PraisonAI — 用多智能体方式编排复杂工作流

# PraisonAI 🦞

PraisonAI 🦞 — 一个低代码、生产就绪的多智能体框架，通过 AI 智能体团队自动化和解决复杂挑战。这些智能体能够规划、研究、编码，并将结果交付到 Telegram、Discord 和 WhatsApp，实现 7x24 小时运行。框架围绕简洁性、可定制性和高效的人机协作构建，具备任务交接、安全护栏、记忆、RAG 等功能，并支持 100 多个 LLM 提供商。

快速导航：
- 🆕 新用户？ → 快速开始 (1分钟创建第一个智能体)
- 📦 安装？ → 安装指南
- 🐍 使用 Python SDK？ → Python 示例
- 🎯 使用 CLI？ → CLI 快速参考
- 🤝 想贡献代码？ → 开发指南

⚡ 性能

PraisonAI Agents 是启动速度最快的 AI 智能体框架。

🎯 应用场景

AI 智能体解决各行业的实际问题：

支持的提供商

PraisonAI 通过无缝集成支持 100 多个 LLM 提供商：

🌟 为什么选择 PraisonAI？

🚀 快速开始

在 1 分钟内开始使用 PraisonAI：

# 安装
pip install praisonaiagents

# 设置 API 密钥
export OPENAI_API_KEY=your_key_here

# 创建一个简单的智能体
python -c "from praisonaiagents import Agent; Agent(instructions='You are a helpful AI assistant').start('Write a haiku about AI')"

下一步： 单智能体示例 | 多智能体 | 完整文档

📦 安装

Python SDK

轻量级包，专为编码设计：

pip install praisonaiagents

如需包含 CLI 支持的完整框架：

pip install praisonai

🦞 AgentClaw — 包含机器人、记忆、知识和网关的完整 UI：

pip install "praisonai[claw]"
praisonai claw

JavaScript SDK

npm install praisonai

📘 使用 Python 代码

1. 单智能体

from praisonaiagents import Agent
agent = Agent(instructions="You are a helpful AI assistant")
agent.start("Write a movie script about a robot in Mars")

2. 多智能体

from praisonaiagents import Agent, Agents

research_agent = Agent(instructions="Research about AI")
summarise_agent = Agent(instructions="Summarise research agent's findings")
agents = Agents(agents=[research_agent, summarise_agent])
agents.start()

3. MCP (模型上下文协议)

from praisonaiagents import Agent, MCP

# stdio - 本地 NPX/Python 服务器
agent = Agent(tools=MCP("npx @modelcontextprotocol/server-memory"))

# 可流式 HTTP - 生产服务器
agent = Agent(tools=MCP("https://api.example.com/mcp"))

# WebSocket - 实时双向通信
agent = Agent(tools=MCP("wss://api.example.com/mcp", auth_token="token"))

# 使用环境变量
agent = Agent(
    tools=MCP(
        command="npx",
        args=["-y", "@modelcontextprotocol/server-brave-search"],
        env={"BRAVE_API_KEY": "your-key"}
    )
)

📖 完整 MCP 文档 — stdio、HTTP、WebSocket、SSE 传输方式

4. 自定义工具

from praisonaiagents import Agent, tool

@tool
def search(query: str) -> str:
    """搜索网络信息。"""
    return f"Results for: {query}"

@tool
def calculate(expression: str) -> float:
    """计算数学表达式。"""
    return eval(expression)

agent = Agent(
    instructions="You are a helpful assistant",
    tools=[search, calculate]
)
agent.start("Search for AI news and calculate 15*4")

📖 完整工具文档 — BaseTool、工具包、100+ 内置工具

5. 持久化 (数据库)

```python
from praisonaiagents import Agent, db

agent = Agent