OpenAGI

GitHub
2.3k 206 简单 1 次阅读 昨天MIT语言模型开发框架Agent
AI 解读 由 AI 自动生成,仅供参考

OpenAGI 是一个专为构建智能体(AI Agent)设计的开源开发包,其核心理念是“当大语言模型遇见领域专家”。它旨在解决大模型在通用场景下表现优异,但在特定垂直领域缺乏专业执行能力的问题。通过提供标准化的框架,OpenAGI 让开发者能够轻松将大模型的推理能力与外部专业工具、领域知识相结合,从而创造出能完成复杂任务的专业智能体。

这款工具主要面向 AI 开发者、研究人员以及希望探索智能体应用的技术团队。用户不仅可以基于现有架构快速开发自定义智能体,还能通过内置的社区机制上传和下载他人开发的智能体,实现资源共享与协作。值得注意的是,虽然 OpenAGI 奠定了坚实的基础,但官方建议新用户在构建连接 AIOS 内核的智能体时,可进一步关注其最新推出的 Cerebrum SDK 以获得更优体验。

OpenAGI 的独特亮点在于其模块化的设计思路:只需简单的文件夹结构和配置文件,即可定义智能体的执行逻辑、依赖项及配置参数。这种低门槛的开发模式极大地降低了专业智能体的创建难度,推动了从“通用对话”向“专业执行”的技术演进,是探索大模型落地垂直场景的理想实验平台。

使用场景

某电商公司的数据团队希望构建一个能自动分析销售数据、调用外部 API 查询库存并生成周报的智能助手,但缺乏统一的智能体开发框架。

没有 OpenAGI 时

  • 开发人员需从零搭建智能体架构,重复编写任务调度、记忆管理等基础代码,耗时且易出错。
  • 难以将大语言模型与公司内部的专业工具(如库存系统、BI 报表)有效连接,导致智能体“有脑无手”。
  • 团队成员各自为战,开发的智能体格式不统一,无法在社区内共享或复用他人的优秀成果。
  • 缺乏标准化的配置管理,每次调整智能体行为都需要修改大量底层代码,维护成本极高。
  • 新成员上手困难,面对分散的代码库和缺失的文档,往往需要数周才能理解如何扩展新功能。

使用 OpenAGI 后

  • 利用 OpenAGI 提供的标准包结构,开发者只需聚焦核心逻辑,快速构建出具备完整执行流程的智能体。
  • 通过内置的工具扩展机制,轻松将库存查询、数据可视化等域专家能力封装为插件,让大模型真正落地业务场景。
  • 借助上传与下载命令,团队可直接复用社区中成熟的代理模板,或将自研代理分享出去,极大促进协作效率。
  • 采用 config.json 进行声明式配置,无需改动代码即可灵活调整智能体的参数与行为,迭代速度显著提升。
  • 清晰的目录规范和丰富的示例降低了门槛,新工程师能在一天内掌握开发流程并贡献新的功能模块。

OpenAGI 通过标准化智能体创建流程并打通大模型与领域工具的壁垒,让企业能以最低成本构建可复用、可扩展的行业专用 AI 助手。

运行环境要求

操作系统
  • 未说明
GPU

未说明

内存

未说明

依赖
notes该工具主要用于为 AIOS 构建智能体,官方建议最新开发迁移至 Cerebrum SDK。安装可通过 PyPI (pip install pyopenagi) 或本地源码安装。自定义智能体需遵循特定的文件夹结构(包含 agent.py, config.json, meta_requirements.txt)。支持通过命令行上传和下载智能体。具体底层依赖(如 PyTorch 版本等)未在 README 中列出,需查看项目内的 meta_requirements.txt 或 setup 文件。
python未说明
pyopenagi
OpenAGI hero image

快速开始

OpenAGI:用于创建 AI 代理的软件包

代码许可证

✈️ 入门指南

OpenAGI 用作代理创建工具包,用于为 AIOS 构建代理。 注意: 若要在 AIOS 中构建代理,请迁移到 Cerebrum,这是我们用于连接 AIOS 内核的最新 SDK。

安装

从 PyPI 安装

pip install pyopenagi

本地安装

git clone https://agiresearch/OpenAGI
cd OpenAGI
pip install -e .

使用方法

添加新代理

要添加新代理,首先需要在 pyopenagi/agents 文件夹下创建一个文件夹。 该文件夹应具有以下结构:

- pyopenagi/agents
  - 作者
    - 代理名称
      - agent.py # 代理执行逻辑的主要代码
      - config.json # 代理配置设置
      - meta_requirements.txt # 代理所需的依赖项

如果您希望在代理中使用 OpenAGI 提供的外部工具,可以按照 如何设置外部工具 中的说明进行操作。 如果您想为正在开发的代理添加新工具, 则需要在 此文件夹 中添加一个新的工具文件。

上传代理

如果您已经开发并测试了您的代理,并希望分享这些代理,可以使用以下命令上传:

python pyopenagi/agents/interact.py --mode upload --agent <作者名/代理名>

💡请注意,agent 参数必须与您本地存放代理的文件夹完全一致。

下载代理

如果您想查看其他人开发的其他代理的实现,可以使用以下命令:

python pyopenagi/agents/interact.py --mode download --agent <作者名/代理名>

🚀 贡献

有关如何贡献的详细信息,请参阅 CONTRIBUTE。如果您希望为代码库做出贡献,我们始终欢迎 问题拉取请求

🖋️ 研究

请查看我们的研究论文 OpenAGI:当 LLM 遇见领域专家实现

@article{openagi,
  title={OpenAGI: When LLM Meets Domain Experts},
  author={Ge, Yingqiang and Hua, Wenyue and Mei, Kai and Ji, Jianchao and Tan, Juntao and Xu, Shuyuan and Li, Zelong and Zhang, Yongfeng},
  journal={In Advances in Neural Information Processing Systems (NeurIPS)},
  year={2023}
}

🌍 OpenAGI 贡献者

OpenAGI contributors

🌟 星标历史

星标历史图表

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

140.4k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|昨天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|2天前
Agent图像开发框架