Thryve

English | 中文

面向多 LLM Agent、工具调用、上下文管理与 DAG 工作流的模块化 Python 框架。Thryve 将多种后端（OpenAI、Ollama 等）、工具、记忆与 Agent 统一到一套 API 下。

特性

• 多后端 LLM/VLM：OpenAI（对话、视觉、函数调用、嵌入）、Ollama；llama.cpp、Transformers 占位
• 统一消息格式：文本 + 图像（多模态）、工具调用与结果
• 工具系统：用 @tool 或 Tool 定义工具，注册与执行；OpenAI/Anthropic 格式转换
• Agent 循环：LLM → 工具调用 → 观察 → 循环，含 doom-loop 检测
• 上下文管理：消息历史、token 预算、检查点、截断/摘要压缩
• 记忆：SQLite 索引 + Markdown 记忆片双写，短期按日期分片，手写关键词检索（FTS + 规则重排）
• DAG 工作流：图拓扑排序、LLMNode / AgentNode / ToolNode，按层并行执行

架构

Config (YAML/env) ──► Thryve ──────────────────────────────────────────────► chat / stream / agent / graph
                                │
        ┌───────────────────────┼───────────────────────┐
        ▼                       ▼                       ▼
   AgentLoop              MemoryManager            GraphExecutor
        │                       │                       │
        ├──► ContextManager     ├──► HybridSearcher     (DAG 拓扑执行)
        ├──► ToolRegistry       └──► SQLiteStorage
        │
        └───────────────────────┬───────────────────────┘
                                ▼
                         ProviderAdapter
                                │
              ┌─────────────────┼─────────────────┐
              ▼                 ▼                 ▼
           OpenAI             Ollama        transformers / llama_cpp

安装

pip install thryve

可选依赖：

pip install thryve[dev]        # pytest, pytest-asyncio
pip install thryve[all]        # aiosqlite, tiktoken
pip install thryve[transformers]  # HuggingFace Transformers 后端
pip install thryve[llama]       # llama-cpp-python 后端

快速开始

1. 基础对话

设置 API Key 并使用默认配置：

export OPENAI_API_KEY=sk-...

from thryve import Thryve, ThryveConfig

config = ThryveConfig.from_env()  # 读取 OPENAI_API_KEY、THRYVE_* 等
thryve = Thryve(config)
reply = thryve.chat("2 + 2 等于几？")  # 同步，直接返回 str
print(reply)

2. 显式配置对话

from thryve import Thryve, ThryveConfig, LLMConfig

config = ThryveConfig(
    llm=LLMConfig(
        backend="openai",
        model="kimi-k2-turbo-preview",
        api_key="sk-ffzyxxx...",
        base_url="https://api.moonshot.cn/v1",
        temperature=0.7,
    )
)

thryve = Thryve(config)
reply = thryve.chat("你好！")

3. 带工具的 Agent

注册工具并让 Agent 调用：

from thryve import Thryve, ThryveConfig, tool

@tool()
def add(a: int, b: int) -> int:
    """两数相加。"""
    return a + b

thryve = Thryve(ThryveConfig.from_env())
thryve.register_tool(add)
result = thryve.chat_with_agent("3 + 5 等于多少？")
print(result.final_response)
print(result.stop_reason)  # 如 COMPLETED

4. DAG 工作流

构建图并执行：

from thryve import Thryve, ThryveConfig, Graph, FunctionNode

async def step_a(inputs):
    return inputs.get("x", 0) + 1

async def step_b(inputs):
    return inputs.get("step_a", 0) * 2

thryve = Thryve(ThryveConfig.from_env())
g = Graph()
g.chain(
    FunctionNode("step_a", step_a),
    FunctionNode("step_b", step_b),
)
outputs = thryve.execute_graph(g, {"x": 10})
print(outputs["step_a"])  # 11
print(outputs["step_b"])  # 22

5. 记忆与信息

thryve.add_to_memory("用户偏好深色模式。", permanent=False)
chunks = thryve.search_memory("深色", top_k=5)
info = thryve.get_llm_info()  # provider, model, supports_vision, supports_tools

记忆配置示例（短期默认 7 天，按日期切片到 markdown）：

memory:
  storage_path: "./data/memory.db"
  markdown_path: "./data/memory"
  short_term_retention_days: 7
  enable_fts: true

同步与异步

所有公开方法默认是同步的，可在 REPL、普通脚本中直接使用。异步版本使用 _async 后缀。

同步（默认）	异步	说明
chat(message)	chat_async(message)	对话
chat_stream(message, callback=...)	chat_stream_async(message)	流式对话
chat_with_agent(message)	chat_with_agent_async(message)	Agent 对话
execute_graph(graph, inputs)	execute_graph_async(graph, inputs)	DAG 工作流

# 同步（默认，直接调用）
reply = thryve.chat("你好")

# 异步（在 async def 中）
reply = await thryve.chat_async("你好")

流式输出

chat() / chat_async() 会等待完整回复再返回。需要边收边打时使用流式方法：

同步流式（默认）：

reply = thryve.chat_stream(
    "什么是大语言模型",
    callback=lambda c: print(c, end="", flush=True),
)
print()  # 换行
# reply 仍是完整回复字符串

异步流式：

async for chunk in thryve.chat_stream_async("什么是大语言模型"):
    print(chunk, end="", flush=True)

配置

• 环境变量：ThryveConfig.from_env() 使用 OPENAI_API_KEY、THRYVE_LLM_MODEL、THRYVE_LLM_BACKEND、THRYVE_MEMORY_PATH 等。
• 文件：ThryveConfig.from_file("config.json") 读取 JSON 配置。
• 合并：config.merge(other) 用另一份配置覆盖。

Memory 检索说明

Memory 默认使用关键词检索（FTS + 规则重排），不再依赖 embedding model。

项目结构

src/thryve/
  thryve.py       # Thryve 主入口
  llm.py          # LLM 门面
  config.py       # ThryveConfig, LLMConfig, EmbeddingConfig, MemoryConfig, AgentConfig
  core/
    backends/     # OpenAI, Ollama, llama_capp（占位）, transformers（占位）
    tools/        # Tool, ToolRegistry, ToolExecutor, @tool
    agent/        # Agent, AgentLoop, MultiAgentOrchestrator
    context/      # ContextManager, 检查点, 压缩
    memory/       # MemoryManager, SQLiteStorage, HybridSearcher
    graph/        # Graph, Node, GraphExecutor

许可证

MIT License