AutoAgentKit 🦞

生产级 AI Agent 工具包 — 从实战中提炼，已在真实系统中验证。

9 大核心模块：PlanMode · ErrorReflection · ToolRouter · Dashboard · AccessControl · MCPServer · StateGraph · CrewRole · TypedAgent

---

为什么用 AutoAgentKit？

市面上 Agent 框架很多（LangChain、CrewAI、AutoGen），但它们普遍缺少生产级工程能力：

问题	AutoAgentKit 方案
工具调用失败后盲目重试	ErrorReflection — 20+ 错误类型自动分类，精确恢复策略
上下文膨胀导致质量下降	PlanMode — Plan/Act 分离，步骤依赖解析
工具太多模型选错	ToolRouter — 阶段性暴露，每阶段 ≤ 8 工具
不知道 Agent 在干什么	Dashboard — 实时指标监控
权限失控	AccessControl — 4 级权限策略
协议不标准	MCPServer — JSON-RPC 2.0 + SSE，支持 Resources/Prompts 原语
复杂工作流编排困难	StateGraph — LangGraph 灵感图编排引擎，条件分支/循环/检查点
多 Agent 协作	CrewRole — 角色/任务/流程系统，顺序/层级/并行执行
工具参数类型错误	TypedAgent — 类型安全工具定义，自动参数校验与转换

快速开始

pip install auto-agent-kit

from auto_agent_kit import PlanMode, ErrorReflection, ToolRouter

# === 计划执行模式 ===
planner = PlanMode()
plan = planner.create_plan("分析市场数据并生成报告")
# → ["收集数据", "分析趋势", "生成报告"]

# === 错误反射 ===
reflector = ErrorReflection()
recovery = reflector.classify_and_recover(error)
# → {"type": "rate_limit", "strategy": "exponential_backoff", "retry_after": 5}

# === 工具路由器 ===
router = ToolRouter()
router.register_phase("research", ["web_search", "web_fetch"])
router.register_phase("analyze", ["code_executor", "data_visualizer"])
router.activate_phase("research")
# → 当前只暴露 research 阶段的工具

安装

# 基础安装（核心模块）
pip install auto-agent-kit

# 带 MCP Server 支持
pip install auto-agent-kit[mcp]

# 带 Dashboard 支持
pip install auto-agent-kit[dashboard]

# 全部功能
pip install auto-agent-kit[all]

模块详解

🎯 PlanMode — 计划执行模式

🔀 StateGraph — 图编排引擎

LangGraph 灵感纯 Python 实现，零外部依赖。

• 3 种边类型：NORMAL / CONDITIONAL / LOOP
• 6 种节点类型：TASK / DECISION / PARALLEL / INPUT / OUTPUT / SUBGRAPH
• 3 个便捷构建器：sequential() / agent_loop() / branching()
• 检查点系统：自动保存/恢复执行状态
• Mermaid 可视化：自动生成流程图
• 错误容忍：失败节点自动跳过

from auto_agent_kit import StateGraph, sequential, agent_loop

# 顺序执行
graph = sequential(["step1", "step2", "step3"])
result = graph.invoke({"input": "data"})

# Agent 循环
agent = agent_loop("analyze", max_iterations=5)
for chunk in agent.stream({"task": "分析报告"}):
    print(chunk)

👥 CrewRole — 角色协作系统

CrewAI 灵感角色定义框架。

• Role：角色定义（名称/目标/工具/系统提示）
• Task：任务定义（描述/角色/期望输出/上下文）
• Crew：团队编排（顺序/层级/并行/自定义流程）
• 便捷工厂：create_analysis_team() / create_development_team()

from auto_agent_kit import Role, CrewTask, Crew, ProcessType

analyst = Role(name="分析师", goal="分析市场数据", tools=["web_search"])
writer = Role(name="报告撰写", goal="生成分析报告")

crew = Crew(name="分析团队", process=ProcessType.SEQUENTIAL)
crew.add_role(analyst).add_role(writer)
crew.add_task(CrewTask(description="收集数据", role=analyst))
crew.add_task(CrewTask(description="写报告", role=writer))

result = crew.kickoff()

🏷️ TypedAgent — 类型安全 Agent

Pydantic AI 灵感类型安全工具定义。

• TypedTool：装饰器定义类型安全工具，自动参数校验
• TypedAgent：FastAPI 风格 Agent 定义
• StructuredOutput：dataclass 驱动结构化输出
• 自动类型转换：str→int、str→float、str→bool 等

from auto_agent_kit import TypedAgent, AgentConfig, TypedTool

agent = TypedAgent(AgentConfig(name="助手", system_prompt="你是一个助手"))

@agent.tool("add", "加法工具")
def add(a: int, b: int) -> int:
    return a + b

result = agent.call_tool("add", a="3", b="4")  # 自动类型转换 → 7

模块详解

🎯 PlanMode — 计划执行模式

复杂任务先计划再行动。支持：

• Plan/Act 分离 — 计划阶段和执行阶段独立
• 步骤依赖解析 — 自动识别步骤间依赖关系
• 进度追踪 — 实时了解执行到哪一步

from auto_agent_kit import PlanMode

planner = PlanMode()
plan = planner.create_plan("调研竞品并输出对比报告")
# 输出：["搜索竞品信息", "抓取详情页", "分析差异", "生成报告"]

🔧 ErrorReflection — 错误反射

工具调用失败时自动分类，精确恢复。支持 20+ 错误类型：

错误类型	恢复策略	说明
rate_limit	指数退避	API 限流，等待后重试
timeout	超时重试	连接超时，增加超时时间
auth_failed	凭证轮换	认证失败，切换凭证
context_overflow	上下文压缩	上下文超限，压缩后重试
service_unavailable	服务切换	服务不可用，切备用
parse_error	格式修复	解析失败，修复格式

from auto_agent_kit import ErrorReflection

reflector = ErrorReflection()
result = reflector.classify_and_recover({
    "error": "429 Too Many Requests",
    "status_code": 429
})
# → {"type": "rate_limit", "strategy": "exponential_backoff", "retry_after": 5}

🧭 ToolRouter — 语义工具路由器

阶段性工具暴露，防止模型被过多工具干扰。

from auto_agent_kit import ToolRouter

router = ToolRouter()
router.register_phase("research", ["web_search", "web_fetch", "news_api"])
router.register_phase("analyze", ["code_executor", "data_visualizer"])
router.register_phase("report", ["doc_generator", "pdf_exporter"])

router.activate_phase("research")
available = router.get_available_tools()
# → ["web_search", "web_fetch", "news_api"]  (≤ 8 工具)

📊 Dashboard — 仪表板

实时监控 Agent 运行指标。

from auto_agent_kit import Dashboard

dashboard = Dashboard()
dashboard.record_event("tool_call", {"tool": "web_search", "status": "success"})
dashboard.record_event("error", {"type": "rate_limit", "recovery": "backoff"})

stats = dashboard.get_stats()
# → {"total_calls": 42, "success_rate": 0.95, "error_rate": 0.05}

🔒 AccessControl — 访问控制

4 级权限策略 + 操作审批流程。

级别	说明	示例操作
L1 Read	只读	文件读取、搜索
L2 Execute	执行	运行脚本、API 调用
L3 Modify	修改	文件写入、配置变更
L4 Admin	管理	删除、格式化、系统配置

from auto_agent_kit import AccessControl

ac = AccessControl()
ac.check_permission("delete_file", level="L3")
# → {"allowed": False, "reason": "需要 L4 权限", "requires_approval": True}

🌐 MCPServer — MCP 协议服务器

JSON-RPC 2.0 + SSE 传输，兼容任何 MCP 客户端。

from auto_agent_kit import MCPServer

server = MCPServer(port=8901)
server.register_tool("search", search_handler)
server.register_tool("analyze", analyze_handler)
server.start()  # 启动 SSE 服务器

完整示例

from auto_agent_kit import PlanMode, ErrorReflection, ToolRouter, Dashboard, AccessControl

# 1. 创建计划
planner = PlanMode()
plan = planner.create_plan("调研 AI Agent 市场趋势")

# 2. 配置工具
router = ToolRouter()
router.register_phase("research", ["web_search", "web_fetch"])

# 3. 监控
dashboard = Dashboard()

# 4. 执行（带错误处理）
reflector = ErrorReflection()
for step in plan:
    try:
        router.activate_phase("research")
        result = execute_step(step, router.get_available_tools())
        dashboard.record_event("step_complete", {"step": step})
    except Exception as e:
        recovery = reflector.classify_and_recover(e)
        dashboard.record_event("error", {"step": step, "recovery": recovery})

开发

git clone git@github.com:Lwh909193/auto-agent-kit.git
cd auto-agent-kit
pip install -e ".[all]"
pytest tests/ -v

发布

python scripts/publish.py

路线图

• v0.1.0 — 6 大核心模块 + 测试
• v0.2.0 — 异步支持 + 更多错误类型
• v0.3.0 — 插件系统 + 第三方集成
• v1.0.0 — 生产就绪 + 完整文档

许可证

MIT © 2026 AoLongZhiZun