最新动态

完整的更新日志，请查看我们的 发布页面。

什么是 BeeAI 框架？

BeeAI 框架是一个用于构建智能、自主智能体及多智能体系统的综合工具包。它提供了创建能够推理、执行操作并协作解决复杂问题的智能体所需的一切。

[!TIP]
使用 beeai-framework-py-starter [Python] 或 beeai-framework-ts-starter [TypeScript] 模板快速开始。

核心特性

快速开始

安装

安装 Python 库：

pip install beeai-framework

安装 TypeScript 库：

npm install beeai-framework

多智能体示例

import asyncio

from beeai_framework.agents.requirement import RequirementAgent
from beeai_framework.agents.requirement.requirements.conditional import ConditionalRequirement
from beeai_framework.backend import ChatModel
from beeai_framework.errors import FrameworkError
from beeai_framework.middleware.trajectory import GlobalTrajectoryMiddleware
from beeai_framework.tools import Tool
from beeai_framework.tools.handoff import HandoffTool
from beeai_framework.tools.search.wikipedia import WikipediaTool
from beeai_framework.tools.think import ThinkTool
from beeai_framework.tools.weather import OpenMeteoTool


async def main() -> None:
    knowledge_agent = RequirementAgent(
        llm=ChatModel.from_name("ollama:granite3.3:8b"),
        tools=[ThinkTool(), WikipediaTool()],
        requirements=[ConditionalRequirement(ThinkTool, force_at_step=1)],
        role="Knowledge Specialist",
        instructions="Provide answers to general questions about the world.",
    )

    weather_agent = RequirementAgent(
        llm=ChatModel.from_name("ollama:granite3.3:8b"),
        tools=[OpenMeteoTool()],
        role="Weather Specialist",
        instructions="Provide weather forecast for a given destination.",
    )

    main_agent = RequirementAgent(
        name="MainAgent",
        llm=ChatModel.from_name("ollama:granite3.3:8b"),
        tools=[
            ThinkTool(),
            HandoffTool(
                knowledge_agent,
                name="KnowledgeLookup",
                description="Consult the Knowledge Agent for general questions.",
            ),
            HandoffTool(
                weather_agent,
                name="WeatherLookup",
                description="Consult the Weather Agent for forecasts.",
            ),
        ],
        requirements=[ConditionalRequirement(ThinkTool, force_at_step=1)],
        # Log all tool calls to the console for easier debugging
        middlewares=[GlobalTrajectoryMiddleware(included=[Tool])],
    )

    question = "If I travel to Rome next weekend, what should I expect in terms of weather, and also tell me one famous historical landmark there?"
    print(f"User: {question}")

    try:
        response = await main_agent.run(question, expected_output="Helpful and clear response.")
        print("Agent:", response.last_message.text)
    except FrameworkError as err:
        print("Error:", err.explain())


if __name__ == "__main__":
    asyncio.run(main())

来源：python/examples/agents/experimental/requirement/handoff.py

运行示例

[!Note]

运行此示例前，请确保已安装 ollama 并下载了 granite3.3:8b 模型。

运行项目：

python [project_name].py

探索更多 Python 和 TypeScript 示例。

贡献指南

BeeAI 框架是开源的，我们 ❤️ 贡献。

要帮助构建 BeeAI，请查看：

• Python 贡献指南
• TypeScript 贡献指南

错误报告

我们使用 GitHub Issues 管理错误。在提交新问题前，请先检查是否已有相关记录。🙏

行为准则

本项目及所有参与者均受 行为准则 约束。参与即表示您同意遵守此准则。请阅读 全文 以了解哪些行为是可接受或不可接受的。

法律声明

这些仓库中的所有内容（包括代码）均由 IBM 根据相关的开源软件许可证提供，IBM 没有义务提供增强、更新或支持。IBM 开发人员将此代码作为开源项目（而非 IBM 产品）制作，IBM 不保证其质量或安全级别，并且将来不会维护此代码。

维护者

有关维护者的信息，请参见 MAINTAINERS.md。

贡献者

特别感谢我们的贡献者帮助我们改进 BeeAI 框架。

由 BeeAI 项目的贡献者开发，此计划是 Linux 基金会 AI & Data 项目 的一部分。其开发遵循开放、协作和社区驱动的实践。