agentUniverse

语言版本：English | 中文 | 日本語

什么是 agentUniverse？

agentUniverse 是一个基于大语言模型的多智能体框架。 它为构建独立智能体提供了灵活且易于扩展的能力。agentUniverse 的核心是一套丰富的多智能体协作模式组件（作为协作模式工厂），使智能体在不同领域解决问题时能够各司其职、发挥最大能力；同时，agentUniverse 专注于领域经验的整合，帮助你顺利地将领域经验融入智能体的工作中。🎉🎉🎉

🌈🌈🌈agentUniverse 源自蚂蚁集团（https://github.com/antgroup）的真实金融业务实践，致力于帮助开发者和企业轻松构建领域专家级智能体，并协同完成任务。

期待你通过社区实践和交流，分享不同领域的 Patterns。该框架已经内置了许多经过真实业务场景验证的多智能体协作组件，未来将持续丰富。
目前开放的 Pattern 组件包括：

• PEER 模式组件：该模式使用具有不同职责的智能体——计划（Plan）、执行（Execute）、表达（Express）和评价（Review）——将复杂问题拆解为可管理的步骤，按顺序执行，并根据反馈进行迭代优化，提升推理和分析任务的表现。典型用例：事件解读、行业分析。
• DOE 模式组件：该模式采用三个智能体——数据精调（Data-fining）、观点注入（Opinion-inject）和表达（Express）——来提高数据密集型、高计算精度以及融合专家意见的任务的有效性。典型用例：财务报告生成。

更多模式即将推出……

LLM 模型的集成可以通过简单配置实现，目前 agentUniverse 支持的模型包括：

-	供应商	模型
	Qwen	qwen3 系列（qwen3-235b-a22b、qwen3-32b、qwen3-30b-a3b 等）、qwen2.5-72b-instruct、qwq-32b-preview、qwen-max、…
	Deepseek	deepseek-r1、deepseek-v3、deepseek-r1-distill-qwen-32b、…
	OpenAI	GPT-4o、GPT-4o mini、OpenAI o1、OpenAI o3-mini、…
	Claude	claude 3.7 sonnet、Claude 3.5 Sonnet、Claude 3 Opus、…
	Gemini	Gemini 2.5 Pro、Gemini 2.0 Flash、Gemini 2.0 Flash Thinking、Gemini 1.5 Pro、…
	Llama	llama3.3-70b-instruct、llama3.2-3b-instruct、llama3.2-1b-instruct、…
	KIMI	moonshot-v1-128k、moonshot-v1-32k、moonshot-v1-8k、…
	文心	ERNIE 4.5 Turbo、ERNIE 4.5、ERNIE 4.0 Turbo、ERNIE 4.0、ERNIE 3.5、…
	chatglm	chatglm3-6b、chatglm-6b-v2、…
	百川	baichuan2-turbo、baichuan2-13b-chat-v1、…
	Doubao	Doubao-pro-128k、Doubao-pro-32k、Doubao-lite-128k、…

例如，要使用 deepseek 模型，只需在 custom_key.toml 文件中设置 DEEPSEEK_API_KEY 值，并在智能体配置文件中将 llm_model 名称设置为 'default_deepseek_llm' 即可。有关 llm 配置的更多信息，请参阅 切换llm。

目录

• 快速开始
• 如何构建智能体应用
• 搭建可视化智能体工作流平台
• 为什么使用 agentUniverse
• 示例应用
• 文档
• 支持

快速开始

安装

使用 pip：

pip install agentUniverse

运行第一个示例

运行你的第一个示例，通过教程可以快速体验 agentUniverse 构建的智能体（或智能体组）的性能。

请参阅文档了解详细步骤：运行第一个示例。

如何构建智能体应用

标准项目脚手架

搭建标准项目：agentUniverse 标准项目

构建单个智能体的快速指南

你可以通过阅读构建单个智能体的快速指南学习如何快速构建单个智能体。这将帮助你了解如何使用工具、知识库、RAG 技术等增强智能体的能力。此外，你还可以掌握智能体的基本应用开发流程，包括配置、测试、优化、部署和性能评估。

构建典型的多智能体应用

你可以通过参阅构建典型多智能体应用章节，进一步理解如何在复杂任务场景中将智能能力拆分为多个智能体，并通过协作提升任务性能。

创建和使用智能体模板

你可以通过创建和使用智能体模板章节学习如何将有效的智能体模式创建为模板。这将大大提高后续智能体的构建效率并便于传播。

使用和发布 MCP 服务器

你可以通过 如何使用 MCP 服务器 和 如何发布 MCP 服务器 了解如何在 agentUniverse 框架中快速使用或发布 MCP 服务器。

智能体应用可观测性

agentUniverse 为智能体应用提供了标准化的可观测性框架。基于 OpenTelemetry 协议，它能够对智能体、LLM、工具等关键组件进行全面的数据采集和监控，实现智能体的全生命周期追踪。你可以在智能体应用可观测性部分了解如何利用这些可观测性能力。

注意：用户需要手动安装 opentelemetry 相关依赖才能使用该模块，如 opentelemetry-api、opentelemetry-sdk、opentelemetry-exporter-otlp 等。

常见提示与高级技术

你可以通过 Get_Start 目录下的其他文档了解智能体应用构建过程中的更高级技术，例如如何将记忆模块添加到智能体流程中，以及如何在项目中有效管理提示词。

搭建可视化智能体工作流平台

agentUniverse 提供了一个用于创建智能体工作流的可视化画布平台。按照以下步骤快速开始：

使用 pip

pip install magent-ui ruamel.yaml

一键运行

运行 sample_apps/workflow_agent_app/bootstrap/platform 中的 product_application.py 快速启动。

更多详情请参阅 产品平台快速开始 和 高级指南。

该功能由 difizen 和 agentUniverse 联合开发。

为什么使用 agentUniverse

概念

agentUniverse 的核心提供了构建单个智能体所需的所有基本组件、多智能体之间的协作机制，并允许注入专家知识。这使得开发者能够轻松创建具有专业知识的智能应用程序。

多智能体协作

agentUniverse 提供了多个在真实行业中得到验证的多智能体协作模式组件。其中，“PEER”模式是最具特色的模式之一。

PEER 模式利用四种不同职责的智能体：计划（Planning）、执行（Executing）、表达（Expressing）和评价（Reviewing）。这种结构能够分解并逐步执行复杂问题，并能基于评估反馈进行自主迭代，最终提高推理和分析任务的表现。该模式在需要多步骤分解和深入分析的场景中特别有效，例如事件解读、宏观经济分析和商业提案可行性分析。

PEER 模型已经取得了令人印象深刻的结果，最新的研究进展和实验数据可在以下文献中找到。

主要特性

基于以上介绍，我们总结了 agentUniverse 的主要特点如下：

灵活且可扩展的智能体构建能力：提供构建智能体所必需的所有组件，均支持定制以满足用户特定需求。

丰富且有效的多智能体协作模型：提供经过行业验证的协作模型，如 PEER（计划/执行/表达/评价）和 DOE（数据查找/观点注入/表达）。用户还可以自定义和编排新模型，以促进多智能体之间的有机协作。

领域专业知识轻松集成：提供领域提示、知识构建和管理能力，支持编排和注入领域级 SOP，使智能体与专家级领域知识保持一致。

💡 更多功能：
请参阅 agentUniverse 核心特性 部分了解更多详情。

示例应用

🚩 法律咨询智能体 v2

🚩 Python 代码生成与执行智能体

🚩 基于多轮多智能体模式的讨论组

🚩 基于 PEER 多智能体模式的金融事件分析

🚩 吴恩达反思工作流翻译智能体复现

基于 agentUniverse 的商业产品

🔗 支小助 - 金融专业人士的 AI 助手

支小助 AI 助手：专为促进大模型在严谨行业的落地，提升投研专家的工作效率而设计

支小助 AI 助手是大模型在严谨行业实际应用的高效解决方案。它基于注重精准应用的 Finix 模型，并利用以专业定制能力著称的 agentUniverse 智能体框架构建。该解决方案面向投研、ESG（环境、社会和治理）、金融、财报及其他专业领域的一系列专业 AI 业务助手。它已在蚂蚁集团的大规模场景中得到广泛验证，显著提升了专家的工作效率。

文档

用户指南

💡 更多详细信息，请参阅 用户指南。

API 参考

💡 技术细节请查阅 API 参考。

支持

通过 GitHub Issues 提交问题

😊 我们建议使用 GitHub Issues 提交您的问题，我们通常会在 2 个工作日内回复。

通过 Discord 联系我们

😊 加入我们的 Discord 频道 与我们互动。

通过管理员邮箱联系我们

😊 邮箱：
* jihan.hanji@antgroup.com
* jerry.zzw@antgroup.com
* jinshi.zjs@antgroup.com

推特

ID：@agentuniverse_

引用

agentUniverse 项目中构建的 PEER 多智能体框架得到了以下研究成果的支持。

BibTeX 格式

@misc{wang2024peerexpertizingdomainspecifictasks,
      title={PEER: Expertizing Domain-Specific Tasks with a Multi-Agent Framework and Tuning Methods}, 
      author={Yiying Wang and Xiaojing Li and Binzhu Wang and Yueyang Zhou and Han Ji and Hong Chen and Jinshi Zhang and Fei Yu and Zewei Zhao and Song Jin and Renji Gong and Wanqing Xu},
      year={2024},
      eprint={2407.06985},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2407.06985}, 
}

概述：本文档详细介绍了 PEER 多智能体框架的机制和原理。实验部分对完整性、相关性、简洁性、事实性、逻辑性、结构性和全面性七个维度进行评分，每个维度满分 5 分。平均而言，PEER 模型在每个评估维度上的得分均高于 BabyAGI，尤其是在完整性、相关性、逻辑性、结构性和全面性方面表现出显著优势。此外，在使用 GPT-3.5 Turbo（16k）模型进行测试时，PEER 模型的准确率达到 83%，优于 BabyAGI；在使用 GPT-4 模型测试时，准确率为 81%。更多详情请参阅该文档。
🔗https://arxiv.org/pdf/2407.06985

致谢

本项目部分基于 Langchain、Pydantic、Gunicorn、Flask、SQLAlchemy、chromadb 等优秀开源项目构建（详细依赖列表请参见 pyproject.toml）。我们衷心感谢相关项目及其贡献者。🙏🙏🙏