请查看我们的贡献指南了解如何开始。

欢迎加入我们的 wechat 群，随时提问，分享，吐槽。

Cooragent group

Citation

Core contributors: Zheng Wang, Jiachen Du, Shenzhi Wang, Yue Wu, Chi Zhang, Shiji Song, Gao Huang

@misc{wang2025cooragent,
  title        = {Cooragent: An AI Agent Collaboration Community},
  author       = {Zheng Wang, Jiachen Du, Shenzhi Wang, Yue Wu, Chi Zhang, Shiji Song, Gao Huang},
  howpublished = {\url{https://github.com/LeapLabTHU/cooragent}},
  year         = {2025}
}

Star History

Star History Chart

致谢

特别感谢所有让 cooragent 成为可能的开源项目和贡献者。我们站在巨人的肩膀上。