全自动零代码LLM智能体框架AutoAgent

艺帆风顺 发布于 2025-03-31 30 次阅读

项目简介

欢迎来到 AutoAgent！AutoAgent 是一个全自动且高度自发展的框架，用户仅通过自然语言即可创建和部署LLM智能体。AutoAgent 是一个“全自动、零代码”的 LLM Agent 框架，能让你通过日常语言（比如“帮我写个总结”）告诉系统你想要什么，然后它自动帮你生成一个智能助手（AI Agent）。这些助手是用像 GPT-4 或 Claude 这样的大模型驱动的，但你不需要懂技术也能用。

✨关键特性

  • 🏆 GAIA 基准测试中的顶级表现者AutoAgent 在开源方法中排名第一，其性能与 OpenAI 的深度研究相当。

  • 📚 带有原生自我管理向量数据库的 Agentic-RAG配备原生自我管理向量数据库的 AutoAgent，在性能上超越了 LangChain 等行业领先解决方案。

  • ✨ 轻松创建代理和工作流程

    AutoAgent 利用自然语言轻松构建现成的工具、代理和工作流程 - 无需编码。

  • 🌐 通用LLM 支持AutoAgent 无缝集成多种 LLMs（例如，OpenAI、Anthropic、Deepseek、vLLM、Grok、Huggingface ...）

  • 🔀 灵活交互享受对函数调用和 ReAct 交互模式的全面支持。

  • 🤖 动态、可扩展、轻量级AutoAgent 是您的个人 AI 助手，旨在实现动态、可扩展、定制和轻量级。

🚀 解锁LLM代理的未来。现在就尝试 🔥AutoAgent🔥！

🔍 如何使用 AutoAgent

1. user mode (SOTA 🏆 开放深度研究)

AutoAgent 拥有即插即用的多智能体系统，您可以在启动页面选择 user mode 使用它。这个多智能体系统是一个通用人工智能助手，具有与 OpenAI 的深度研究相同的功能，在 GAIA 基准测试中具有可比的性能。

  • 🚀 高性能：使用 Claude 3.5 而不是 OpenAI 的 o3 模型与深度研究相匹配。
  • 🔄 模型灵活性：兼容任何 LLM（包括 Deepseek-R1、Grok、Gemini 等）。
  • 💰 成本效益：Deep Research $200/月订阅的免费开源替代方案
  • 🎯 用户友好：易于部署的命令行界面，实现无缝交互
  • 📁 文件支持：处理文件上传，增强数据交互

🎥 深度研究（又称用户模式）

2. agent editor （无工作流创建代理）

AutoAgent 最显著的特点是其自然语言定制能力。与其他代理框架不同，AutoAgent 允许您仅使用自然语言创建工具、代理和工作流程。只需选择 agent editor 或 workflow editor 模式，即可开始通过对话构建代理的旅程。

3. workflow editor （有工作流创建代理）您还可以使用 workflow editor 模式通过自然语言描述创建代理工作流程，

⚡ 快速开始

安装

AutoAgent 安装

    git clone https://github.com/HKUDS/AutoAgent.gitcd AutoAgentpip install -e .

     Docker 安装我们使用 Docker 来容器化代理交互环境。因此请先安装 Docker。您不需要手动拉取预构建镜像，因为我们已经让 Auto-Deep-Research 根据您的机器架构自动拉取预构建镜像。

    API 密钥设置

    创建一个环境变量文件，就像.env.template 一样，并设置你要使用的LLMs的 API 密钥。并非每个LLM API 密钥都是必需的，使用你需要的即可。

      # Required Github Tokens of your ownGITHUB_AI_TOKEN=# Optional API KeysOPENAI_API_KEY=DEEPSEEK_API_KEY=ANTHROPIC_API_KEY=GEMINI_API_KEY=HUGGINGFACE_API_KEY=GROQ_API_KEY=XAI_API_KEY=

       以命令行模式开始

      命令选项：

      您可以运行auto main 来启动 AutoAgent 的全部功能，包括user mode 、 agent editor 和 workflow editor 。顺便说一句，您也可以运行auto deep-research 来启动更轻量级的 user mode ，就像 Auto-Deep-Research 项目一样。以下是一些此命令的配置示例。

      • --container_name ：Docker 容器的名称（默认：'deepresearch'）
      • --port : 容器端口（默认：12346）
      • COMPLETION_MODEL : 指定要使用的 LLM 模型，您应遵循 Litellm 的命名方式设置模型名称。（默认： claude-3-5-sonnet-20241022 ）
      • DEBUG : 启用调试模式以获取详细日志（默认：False）
      • API_BASE_URL : LLM 提供者的基本 URL（默认：无）
      • FN_CALL : 启用函数调用（默认：无）。大多数情况下，您可以忽略此选项，因为我们已经根据模型名称设置了默认值。
      • git_clone : 将 AutoAgent 仓库克隆到本地环境（仅支持使用 auto main 命令，默认：True）
      • test_pull_name : 测试拉取的名称。（仅支持使用auto main 命令，默认：'autoagent_mirror'）

      关于 git_clone 和 test_pull_name 的更多详细信息]在 agent editor 和 workflow editor 模式下，我们应该将 AutoAgent 仓库的镜像克隆到本地交互式环境，并让我们的 AutoAgent 自动更新 AutoAgent 本身，例如创建新的工具、代理和工作流程。因此，如果您想使用 agent editor 和 workflow editor 模式，您应该将 git_clone 设置为 True，并将 test_pull_name 设置为 'autoagent_mirror' 或其他分支。

      auto main 使用不同的 LLM 提供商然后，我将向您展示如何使用 AutoAgent 的完整功能，通过 auto main 命令和不同的LLM提供商。如果您想使用 auto deep-research 命令，可以参考 Auto-Deep-Research 项目获取更多详细信息。

      Anthropic
      • 在 .env 文件中设置 ANTHROPIC_API_KEY 。
      ANTHROPIC_API_KEY=your_anthropic_api_key
      • 运行以下命令以启动 Auto-Deep-Research。
      auto main # default model is claude-3-5-sonnet-20241022
      OpenAI
      • 在 .env 文件中设置 OPENAI_API_KEY 。
      OPENAI_API_KEY=your_openai_api_key
      • 运行以下命令以启动 Auto-Deep-Research。
      COMPLETION_MODEL=gpt-4o auto main
      Mistral 
      • 在 .env 文件中设置 MISTRAL_API_KEY 。
      MISTRAL_API_KEY=your_mistral_api_key
      • 运行以下命令以启动 Auto-Deep-Research。
      COMPLETION_MODEL=mistral/mistral-large-2407 auto main
      Gemini - 谷歌 AI 工作室
      • 在 .env 文件中设置 GEMINI_API_KEY 。
      GEMINI_API_KEY=your_gemini_api_key
      • 运行以下命令以启动 Auto-Deep-Research。
      COMPLETION_MODEL=gemini/gemini-2.0-flash auto main
      Hugging Face
      • 在 .env 文件中设置 HUGGINGFACE_API_KEY 。
      HUGGINGFACE_API_KEY=your_huggingface_api_key
      • 运行以下命令以启动 Auto-Deep-Research。
      COMPLETION_MODEL=huggingface/meta-llama/Llama-3.3-70B-Instruct auto main
      Groq
      • 在 .env 文件中设置 GROQ_API_KEY 。
      GROQ_API_KEY=your_groq_api_key
      • 运行以下命令以启动 Auto-Deep-Research。
      COMPLETION_MODEL=groq/deepseek-r1-distill-llama-70b auto main
      OpenAI-兼容端点（例如，Grok）
      • 在 .env 文件中设置 OPENAI_API_KEY 。
      OPENAI_API_KEY=your_api_key_for_openai_compatible_endpoints
      • 运行以下命令以启动 Auto-Deep-Research。
      COMPLETION_MODEL=openai/grok-2-latest API_BASE_URL=https://api.x.ai/v1 auto main
      OpenRouter（例如，DeepSeek-R1）

      我们建议暂时使用 OpenRouter 作为 DeepSeek-R1 的LLM提供商。因为 DeepSeek-R1 的官方 API 无法有效使用。

      • 在 .env 文件中设置 OPENROUTER_API_KEY 。
      OPENROUTER_API_KEY=your_openrouter_api_key
      • 运行以下命令以启动 Auto-Deep-Research。
      COMPLETION_MODEL=openrouter/deepseek/deepseek-r1 auto main
      DeepSeek
      • 在 .env 文件中设置 DEEPSEEK_API_KEY 。
      DEEPSEEK_API_KEY=your_deepseek_api_key
      • 运行以下命令以启动 Auto-Deep-Research。
      COMPLETION_MODEL=deepseek/deepseek-chat auto main

      启动 CLI 模式后，您可以看到 AutoAgent 的起始页面

      项目链接

      https://github.com/HKUDS/AutoAgent

      扫码加入技术交流群，备注「开发语言-城市-昵称」

      合作请注明

       

      关注「GitHubStore」公众号