使用说明

🔍 代理索引

Google for AI代理-在40000多个代理中进行语义搜索

问题： 在GitHub、npm、PyPI、HuggingFace、MCP上寻找人工智能代理是分散和痛苦的。

解决方案： 一个搜索API找到他们所有。语义搜索+信任评分+跨平台索引。

🚀 快速开始

python

pip install agentindex-langchain
from agentindex import search

# Semantic search across all platforms
results = search("customer support automation")
for agent in results:
    print(f"{agent.name} (Trust: {agent.trust_score}/100)")

Node.js

npm install @agentidx/langchain
const { search } = require('@agentidx/langchain')

const results = await search('code review agent')
console.log(`Found ${results.length} agents`)

REST API

curl "https://api.agentcrawl.dev/v1/search" \
  -d '{"query": "data visualization agent", "limit": 10}' \
  -H "Content-Type: application/json"

✨ 为什么选择AgentIndex？

🔍 语义搜索

理解意图不仅仅是关键词。“自动处理客户电子邮件”可以找到相关的代理，即使他们没有提到这些确切的词语。

📊 信任评分

每个代理根据以下因素获得0-100的生产准备得分：

维护活动（最近的提交、问题响应）
社区采用（明星、分叉、下载）
文档质量（设置指南、示例）
代码稳定性（错误处理、测试、安全性）

🌐 跨平台覆盖

适用于所有代理源的一个API：

GitHub （32000+存储库）
npm （3600+包）
PyPI （2400多个包裹）
拥抱脸 （1400多种型号）
MCP服务器 （450+个连接器）

⚡ 开发者优先

低于100毫秒 搜索响应时间
全面的SDK （Python、Node.js）
生产就绪 文档
工作示例 这确实有效

📊 平台统计数据

平台	代理已索引	活动	覆盖范围
GitHub	32156	18902	存储库，操作
npm	3627	2134	包，TypeScript
PyPI	2445	1567	包装，轮子
HuggingFace	1398	892	模型、数据集
MCP	456	321	服务器、客户端
总计	40,082	23,816	所有平台

每日更新。生产准备就绪度得分。

🎯 用例

框架集成

# Find LangChain-compatible agents
agents = search("document analysis", framework="langchain")
compatible = [a for a in agents if a.trust_score > 80]

生产部署

# Filter by production readiness
production_ready = search(
    "customer support", 
    min_trust_score=85,
    maintenance_status="active"
)

CI/CD管道集成

# Automated agent discovery in CI
agentindex search "security scan" --format=json --min-trust=75 > agents.json

🔧 集成示例

LangChain Integration

from langchain import agents
from agentindex import search, load_agent

# Discover agent
results = search("sql query generation", framework="langchain")
best_agent = max(results, key=lambda x: x.trust_score)

# Load and use
agent = load_agent(best_agent.id)
chain = agents.initialize_agent([agent], llm, agent_type="tool-calling")

CrewAI Integration

from crewai import Agent, Crew
from agentindex import search, get_capabilities

# Find specialized agents
analysts = search("data analysis", capabilities=["pandas", "visualization"])
writers = search("content generation", capabilities=["copywriting"])

# Build crew
crew = Crew(
    agents=[
        Agent(role="Data Analyst", tools=analysts[0].tools),
        Agent(role="Content Writer", tools=writers[0].tools)
    ]
)

AutoGen Multi-Agent Setup

import autogen
from agentindex import search, create_autogen_config

# Discover complementary agents  
code_agents = search("code review", framework="autogen")
test_agents = search("test generation", framework="autogen")

# Auto-configure
config = create_autogen_config([code_agents[0], test_agents[0]])
assistant = autogen.AssistantAgent("code_reviewer", **config)

📈 性能基准

操作	代理索引	手动搜索	改进
查找兼容代理	0.08s	15-30分钟	速度提高1125倍
质量评估	即时	2-5分钟	信任评分
跨平台搜索	1个查询	5个站点	5倍效率
生产过滤	内置	手动	风险降低

🛠️ 高级用法

过滤和排序

# Complex filtering
results = search(
    query="customer support automation",
    frameworks=["langchain", "crewai"],
    min_trust_score=80,
    max_resource_usage="8GB",
    sort_by="trust_score",
    limit=20
)

批量操作

# Process multiple queries
queries = ["email automation", "data analysis", "content generation"]
batch_results = batch_search(queries, parallel=True)

实时更新

# Subscribe to new agents
from agentindex import AgentStream

stream = AgentStream(categories=["automation", "analysis"])
for new_agent in stream:
    if new_agent.trust_score > 85:
        evaluate_for_production(new_agent)

🔗 API 参考

搜索端点

POST /v1/search
Content-Type: application/json

{
  "query": "customer support automation",
  "limit": 10,
  "frameworks": ["langchain", "crewai"],
  "min_trust_score": 70
}

响应格式

{
  "results": [
    {
      "id": "agent_123",
      "name": "CustomerSupportAI",
      "description": "Automated customer inquiry handling...",
      "trust_score": 87,
      "framework": "langchain",
      "platform": "github",
      "capabilities": ["nlp", "classification", "response_generation"],
      "resource_requirements": {
        "memory": "4GB",
        "gpu": false
      },
      "installation": "pip install customer-support-ai",
      "documentation_url": "https://github.com/...",
      "last_updated": "2026-02-15T10:30:00Z"
    }
  ],
  "total": 156,
  "search_time_ms": 73
}

API完整文档： api.agentcrawl.dev/docs

🏗️ 建筑

AgentIndex作为分散的AI代理生态系统上的语义发现层运行：

┌─────────────────┐    ┌──────────────────┐    ┌─────────────────┐
│   Developers    │───▶│   AgentIndex     │───▶│  Agent Sources  │
│                 │    │                  │    │                 │
│ • Search once   │    │ • Semantic AI    │    │ • GitHub (32k)  │
│ • Get ranked    │    │ • Trust scoring  │    │ • npm (3.6k)    │
│ • results from  │    │ • Cross-platform │    │ • PyPI (2.4k)   │
│   all platforms │    │ • Sub-100ms      │    │ • HuggingFace   │
└─────────────────┘    └──────────────────┘    │ • MCP Servers   │
                                               └─────────────────┘

技术栈：

搜索：FAISS+句子转换（384个暗嵌入）
评分：6分量信任算法
API：带Redis缓存的FastAPI
数据：PostgreSQL+实时索引
基础设施：自动扩展，99.9%正常运行时间

📚 学习资源

完整的开发人员指南 -代理发现最佳实践
信任评分解释 -生产准备状态评估
LangChain集成 -框架特定模式

🤝 贡献

我们欢迎捐款！AgentIndex是为开发人员社区构建的。

帮助方式：

报告我们失踪的特工 → 提交问题
提高信任评分 → 欢迎算法建议
添加框架支持 → 新的整合公关受到赞赏
加强文件编制 → 示例、指南、教程

看贡献.md 用于开发设置。

📄 许可证

MIT许可证-用于您的项目，商业或开源。

🌟 社区

Discord 的中文翻译是“不和谐”或“纷争”。 -实时帮助、专题讨论
推特 -更新和公告
博客 -指南和最佳做法

表示支持⭐

如果AgentIndex可以帮助您更快地找到更好的代理，请 将此存储库星化!

它可以帮助其他开发人员发现该工具，并验证我们解决代理发现碎片的方法。

⭐ GitHub上的明星 • 🚀 尝试Live API • 📖 全部文件