news 2026/4/9 14:01:59

OpenAgents开源项目:解决AI智能体协作痛点,实现长期协作、知识共享和经验积累!

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
OpenAgents开源项目:解决AI智能体协作痛点,实现长期协作、知识共享和经验积累!

简介

OpenAgents是一个开源项目,旨在解决AI智能体协作短命、知识隔离和无记忆的痛点。它提供持久化网络、模块化设计、多协议支持和记忆系统,让AI智能体能够像人类一样长期协作、共享知识和积累经验。开发者可轻松接入,创建包含数千智能体的协作网络,共同完成复杂任务,实现真正的AI智能体互联网。


一、AI协作的痛点:为什么需要OpenAgents?

今年AI Agent技术发展得特别快,从单个智能体到多个智能体一起干活,我们看到AI已经从工具变成了靠谱的伙伴。但现在的多智能体系统有三个大问题:

    1. 协作短命:大部分系统只能在一个环境里临时组队完成任务,任务结束就解散,下次再做又得重新来一遍。
    1. 知识隔离:每个智能体的知识和经验都被困在自己的小圈子里,不能共享给其他系统,导致重复造轮子。
    1. 没有记忆:传统智能体做完任务就消失了,下次再遇到同样的问题,还是得从头开始,根本记不住之前的经验。

OpenAgents就是为了解决这些问题而生的。它的目标很简单:让所有AI智能体像人类一样联网协作,打造一个持续进化的智能体互联网。

二、OpenAgents到底是什么?

OpenAgents是一个开源项目,它就像一个智能体的社交平台,让开发者可以创建和加入拥有数千个智能体的网络,大家在里面一起协作、解决问题、学习成长。

核心亮点

    1. 持久化网络:每个网络都是一个24小时在线的社区,智能体可以随时加入,不用提前注册。
    1. 模块化设计:通过可插拔的Mods扩展功能,支持文档协作、Wiki、项目管理等20多种玩法。
    1. 兼容所有协议:不管你用WebSocket、gRPC还是HTTP,都能轻松接入,任何语言开发的智能体都能一起玩。
    1. 真正的协作:智能体之间可以互相认识、学习,一起完成长期任务,比如共同写论文、维护知识库、运营活动。
    1. 人类也能参与:我们人类用户也能进入网络,和AI智能体团队一起协作。

三、和其他AI工具比,OpenAgents有啥不一样?

特性OpenAgents传统多智能体框架(LangChain/AutoGen)
架构类型分布式开放网络任务封闭型架构
协作模式动态编排,长期协作静态工作流,临时协作
知识共享跨网络共享知识与经验知识隔离在单一任务实例内
状态持久化长期在线,积累上下文和关系网络启动-执行-销毁,无持久状态
扩展性支持数十亿级智能体联网协作受限于单任务上下文窗口

四、OpenAgents的核心功能模块

1. Agent Network:协作空间

  • 持久运行:网络创建后24小时在线,不会因为任务结束而消失。
  • 动态加入:智能体通过Network ID就能接入,不用提前注册。
  • 多协议支持:支持WebSocket、gRPC、HTTP、libp2p等多种协议。
  • 自治配置:每个网络都有自己的权限、规则和资源配额,可以自定义管理。

2. Mods:可插拔的协作能力

Mods就像插件一样,可以随时添加或移除,让你根据不同场景组合不同的功能,比如:

  • Documents:多智能体一起编辑文档
  • Wiki:共同维护知识库
  • Minecraft:在游戏里和智能体一起玩
  • Project Board:用智能体管理项目

3. 协议适配层:让不同智能体互联互通

支持多种协议,不管你用什么语言或框架开发的智能体,都能无缝对接:

  • • HTTP/REST:通用跨语言集成
  • • WebSocket:低延迟双向通信
  • • gRPC:高性能RPC,适合大规模集群
  • • libp2p:P2P去中心化传输
  • • a2a:智能体之间的专用协议

4. 记忆系统:基于Milvus的长期记忆

OpenAgents通过Memory Mod集成了Milvus向量数据库,实现:

  • 语义检索:通过向量相似度找到相似的历史记录,避免重复回答。
  • 高性能扩展:支持数十亿级向量存储,查询延迟不到10毫秒。
  • 多租户隔离:不同项目组可以拥有独立的记忆空间,互不干扰。

五、快速上手:从安装到第一个智能体网络

环境配置

方法1:PyPI安装(推荐)

# 创建新环境conda create -n openagents python=3.12# 激活环境conda activate openagents# 安装OpenAgentspip install openagents# 升级到最新版本(至少0.7.0)pip install -U openagents

方法2:Docker快速启动

# 拉取镜像docker pull ghcr.io/openagents-org/openagents:latest# 运行容器docker run -p 8700:8700 -p 8600:8600 -p 8800:8800 -p 8050:8050 ghcr.io/openagents-org/openagents:latest

创建第一个智能体网络

    1. 初始化网络工作区
openagents init ./my_first_network
    1. 启动网络
openagents network start ./my_first_network

此时你的网络将运行在localhost:8700,使用HTTP作为主要传输协议。浏览器会自动打开该网址。

点击connect连接进入OpenAgents Studio的登录界面,可选择admin密码admin登录。

点击左侧Message。

六、使用Python代码实现一个Agent

下面我们将在使用Python代码实现一个Agent智能体,并且能够连接并访问网络。

实现代码

import osimport timefrom openagents.agents.worker_agent import WorkerAgentfrom openagents.models.agent_config import AgentConfigclassAIAssistant(WorkerAgent):"""An AI-powered assistant agent"""# default_agent_id的值为随机值,使用时间戳作为后缀 default_agent_id = "ai-assistant" + str(time.time()) default_channels = ["#general"]asyncdefon_direct(self, msg):"""Handle direct messages with AI responses"""awaitself.run_agent(context=msg)if __name__ == "__main__":# 1、配置LLM 大模型参数 api_key = os.getenv("OPENAI_API_KEY") api_base=os.getenv("OPENAI_API_BASE") agent_config = AgentConfig( provider="openai", instruction="You are a helpful AI assistant in an agent network.", model_name="gpt-5.1", api_key=api_key, api_base=api_base, )# 2、创建AIAssistant智能体 agent = AIAssistant(agent_config=agent_config)# 3、启动智能体 agent.start( network_host="localhost", network_port=8700, ) agent.wait_for_stop()

功能说明

  • • AIAssistant继承WorkerAgent类,实现智能体的基本功能。
  • • 配置OpenAI API密钥和基础URL,用于调用大模型。
  • • 实现on_direct方法,处理直接消息,调用大模型生成回复。
  • • 启动智能体时,指定网络主机为localhost,端口为8700。
  • • 智能体启动后,会在#general频道监听直接消息。
  • • 当用户在#general频道直接发送消息时,智能体会调用大模型生成回复,并将回复发送回该频道。

运行该py文件,OpenAgents Studio的message里就会显示该Agent的连接,Studio中可以发信息与Agent互动。

官方提供的场景示例

Demo1:Hello World(单智能体对话)

启动一个会回复消息的智能体"Charlie",验证安装是否正确,熟悉基本操作流程。

Demo2:Startup Pitch Room(多角色辩论会)

创始人、投资人、技术专家等角色智能体齐聚路演室,基于各自人设展开提问、反驳与补充,模拟真实团队动态。

Demo3:Tech News Stream(实时信息流水线)

"新闻猎人"智能体实时抓取科技新闻,"分析师"智能体即时生成观点评论,体验智能体间的任务触发与信息流协作。

Demo4:Research Team(任务驱动的研究团队)

协调者智能体接收研究课题,分解为搜索、分析等子任务,分派给不同特长的智能体执行,最终整合为完整报告。

Demo5:Grammar Check Forum(事件驱动的语法论坛)

发表的每一篇帖子都会触发后台的语法检查智能体,自动分析文本并提供纠错建议与写作提示。

示例视频可通过b站查看:

https://www.bilibili.com/video/BV1FkqhB1EV9/?share_source=copy_web&vd_source=87a112f35efdb2b4213e80188ba83665

注意事项

    1. 版本要求:确保openagents版本至少为0.7.0,使用pip install -U openagents升级。
    1. 环境隔离:建议使用conda创建独立环境,避免依赖冲突。
    1. Mod扩展:通过安装和配置不同的Mods扩展智能体网络功能,例如openagents mod install documents
    1. 记忆优化:结合Milvus向量数据库实现长期记忆,提升智能体协作效率。
    1. 社区支持:遇到问题可在Discord社区提问,或查看GitHub Issues获取帮助。

综述

OpenAgents不是又一个多智能体框架,而是一张让智能体真正联网的底层网络。它让智能体从孤立的个体,变成协作网络中的伙伴,能够长期在线、相互协作、共享知识。随着OpenAgents的发展,我们有望看到一个由数百万AI智能体组成的开放协作网络,共同解决复杂的挑战,创造更有价值的成果。

读者福利:如果大家对大模型感兴趣,这套大模型学习资料一定对你有用

对于0基础小白入门:

如果你是零基础小白,想快速入门大模型是可以考虑的。

一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括:大模型学习线路汇总、学习阶段,大模型实战案例,大模型学习视频,人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型!

😝一直在更新,更多的大模型学习和面试资料已经上传带到CSDN的官方了,有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

👉AI大模型学习路线汇总👈

大模型学习路线图,整体分为7个大的阶段:(全套教程文末领取哈)

第一阶段:从大模型系统设计入手,讲解大模型的主要方法;

第二阶段:在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;

第三阶段:大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;

第四阶段:大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;

第五阶段:大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;

第六阶段:以SD多模态大模型为主,搭建了文生图小程序案例;

第七阶段:以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的,要学会跟着一起做,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频,看书籍和视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

👉学会后的收获:👈

• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;

• 能够利用大模型解决相关实际项目需求:大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;

• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能,学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;

• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力:大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。

👉获取方式:

😝一直在更新,更多的大模型学习和面试资料已经上传带到CSDN的官方了,有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/7 13:23:45

Open-AutoGLM镜像资源告急,这2个私有仓库正在紧急开放接入

第一章:Open-AutoGLM有没有国内的镜像仓库对于国内开发者而言,访问海外开源项目常面临网络延迟高、下载速度慢甚至连接失败的问题。Open-AutoGLM 作为基于 GLM 大模型构建的自动化工具框架,其官方代码托管于 GitHub 等国际平台,因…

作者头像 李华
网站建设 2026/4/9 1:20:37

为人民写诗:故乡的风

433、故乡的风——灵遁者故乡的风, 带着稻田的香气和泥土的温度, 从我年少时的怀抱中流走。 每一阵风吹过,都像是母亲的手, 抚摸过我的发梢,抚慰着曾经离去的心。 那片山川,那条小河, 我从未曾离…

作者头像 李华
网站建设 2026/4/8 8:31:16

如何判断一个对象是否可以被回收?

文章目录对象存活判断引用计数算法可达性分析算法概述基本思路GC Roots对象存活判断 在堆里存放着几乎所以的Java对象实例,在GC执行垃圾回收之间;首先需要区分出内存中哪些是存活对象,哪些是已经死亡对象;只有被标记为已经死亡对…

作者头像 李华
网站建设 2026/4/3 23:51:41

37、Ruby编程中的错误处理与文件操作详解

Ruby编程中的错误处理与文件操作详解 1. Errno模块 在Ruby编程里,异常对象是 Exception 的子类。不过,操作系统通常用普通整数来报告错误。 Errno 模块会动态创建,目的是把这些操作系统错误映射到Ruby类上,每个错误编号都会生成 SystemCallError 的一个子类。由于这…

作者头像 李华