一个带人工干预的自主 Agent 框架。

# Windows (使用 PowerShell)
iwr https://astral.sh/uv/install.ps1 | iex

# macOS/Linux
curl -LsSf https://astral.sh/uv/install.sh | sh

支持两种接口规范：Anthropic 和 OpenAI

# 默认使用 Anthropic 接口规范
# 可以是任何实现了 Anthropic 接口规范的模型
# 例如：Anthropic Claude、Azure Claude 等
export LLM_API_SPEC="anthropic"
export LLM_API_KEY="sk-ant-api03-xxx"
export LLM_MODEL="claude-3-opus-20240229"
export LLM_BASE_URL="https://api.anthropic.com/v1"  # 可选

# 使用 OpenAI 接口规范
# 可以是任何实现了 OpenAI 接口规范的模型
# 例如：OpenAI GPT、Azure OpenAI、DeepSeek、GLM 等
export LLM_API_SPEC="openai"
export LLM_API_KEY="sk-xxx"
export LLM_MODEL="gpt-4"
export LLM_BASE_URL="https://api.openai.com/v1"  # 可选

# 克隆仓库后，在项目根目录执行
uv venv --clear
.venv\Scripts\activate  # Windows PowerShell
# 或
source .venv/bin/activate  # macOS/Linux

uv pip install -e .

# 启动交互式 Agent
agent

# 直接执行任务
agent --task "你的任务"

# 查看可用工具
agent --tools

# 运行所有测试
pytest tests/

# 运行特定测试文件
pytest tests/test_tools.py

├── src/
│   └── agent/
│       ├── __init__.py
│       ├── __main__.py     # 主入口点
│       ├── agent.py        # 核心 Agent 逻辑
│       ├── llm_client.py   # LLM 客户端
│       ├── prompts.py      # 提示词模板
│       ├── tool_registry.py # 工具注册表
│       ├── types.py        # 类型定义
│       ├── logging.py      # 日志管理
│       └── tools/          # 工具集
│           ├── __init__.py
│           ├── browser_manager.py  # 浏览器管理
│           ├── browser_tools.py    # 浏览器工具
│           ├── file_tools.py       # 文件操作工具
│           ├── format_tools.py     # 格式工具
│           ├── system_tools.py     # 系统工具
│           └── web_search_tools.py # Web搜索工具
├── tests/                  # 测试文件
├── pyproject.toml          # 项目配置
├── setup.py                # 安装配置
└── README.md               # 项目说明

┌─────────────────────────────────────────────────────────────┐
│                         User                                │
│              (通过 CLI 发送任务)                              │
└──────────────────────────┬──────────────────────────────────┘
                           │
                           ▼
┌─────────────────────────────────────────────────────────────┐
│                     Agent Controller                        │
│  ┌─────────────────────────────────────────────────────┐    │
│  │  • 任务接收与解析                                    │    │
│  │  • 执行循环 (Plan → Execute → Observe → Decide)    │    │
│  │  • 状态管理                                         │    │
│  │  • 干预触发与恢复                                    │    │
│  └─────────────────────────────────────────────────────┘    │
└──────────────────────────┬──────────────────────────────────┘
                           │
         ┌─────────────────┼─────────────────┐
         │                 │                 │
         ▼                 ▼                 ▼
┌─────────────┐   ┌─────────────┐   ┌─────────────┐
│Tool Registry│   │   LLM API   │   │   Memory    │
│ (工具管理)   │   │ (调用大模型) │   │ (历史记录)  │
└─────────────┘   └─────────────┘   └─────────────┘

• 自主执行: Agent 自动规划并执行任务
• 人工干预: 需要确认时暂停等待用户反馈
• 模块化设计: 清晰的代码结构，便于扩展和维护
• 多种 LLM 支持: 兼容 OpenAI、Anthropic、MiniMax、DeepSeek、GLM 等模型
• 丰富的工具集: 内置文件操作、命令执行、系统信息、Web搜索、浏览器自动化等工具
• 实时反馈: 工具执行结果实时反馈给大模型
• 历史消息保留: 保留完整的对话历史，便于上下文理解
• 工作空间管理: 自动创建和管理工作目录，确保任务执行环境的一致性

• read_file: 读取文件内容
• write_file: 写入文件
• edit_file: 编辑文件内容
• list_dir: 列出目录
• create_dir: 创建目录
• delete_file: 删除文件(需确认)
• search_files: 搜索文件

• exec_command: 执行命令
• async_exec_command: 异步执行命令（用于长期运行的命令）
• async_kill_command: 杀掉异步执行的命令
• get_system_info: 获取系统信息
• request_human_input: 请求人类输入
• exit_agent: 退出Agent

• web_search: 轻量级Web搜索，使用DDGS（DuckDuckGo Search）获取网页信息

• browser_init: 初始化浏览器
• browser_navigate: 导航到指定URL
• browser_click: 点击页面元素
• browser_fill: 填写表单
• browser_screenshot: 截图页面
• browser_get_text: 获取页面元素文本
• browser_get_elements: 获取多个页面元素
• browser_scroll: 滚动页面
• browser_close: 关闭浏览器

• beautify_markdown: 美化Markdown格式

# 启动交互式 Agent
agent

# 在交互模式中，您可以：
# 1. 输入任务描述
# 2. 使用 :tools 查看可用工具
# 3. 使用 :state 查看当前状态
# 4. 使用 :quit 退出

# 直接执行任务
agent --task "你的任务"

# 查看可用工具
agent --tools

agent --task "创建一个名为 test.txt 的文件，内容为 'Hello, Agent!'"

agent --task "查看当前目录下的文件列表"

agent --task "搜索 Python 3.10 的新特性"

agent --task "打开百度首页，搜索 'Python'，并获取搜索结果"