🇨🇳中文 | 🌐English | 🇯🇵日本語

---

Agentica: 构建 AI 智能体

Agentica 是一个轻量级、功能强大的 Python 框架，用于构建、管理和部署自主 AI 智能体。

无论您是想创建一个简单的聊天机器人、一个复杂的研究助理，还是一个由专业智能体组成的协作团队，Agentica 都能为您提供所需的工具和抽象，助您更快实现目标。我们采用开发者优先的设计方法，简化了 RAG、多智能体工作流和长期记忆等高级功能，让每一位开发者都能轻松上手。

🚀 为什么选择 Agentica？

• 开发者优先的 API：简洁、直观、面向对象的接口，易于学习，使用愉快。
• 模块化与可扩展：轻松替换 LLM、记忆后端和向量存储等组件。
• 功能完备：开箱即用，提供丰富的内置工具（网络搜索、代码解释器、文件读写）、记忆类型和高级 RAG 功能。
• 高级功能，简化实现：轻松实现多智能体协作（团队）、任务分解（工作流）和自我反思等复杂模式。
• 生产就绪：通过命令行界面、Web UI 或作为服务部署您的智能体。同时支持模型上下文协议（MCP），实现标准化工具集成。
• 中文优化：为中文用户提供一流支持，配备专门的文档和示例。

✨ 核心特性

• 🤖 核心智能体能力：构建具备复杂规划、反思、短期和长期记忆以及强大工具使用能力的智能体。
• 🧩 高级编排：
  • 多智能体团队：创建由专业智能体组成的团队，协作解决问题。
  • 工作流：将复杂任务分解为一系列步骤，由不同的智能体或工具执行。
• 🛠️ 丰富的工具生态：
  • 大量内置工具（网络搜索、OCR、图像生成、Shell 命令）。
  • 轻松创建您自己的自定义工具。
  • 一流的**模型上下文协议（MCP）**支持，实现标准化工具集成。
• 📚 灵活的 RAG 流程：
  • 内置知识库管理和文档解析（PDF、文本）。
  • 混合检索策略和结果重排序，以实现最高准确性。
  • 与 LangChain 和 LlamaIndex 等流行库集成。
• 🌌 多模态支持：构建能够理解和生成文本、图像、音频和视频的智能体。
• 🧠 广泛的 LLM 兼容性：支持来自 OpenAI、Azure、Deepseek、Moonshot、Anthropic、智谱AI、Ollama、Together 等提供商的数十种模型。
• 💡 自我进化智能体：具备反思和记忆增强能力的智能体，能够自我进化。

🏗️ 系统架构

Agentica 的模块化设计实现了最大的灵活性和可扩展性。其核心是 Agent、Model、Tool 和 Memory 组件，这些组件可以轻松组合和扩展，以创建强大的应用程序。

💾 安装

pip install -U agentica

从源码安装：

git clone https://github.com/shibing624/agentica.git
cd agentica
pip install .

⚡ 快速入门

1. 设置您的 API 密钥。 在 ~/.agentica/.env 路径下创建一个文件，或设置环境变量。

   # 月之暗面 Moonshot AI
   export MOONSHOT_API_KEY="your-api-key"
   # 智谱AI ZhipuAI
   export ZHIPUAI_API_KEY="your-api-key"
   # 搜索工具
   export SERPER_API_KEY="your-serper-api-key"

2. 运行您的第一个智能体！ 这个例子创建了一个可以查询天气的智能体。

   from agentica import Agent, Moonshot, WeatherTool
   
   # 初始化一个带模型和天气工具的智能体
   weather_agent = Agent(
       model=Moonshot(), 
       tools=[WeatherTool()],
       # 为智能体提供时间概念，以便回答“明天”等问题
       add_datetime_to_instructions=True  
   )
   
   # 向智能体提问
   weather_agent.print_response("明天北京天气怎么样？")

   输出：

   明天北京的天气预报如下：
   
   - 早晨：晴朗，气温约18°C，风速较小，约为3 km/h。
   - 中午：晴朗，气温升至23°C，风速6-7 km/h。
   - 傍晚：晴朗，气温略降至21°C，风速较大，为35-44 km/h。
   - 夜晚：晴朗转晴，气温下降至15°C，风速32-39 km/h。
   
   全天无降水，能见度良好。请注意傍晚时分的风速较大，外出时需注意安全。

📖 核心概念

• Agent：思考、决策和执行动作的核心组件。它将模型、工具和记忆连接在一起。
• Model：智能体的“大脑”。通常是一个大型语言模型（LLM），为智能体的推理能力提供动力。
• Tool：智能体可用于与外部世界交互的功能或能力（例如，搜索网页、运行代码、访问数据库）。
• Memory：允许智能体记住过去的交互（短期记忆）并存储关键信息以供日后调用（长期记忆）。
• Knowledge：外部知识源（如文档集合），智能体可以使用检索增强生成（RAG）进行查询。
• Workflow/Team：用于编排复杂、多步骤任务或管理多个智能体之间协作的高级结构。

🚀 功能展示：您可以构建什么

浏览我们全面的示例，了解 Agentica 的无限可能：

示例	描述
高级 RAG 智能体	基于您的 PDF 文档构建一个强大的问答系统，具备查询重写、混合检索和重排序功能。
多智能体团队	组建一个由专业智能体（如研究员和作家）组成的团队，协作撰写新闻文章。
自我进化智能体	创建一个能从交互中学习并随时间推移改进其知识库的智能体。
LLM 操作系统	一个有趣的实验，旨在构建一个由 LLM 驱动的对话式操作系统。
投资研究工作流	自动化整个投资研究流程，从数据收集和分析到报告生成。
视觉智能体	构建一个能够理解和推理图像的智能体。

➡️ 查看所有示例

🖥️ 部署

命令行界面 (CLI)

直接从终端与您的智能体互动。

# 安装 agentica
pip install -U agentica

# 运行单个查询
agentica --query "下一届奥运会在哪里举办？" --model_provider zhipuai --model_name glm-4-flash --tools web_search_pro

# 启动交互式聊天会话
agentica --model_provider zhipuai --model_name glm-4-flash --tools web_search_pro cogview --verbose 1

Web UI

Agentica 与 ChatPilot 完全兼容，为您的智能体提供功能丰富、基于 Gradio 的 Web 界面。

请查看 ChatPilot 仓库了解设置说明。

🤝 与其他框架的比较

特性	Agentica	LangChain	AutoGen	CrewAI
核心设计	以智能体为中心，模块化且直观	以链为中心，复杂的组件图	专注于多智能体对话	专注于基于角色的多智能体
易用性	高（为简洁而设计）	中（学习曲线陡峭）	中	高
多智能体	原生支持 Team 和 Workflow	需要自定义实现	核心功能	核心功能
RAG	内置高级流程	需要手动组装组件	需要外部集成	需要外部集成
工具	丰富的内置工具 + MCP 支持	生态系统庞大，可能很复杂	基本的工具支持	基本的工具支持
多模态	✅ 支持（文本、图像、音频、视频）	✅ 支持（但集成可能复杂）	❌ 不支持（主要基于文本）	❌ 不支持（主要基于文本）

💬 社区与支持

• GitHub Issues：有任何问题或功能请求？提交 issue。
• 微信：加入我们的开发者社群！添加微信号 xuming624，并备注“agentica”，即可加入群聊。

📜 引用

如果您在研究中使用了 Agentica，请按以下格式引用：

@misc{agentica,
  author = {Ming Xu},
  title = {Agentica: Effortlessly Build Intelligent, Reflective, and Collaborative Multimodal AI Agents},
  year = {2024},
  publisher = {GitHub},
  journal = {GitHub Repository},
  howpublished = {\url{https://github.com/shibing624/agentica}},
}

📄 许可证

Agentica 采用 Apache License 2.0 授权。

❤️ 贡献

我们欢迎各种形式的贡献！请查看我们的贡献指南以开始。

🙏 致谢

我们的工作受到了许多优秀项目的启发和帮助。我们在此感谢以下项目团队：

• langchain-ai/langchain
• phidatahq/phidata
• simonmesmith/agentflow