Skip to content

README_zh.md

Latest commit

 

History

History
215 lines (156 loc) · 12 KB

README_zh.md

File metadata and controls

215 lines (156 loc) · 12 KB

AgentScope 示例 Agent

All Contributors

License Python Docs Runtime Docs Last Commit

[README]

欢迎来到 AgentScope 示例 Agent 仓库！🎯 该仓库提供可直接使用的 Python 示例 Agent，它们构建于以下项目之上：

这些示例涵盖了广泛的使用场景 —— 从轻量级命令行 Agent，到同时具备前端和后端的可部署全栈应用。

📖 关于 AgentScope & AgentScope Runtime

AgentScope

AgentScope 是一个多 Agent 框架，旨在以简单高效的方式构建基于 LLM 的 Agent 应用。它提供了用于定义 Agent、集成工具、管理对话以及编排多 Agent 工作流的抽象能力。

AgentScope Runtime

AgentScope Runtime 是一个全面的运行时框架，主要解决部署和运行 Agent 的两个关键问题：

  1. 高效的 Agent 部署 —— 支持跨环境的可扩展部署和管理。
  2. 沙盒化工具执行 —— 安全、隔离地运行工具和外部操作。

它包括Agent 部署以及安全的沙盒化工具执行能力，可搭配 AgentScope 或其他 Agent 框架使用。

✨ 快速开始

  • 所有示例均基于 Python。
  • 示例按功能使用场景组织。
  • 有些示例仅使用 AgentScope（纯 Python Agent）。
  • 有些示例同时使用 AgentScope 和 AgentScope Runtime 来实现带前端+后端的可部署全栈应用。
  • 全栈运行时版本的文件夹名称以： _fullstack_runtime 结尾

📌 运行示例之前，请查看对应的 README.md 获取安装与运行说明。

安装依赖

🌳 仓库结构

├── alias/                                  # 解决现实问题的智能体程序
├── browser_use/
│   ├── agent_browser/                      # 纯 Python 浏览器 Agent
│   └── browser_use_fullstack_runtime/      # 全栈运行时版本（前端+后端）
│
├── deep_research/
│   ├── agent_deep_research/                # 纯 Python 多 Agent 研究流程
│   └── qwen_langgraph_search_fullstack_runtime/    # 全栈运行时研究应用
│
├── games/
│   └── game_werewolves/                    # 角色扮演推理游戏
│
├── conversational_agents/
│   ├── chatbot/                            # 聊天机器人应用
│   ├── chatbot_fullstack_runtime/          # 带界面的运行时聊天机器人
│   ├── multiagent_conversation/            # 多 Agent 对话场景
│   └── multiagent_debate/                  # Agent 辩论场景
│
├── evaluation/
│   └── ace_bench/                          # 基准测试与评估工具
│
├── data_juicer_agent/                      # 数据处理多智能体系统
├── sample_template/                        # 新样例贡献模板
└── README.md

📌 示例列表

分类 示例文件夹 使用 AgentScope 使用 AgentScope Runtime 描述
数据处理 data_juicer_agent/ ✅ ❌ 基于 Data-Juicer 的多智能体数据处理
浏览器相关 browser_use/agent_browser ✅ ❌ 基于 AgentScope 的命令行浏览器自动化
browser_use/browser_use_fullstack_runtime ✅ ✅ 带 UI 和沙盒环境的全栈浏览器自动化
深度研究 deep_research/agent_deep_research ✅ ❌ 多 Agent 研究流程
deep_research/qwen_langgraph_search_fullstack_runtime ❌ ✅ 全栈运行时深度研究应用
游戏 games/game_werewolves ✅ ❌ 多 Agent 角色扮演推理游戏
对话应用 conversational_agents/chatbot_fullstack_runtime ✅ ✅ 带前端/后端的聊天机器人
conversational_agents/chatbot ✅ ❌ 聊天机器人
conversational_agents/multiagent_conversation ✅ ❌ 多 Agent 对话场景
conversational_agents/multiagent_debate ✅ ❌ Agent 辩论
评估 evaluation/ace_bench ✅ ❌ ACE Bench 基准测试
通用智能体 alias/ ✅ ✅ 在沙盒中运行的可以解决真实问题的智能体程序

🌟 特色示例

DataJuicer 智能体

一个强大的数据处理多智能体系统，利用 Data-Juicer 的 200+ 算子进行智能数据处理：

  • 智能查询：从 200+ 数据处理算子中找到合适的算子
  • 自动化流程：从自然语言描述生成 Data-Juicer YAML 配置
  • 自定义开发：通过 AI 辅助创建领域特定的算子
  • 多种检索模式：基于 LLM 和向量的算子匹配
  • MCP 集成：原生模型上下文协议支持

📖 文档：English | 中文

Alias 智能体

Alias-Agent（简称 Alias）旨在作为一个智能助手来处理多样且复杂的真实世界任务，提供三种操作模式以实现灵活的任务执行：

  • Simple React：采用经典的推理-行动循环来迭代解决问题并执行工具调用。
  • Planner-Worker：使用智能规划将复杂任务分解为可管理的子任务，并由专门的执行智能体独立处理每个子任务。
  • Built-in Agents：利用针对特定领域定制的专用智能体，包括用于全面分析的Deep Research Agent和用于基于 Web 交互的Browser-use Agent。

除了作为一个即用型智能体，我们也希望 Alias 能够成为一个基础模板，可以迁移到不同的场景。

📖 文档：English | 中文

ℹ️ 获取帮助

如果你：

  • 需要安装帮助
  • 遇到问题
  • 想了解某个示例的工作方式

请：

  1. 阅读该示例的 README.md
  2. 提交 GitHub Issue
  3. 加入社区讨论：
Discord 钉钉

🤝 参与贡献

欢迎提交：

  • Bug 报告
  • 新功能请求
  • 文档改进
  • 代码贡献

详情见 Contributing 文档。

📄 许可证

本项目基于 Apache 2.0 License 授权，详见 LICENSE 文件。

🔗 相关资源

贡献者 ✨

感谢这些优秀的贡献者们 (表情符号说明):

Weirui Kuang
Weirui Kuang
🚧 💻 👀 📖		 Osier-Yi
Osier-Yi
🚧 💻 👀 📖		 DavdGao
DavdGao
🚧		 qbc
qbc
🚧		 Lamont Huffman
Lamont Huffman
💻 ⚠️
Add your contributions

本项目遵循 all-contributors 规范。欢迎任何形式的贡献！