automind-agent 0.4.0

通用自动化 Agent 框架 - 支持分层规划、符号推理、自我纠错、MCP 和多模型后端

AutoMind — 通用自动化 Agent 框架

融合 Claude Code、OpenAI Codex 与 Reasonix 的核心能力， 支持 MCP 协议、Skill 技能系统、分层规划、符号推理与自我纠错。 内置 Web 工作台，开箱即用，可聊天、可工作、可编程。

五种交互模式

模式	说明	适用场景
💬 对话	纯多轮对话，不调用工具，响应最快（支持图片输入/视觉模型）	问答、咨询、头脑风暴
⚙️ 工作	分层规划 + 工具执行 + 符号验证	建项目、跑命令、改文件等自动化任务
💻 编程	ReAct 思考-行动循环，聚焦代码	阅读 / 编写 / 调试 / 重构 / 测试
🤝 协同	多智能体分工协作并综合	复杂、跨角色的长任务
🔁 循环	Loop Engineering：自主"行动-观察-修正"闭环	需反复迭代直到达标的任务

工具审批模式（Approval）

顶部下拉可切换工具调用的审批策略（Reasonix 风格 deny > ask > allow 门控）：

• 🙋 询问 — 除只读工具外，每次工具调用前弹窗请求人工批准。
• ⚡ 自动（默认）— 自动批准普通/低风险工具，仅高危操作需确认。
• ✅ 全批准 — 跳过所有工具审批，完全自主运行（慎用）。

循环工程 / 定时任务 / 统计

• 循环模式自带停止条件（任务完成 / 连续无进展 / 达到最大轮数）与人工中断，防止死循环。
• ⏰ 定时任务：按固定间隔自动执行某个任务（任意模式），后台调度并记录结果。
• 📊 统计分析：按模式聚合任务数、成功率、Token（输入/输出）、平均耗时与工具使用排行。

快速开始

# 安装（含 Web UI 依赖）
pip install -e ".[web]"        # 仅 Web + OpenAI 兼容
# 或安装全部后端
pip install -e ".[full]"

# 启动 Web 工作台（推荐）
python -m automind.server --port 8765
# 然后浏览器打开 http://localhost:8765

# Windows 一键启动
launch.bat

# CLI 交互模式
automind
automind "你的任务描述"

模型配置

打开 Web 工作台后，点击右上角 🔑 API Keys：

• 支持 OpenAI / Claude / DeepSeek / Kimi / 百炼 / 智谱 / 豆包 / Gemini / Grok / Ollama。
• 自定义 OpenAI 标准接口（中转代理）：在底部填写 api_base（如 https://api.your-proxy.com/v1）、 默认模型与 API Key，即可对接任意兼容 OpenAI /v1/chat/completions 的服务或中转站。
• 每个提供商均可自定义具体使用的模型名（模型名输入框可直接输入任意模型）。
• API Key 仅保存在本地 .automind_config.json，不会上传。 也可通过环境变量配置（如 OPENAI_API_KEY、DEEPSEEK_API_KEY、MOONSHOT_API_KEY 等）。

项目目录 / 工具 / 技能 / MCP

• 本地项目目录：右上角 📁 徽标或「设置 → 通用 → 浏览」可选择本地目录作为 Agent 工作根目录。
• 自定义模型：模型配置中输入模型名后点「➕ 添加」即可持久化到下拉列表（按提供商区分，可删除）。
• 工具面板（侧边栏 🔧）分三个标签：
  • 工具 — 内置工具列表（含权限等级与风险分）。
  • 技能 — 内置技能 + 「加载本地技能目录」（扫描含 AbstractSkill 子类的 .py）。
  • MCP — 添加并连接 MCP 服务器（stdio / sse），自动发现其工具（需 pip install mcp）。

对话历史

对话模式的多轮记录持久化到 .automind/chat_history.json，刷新页面自动恢复； 点击 🔄 新会话 可删除当前对话记录。任务历史（侧边栏 📜）支持单条删除与全部清空。

流式输出 · 任务中断

• 流式对话：对话模式通过 WebSocket 逐字流式返回，带打字光标实时显示。
• 任务中断：执行中点击 ■ 可真正取消后台任务（asyncio.Task 取消），对话/工作/编程均支持。
• WebSocket 不可用时自动回退到 REST 同步模式。

多模态 · 语音 · 预览 · Token 统计

• 🪙 Token 用量统计：右栏实时显示每次任务的输入/输出 token 与累计总量、任务数，可一键重置。
• 🔍 HTML 预览：模型输出的 ```html 代码块带「预览页面」按钮，在安全沙箱 iframe 中渲染； 右栏「HTML 预览」列出项目目录中的 .html 文件，点击即可预览（`/api/preview/file`，限定项目目录防穿越）。
• 🎤 语音输入：点击麦克风按钮用 Web Speech API 语音转文字（Chrome/Edge）。
• 📎 多模态：可附加图片发送给视觉模型；输出中的图片/链接/表格自动渲染展示。

安全审计

侧边栏 🛡️ 安全审计 展示每次工具调用的风险评分与授权决策（放行 / 需确认 / 高危）， 危险命令（rm -rf、git push --force 等）会被识别为高危并要求确认。

商用部署 / 多用户

• 会话隔离：每个浏览器拥有独立 session_id，对话历史互不可见、互不覆盖（持久化于 .automind/chats/）。

• 访问鉴权（可选，默认关闭）：设置令牌后，所有 /api/* 与 /ws 需携带令牌：

  # Windows PowerShell
  $env:AUTOMIND_AUTH_TOKEN="your-secret-token"
  $env:AUTOMIND_CORS_ORIGINS="https://your-domain.com"   # 收紧跨域（可选）
  $env:AUTOMIND_MAX_CONCURRENT="16"                        # 并发任务上限（默认 8）
  python -m automind.server --host 0.0.0.0 --port 8765
  

  前端请求需带 Authorization: Bearer <token>，WebSocket 用 ws://host/ws?token=<token>。

• 健康检查：GET /api/health（无需鉴权）返回版本、运行任务数、并发上限、uptime，供探活/负载均衡。

• 资源保护：并发任务超过 AUTOMIND_MAX_CONCURRENT 时返回 429。

注：当前对话模式为完整多用户隔离；工作/编程/协同等执行态任务仍共享单 Agent（详见 AUTOMIND_REFACTOR_PLAN.md §7，完整 Session-Agent-Pool 为后续阶段）。

演示

python demo/e2e_demo.py