AgentOS2 项目脚手架

LLM驱动的智能工作流系统，支持图结构编排、流程嵌套、双层并发架构

📌 项目结构

agent_os2/
├── agent_os/              # 核心框架
│   ├── base_agent.py      # Agent抽象
│   ├── flow.py            # DAG调度器  
│   ├── base_model/        # 模型接口
│   ├── utility.py         # 工具函数
│   └── visualize.py       # 可视化
├── agents/examples/       # 示例
├── agent_settings.json    # Agent配置
├── model_settings.json    # 模型配置
└── DEVELOPING_GUIDE.md    # 开发指南

🚀 核心特性

一、BaseAgent

1.1 生命周期

✅ 已完成: 标准流程(激活→批处理→执行→下发) | 三阶段(setup/pipeline/post_process) | 纯函数特性

1.2 上下文系统

✅ 已完成: Settings(构建时继承) | Args/SharedContext/ExtraContexts(运行时) | 模板系统({src.*}/{ctx.*}) | 深度合并
⏳ 未完成: 上下文压缩 | RAG/KAG集成

1.3 批处理

✅ 已完成: batch_field | 批处理索引 | 双层并发架构

1.4 模型交互

✅ 已完成: 统一接口 | 智能重试 | 超时控制 | 严格模式 | JSON校验 | 模型配置优先级加载 | 为自动模型选择提供接口

1.5 日志系统

✅ 已完成: user_info | debug_info | 批处理标识 | 即时输出

1.6 agent_command

✅ 已完成: memory(替换更新Shared Context) | memory_append(追加更新Shared Context) | actions(修改图结构) | add_context(注入接口对象) | 可扩展

二、Flow

2.1 图结构调度

✅ 已完成: 有向图依赖 | 拓扑并发 | 动态修改 | 循环/条件分支
⏳ 未完成: 分布式调度 | 远程执行

2.2 Flow功能

✅ 已完成: Agent/Flow一体化 | YAML DSL | 入口管理 | 别名机制 | 热重载 | Agent类对象注入机制 | 注册系统

2.3 上下文隔离

✅ 已完成: 父子隔离 | 按需继承(expected_shared_context_keys) | 动态更新 | 优化传递

2.4 执行统计

✅ 已完成: 资源限制(max_*_limit) | 性能指标 | 执行可视化 | flow_results

三、辅助系统

3.1 模型系统

✅ 已完成: Processor注册 | ModelConfig | 内置多模型配置 | 流式输出 | 多模态输入解析 | 多轮对话 | 多模态输出

3.2 工具函数

✅ 已完成: DSL解析 | Agent发现 | JSON解析 | 字典合并 | 模板解析
⏳ 未完成: Token压缩 | RAG/KAG工具

3.3 执行接口

✅ 已完成: execute() | 可视化执行 | 单Agent测试 | 双模式 | 并发限制 | observer
⏳ 未完成: 分布式执行 | MCP插件

📖 最新更新

• 上下文传递优化: 只传递存在的键，改进get()行为

🔗 相关文档

• DEVELOPING_GUIDE.md - 详细开发指南
• examples/ - 示例工作流

🚀 快速体验 (Quick Start)

跟随以下步骤，快速体验 AgentOS2 的强大功能。

1. 配置模型

首先，您需要在项目根目录下创建一个文件夹 aos_config，并在其中创建一个 model_settings.json 文件。这是AgentOS2寻找模型配置的地方。

./aos_config/model_settings.json 内容示例:

{
    "google-chat":{
        "api_key":"YOUR_GEMINI_API_KEY",
        "base_url":"",
        "proxy":"",
        "models":[
            "gemini-2.5-flash"
        ]
    }
}

提示: 请将 "YOUR_GEMINI_API_KEY" 替换为您自己的API密钥。AgentOS2的内置示例默认使用gemini-2.5-flash模型，您也可以根据需要配置其他模型，例如 lite-llm-chat 或 openai-chat。

2. 运行内置示例

项目自带了一个“故事生成”的示例，让您无需编写代码即可感受AgentOS2的流程编排能力。

创建一个Python文件（例如 run_example.py）并添加以下代码：

import asyncio
from agent_os2.examples.story_generate_example import start_story_generate

async def main():
    # 故事生成示例的入口函数
    # 你可以修改 user_input 来尝试不同的故事主题
    user_input = "我想听一个关于一只勇敢的小猫去外太空探险的故事"
    result = await start_story_generate(user_input)
    print("流程执行完毕，最终结果:", result)

if __name__ == "__main__":
    asyncio.run(main())

3. 查看可视化结果

运行 run_example.py 后，程序会自动在执行目录下的 memory/ 文件夹中生成一个带时间戳的子目录，例如 memory/statistics_20240730-103000。

进入该目录，找到并用浏览器打开 visualization.html 文件。您将看到一个交互式流程图，清晰地展示了“故事生成”工作流中每个Agent的执行顺序、输入输出和最终结果。