Agent2 — 模块化 Agent 系统框架

一个从零构建的 Python Agent 系统框架，用于深入理解 AI Agent 的核心架构和设计模式。

核心特性

快速开始

# 安装
uv pip install -e "."

# 设置 API Key
export AGENT2_API_KEY=sk-...

最简示例

import asyncio
from agent2.llm import create_llm
from agent2.agent import ReActAgent
from agent2.tools.builtin import python_exec

async def main():
    llm = create_llm("openai", model="gpt-4o-mini")
    agent = ReActAgent("assistant", llm=llm, tools=[python_exec])
    result = await agent.run("What is 2^100?")
    print(result)

asyncio.run(main())

示例

uv run examples/01_single_agent.py   # 单 Agent ReAct
uv run examples/02_tool_use.py       # 自定义工具
uv run examples/03_planning.py       # Plan-and-Execute
uv run examples/04_memory.py         # 记忆系统（无需 API Key）
uv run examples/05_multi_agent.py    # 多 Agent 协作

终端交互界面 (TUI)

Agent2 提供沉浸式终端交互应用，支持多种交互模式：

uv run -m agent2.app.tui              # 启动 TUI（缺省为 Agent 模式）
uv run -m agent2.app.tui --mode plan  # 以 Plan 模式启动
uv run -m agent2.app.tui --mode ask   # 以 Ask 只读模式启动

交互模式与斜杠指令

• Agent 模式（缺省模式）（/agent）：全功能自主智能体，支持读写文件、命令执行等工具调用与人在回路（HITL）确认。
• Plan 模式（/plan）：
  • 意图分析与任务拆解：分析用户目标并生成结构化子任务列表，明确标注任务间依赖关系与所需上下文。
  • 动态交互调优：支持在 Plan 模式下多轮对话修改与完善计划。
  • 确认后自动派发：用户确认计划（输入 yes / 确认 / ok 等）后，自动退出 Plan 模式并进入 Agent 模式。
  • DAG 拓扑执行与上下文隔离：依据依赖关系拓扑排序，为各个子任务派发单独的子 agent 独立执行，严格仅传递所需的前序结果与上下文。
  • 结果汇总：待子任务全部完成后统一聚合结果，生成完整最终回答。
• Ask 模式（/ask）：只读问答模式，严格禁止所有写和执行操作（禁用 file_write、shell_exec、python_exec 等），仅开放只读与目录查看工具。
• Skills（/skills）：浏览、搜索、重载并调用 SKILL.md 技能；也可直接使用 /<skill_name> [prompt]。
• YOLO / Allow-all（/yolo、/allow-all）：自动批准所有工具执行；YOLO 模式额外让 LLM 自主决策，无需向用户提问。

快捷键：Tab / Shift+Tab 切换顶层面板 · ? 切换内联快捷键面板 · + 打开会话面板 · Ctrl+O 展开/收起工具结果 · Ctrl+C 中断 · Ctrl+Z 挂起至后台 · Ctrl+D 保存退出

配置文件 (~/.config/agent2/config.json)

Agent2 支持通过用户级配置文件管理服务商凭据与模型别名。文件路径为 ~/.config/agent2/config.json（可选）：

{
  "default": "gpt-4o-mini",
  "max_iterations": 50,
  "rules": [
    "Always prefer concise, production-ready code.",
    "Run tests before reporting success."
  ],
  "mcp_servers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/tmp"]
    }
  },
  "providers": {
    "openai": {
      "api_key": "sk-..."
    },
    "deepseek": {
      "base_url": "https://api.deepseek.com/v1",
      "api_key": "sk-..."
    },
    "qwen": {
      "base_url": "https://dashscope.aliyuncs.com/compatible-mode/v1",
      "api_key": "sk-..."
    },
    "ollama": {
      "base_url": "http://localhost:11434/v1"
    }
  },
  "models": {
    "gpt-4o-mini": { "provider": "openai" },
    "deepseek": { "provider": "deepseek", "model_id": "deepseek-chat" },
    "deepseek-r1": { "provider": "deepseek", "model_id": "deepseek-reasoner" },
    "qwen": { "provider": "qwen", "model_id": "qwen-plus" },
    "llama3.1": { "provider": "ollama" }
  }
}

• default：默认模型别名或名称（如 "gpt-4o-mini"、"deepseek"）。
• max_iterations：Agent 最大推理轮数（默认 50，支持别名 max_turns）。
• rules：inline 规则列表，自动注入 Agent system prompt。
• mcp_servers：MCP server 配置（stdio command/args/env 或 SSE url），启动时自动发现并注册 MCP 工具。
• providers：服务商端点与 API Key 集中管理，同服务商下的多模型无需重复配置凭据与 base URL。
• models：具名模型别名映射，只需指定所属 provider 即可自动继承连接配置。

架构

agent2/
├── llm/        # LLM 抽象层 — 统一多提供商接口
├── tools/      # 工具系统 — @tool 装饰器 + Registry
├── agent/      # Agent 核心 — ReAct / Planner / Reflection
├── memory/     # 记忆系统 — Working / LongTerm
├── crew/       # 多 Agent — Sequential / Supervisor / Debate
├── context.py  # Rules / Skills 发现与加载
├── mcp.py      # MCP 工具桥接
├── app/        # CLI / TUI 应用层
└── utils/      # 配置 + 日志 + JSON 提取工具

License

MIT