fp-core 0.1.3

五块卵石 Agent 引擎 - 基于生命周期钩子的插件化 Agent 核心

fp-core — 五块卵石 Agent 引擎

简介

fp-core 是五块卵石（Five Pebbles）Agent 框架的核心引擎。它提供了 Agent 生命周期管理、LLM 交互、工具执行、会话管理及插件化扩展等基础能力，是整个框架的基石。

如果你只是使用 Agent，请安装 fp 主包；如果你要自定义/扩展 Agent 行为，你正在正确的地方。

---

特性

• 生命周期钩子系统 — 在 Agent 的启动、消息处理、工具调用、响应生成等阶段注入自定义逻辑
• 插件化架构 — 通过插件动态加载工具、命令、事件监听器，无需修改核心代码
• 多 LLM 支持 — 统一的 LLM 交互接口，可接入 OpenAI、Claude、本地模型等
• 工具执行引擎 — 安全的沙箱化工具执行，支持同步/异步、超时控制、结果缓存
• 会话管理 — 持久化的会话存储与恢复，支持多会话并行
• 提示词模板 — 结构化提示词组装，支持动态注入上下文与历史

---

安装

pip install fp-core

要求 Python >= 3.11。

---

快速使用

初始化 Agent 引擎

from fp_core import AgentEngine

engine = AgentEngine(config={
    "llm": {"provider": "openai", "model": "gpt-4o"},
    "session": {"storage": "file", "path": "./sessions"},
})

注册插件

from fp_core.plugins import BasePlugin

class MyPlugin(BasePlugin):
    name = "my_plugin"
    
    def on_agent_start(self, ctx):
        print("Agent 启动了！")

    def on_message(self, ctx, message):
        # 在消息处理前注入逻辑
        return message

engine.plugin_manager.register(MyPlugin())

执行一次对话

response = engine.chat("你好，请介绍一下你自己")
print(response)

---

架构概览

fp_core/
├── core/           # 核心运行时：AgentEngine, LLM 接口, 上下文管理
│   ├── agent.py        # Agent 主循环
│   ├── llm.py          # LLM 客户端抽象
│   └── context.py      # 会话上下文
├── commands/       # 内置命令（内置工具）
├── tools/          # 工具执行引擎与内置工具集
│   └── plugins/        # 工具插件加载器
├── plugins/        # 插件系统
│   └── base/           # 插件基类与钩子定义
├── prompts/        # 提示词模板管理
├── skills/         # 技能定义与加载
└── sessions/       # 会话存储与管理

生命周期钩子

插件可以通过实现以下钩子方法介入 Agent 运行流程：

钩子	触发时机	典型用途
on_agent_start	Agent 初始化完成	加载自定义资源
on_agent_stop	Agent 关闭前	资源清理
on_message	收到用户消息后	消息预处理/校验
before_llm_call	调用 LLM 前	注入系统提示词
after_llm_call	收到 LLM 响应后	响应后处理/过滤
before_tool_exec	执行工具前	权限检查/参数校验
after_tool_exec	工具执行完成后	结果格式化/缓存
on_response	生成最终响应前	响应润色/转译

---

依赖

依赖	版本	用途
httpx	>= 0.28.0	LLM API 异步 HTTP 请求
rich	>= 14.0.0	控制台输出格式化
wcwidth	>= 0.2.0	终端文本宽度计算
pyyaml	>= 6.0	配置文件解析

---

扩展开发

编写自定义插件

from fp_core.plugins import BasePlugin
from fp_core.plugins.base import hook

class LogPlugin(BasePlugin):
    name = "logger"
    
    @hook("on_message")
    def log_message(self, ctx, message):
        print(f"[LOG] 收到消息: {message[:50]}...")
        return message
    
    @hook("before_llm_call")
    def inject_system_prompt(self, ctx, messages):
        messages.insert(0, {"role": "system", "content": "请用简洁的语言回答"})
        return messages

编写自定义工具

from fp_core.tools import BaseTool

class WeatherTool(BaseTool):
    name = "get_weather"
    description = "获取指定城市的天气"
    
    async def execute(self, city: str) -> dict:
        # 实现天气查询逻辑
        return {"city": city, "temperature": 22}

注册到 Agent：

engine.tool_manager.register_tool(WeatherTool())

---

许可

MIT © zpb