flux-agent 0.2.2

基于 LangGraph + LLM 的通用 Agent 编排框架

Flux-Agent

基于 LangGraph + LLM 的通用 Agent 编排框架。通过 JSON 配置文件即可启动多 Agent Node 工作流，支持复杂的自动化流程编排。

核心特性

• JSON 配置驱动 - 无需编写代码，通过 JSON 配置即可定义复杂工作流
• 内置通用节点 - LLM 调用、条件分支、工具调用、HTTP 请求等开箱即用
• RAG 能力 - 知识库管理、向量检索、检索增强生成
• 多模态支持 - 支持图片、视频输入
• 可插拔扩展 - 用户可按规范开发自定义节点，注册即可使用
• 并行执行 - 原生支持 map-reduce、并行处理等模式
• 人工介入 - 支持工作流暂停、人工审核、断点恢复
• 子图嵌套 - 支持将工作流作为子图嵌入其他工作流

快速开始

安装

基础安装（仅核心）：

pip install flux-agent

按需安装额外依赖：

# OpenAI LLM 支持
pip install flux-agent[openai]

# Anthropic LLM 支持
pip install flux-agent[anthropic]

# Google LLM 支持
pip install flux-agent[google]

# 多个 LLM 提供商
pip install flux-agent[openai,anthropic]

# RAG 能力（向量存储）
pip install flux-agent[rag]

# 完整安装（所有功能）
pip install flux-agent[all]

安装选项	包含内容
openai	OpenAI GPT 系列模型
anthropic	Anthropic Claude 系列模型
google	Google Gemini 系列模型
chroma	Chroma 向量数据库
faiss	FAISS 向量检索
rag	完整 RAG 支持 (chroma + text-splitters + faiss)
llms	所有 LLM 提供商
all	全部功能

RAG 知识库创建

from flux_agent.rag import (
    KnowledgeBase,
    KnowledgeBaseConfig,
    KnowledgeChunkConfig,
    KnowledgeEmbeddingConfig,
)

config = KnowledgeBaseConfig(
    name="my_docs",
    persist_directory="./kb_data/my_docs",
    embedding_config=KnowledgeEmbeddingConfig(
        model="text-embedding-3-small",
    )
)

kb = KnowledgeBase.create(name="my_docs", config=config)
kb.add_texts(["知识库内容..."])
kb.generate()

工作流执行

from flux_agent import WorkflowRunner

runner = WorkflowRunner("workflow.json")
result = runner.invoke({"data": {"input": "你好"}})
print(result)

JSON 配置示例

{
  "nodes": [
    {
      "id": "llm",
      "type": "llm",
      "config": {
        "model_name": "gpt-4o",
        "system_prompt": "你是一个助手",
        "user_prompt": "${data.input}"
      }
    }
  ],
  "edges": [
    {"from": "START", "to": "llm"},
    {"from": "llm", "to": "END"}
  ]
}

内置节点

节点类型	功能	说明
LLMNode	LLM 调用	支持 OpenAI、Anthropic、Gemini，多模态输入
ConditionNode	条件分支	if/else、switch 分支路由
ToolNode	工具调用	执行预定义的工具/函数
TransformNode	数据转换	set/get/filter/map 等操作
LoopNode	循环执行	for/while 循环控制
ParallelNode	并行执行	map-reduce 模式
HTTPRequestNode	HTTP 调用	REST API 调用
SubgraphNode	子图嵌套	嵌入其他工作流
HumanInputNode	人工介入	暂停等待人工输入
RagSearchNode	RAG 检索	知识库向量检索

文档

• 使用文档 - 快速开始、API 参考、完整示例
• RAG 模块 - 知识库创建、检索、过滤
• 配置参考 - JSON 配置完整说明
• 节点开发指南 - 自定义节点开发规范
• 外部节点开发 - 独立包开发与注册
• 开发指南 - 开发、测试、发布流程
• 技术架构 - 架构设计、核心概念

项目结构

flux-agent/
├── flux_agent/               # 包目录
│   ├── core/                 # 核心引擎
│   │   ├── executor.py       # 执行引擎
│   │   ├── parser.py         # 配置解析器
│   │   ├── registry.py       # 节点注册表
│   │   └── state.py          # 状态模型
│   │
│   ├── nodes/                # 节点模块
│   │   ├── base/             # 基类层
│   │   │   ├── node.py       # 节点基类
│   │   │   └── config.py     # 配置模型
│   │   ├── builtin/          # 内置节点
│   │   │   ├── control/      # condition, loop
│   │   │   ├── llm/          # LLM 调用（支持多模态）
│   │   │   ├── rag/          # RagSearchNode
│   │   │   ├── transform/    # 数据转换
│   │   │   └── io/           # http, tool, parallel, subgraph, human
│   │   └── ...
│   │
│   ├── rag/                  # RAG 模块
│   │   ├── knowledge_base.py # 知识库管理
│   │   ├── document_loader.py # 文档加载
│   │   ├── embeddings.py    # Embedding
│   │   └── vector_store.py  # 向量存储
│   │
│   ├── utils/                # 工具函数
│   │   └── expression.py     # 表达式解析
│   │
│   └── tools/                # 工具模块
│
├── examples/                 # 示例脚本
│   ├── rag/                 # RAG 示例
│   └── demo_*.py
│
├── docs/                     # 文档
│   ├── RAG.md               # RAG 模块指南
│   ├── USAGE.md             # 使用指南
│   ├── TECHNICAL.md         # 技术架构
│   └── ...
│
├── pyproject.toml            # 包配置
├── CHANGELOG.md              # 变更日志
└── README.md

依赖

• Python >= 3.10
• langgraph >= 0.3
• langchain-core >= 0.3
• langchain-chroma >= 0.1
• pydantic >= 2.0

可选依赖：

• faiss-cpu - FAISS 向量存储

License

MIT