自动化工具

Eros自动化

安装程序（Python 3.11）

1） 创建虚拟环境（venv）

从项目文件夹（包含requirements.txt的文件夹）

python3.11-m venv.venv

2） 激活venv

Linux/macOS

source.ven/bin/activate

Windows（PowerShell）

.venv\Scripts\Activate.ps1

3） 安装依赖项

python-m pip安装--升级pip pip安装-r要求.txt

4） 运行（两个终端）

终端1（MCP服务器）

python main.py mcp

终端2（Web应用程序）

python app.py

跑

两种工艺设置（推荐）：

• 终端1（MCP服务器）： python main.py mcp
• 终端2（Web应用程序）： python app.py

web应用程序通过SSE连接到MCP服务器（请参阅 modules/config.py).

运行时数据写入 data/:

• data/uploads/ 用户上传
• data/outputs/ 生成的图像/音频
• data/memory/ session+长期内存JSON

AI架构

代理架构（核心管道）

• 编排器: modules/agent.py (ErosAgent)
  • 每个进程加载一次推理LLM（变压器）(modules/inference.py)
  • 通过SSE连接到MCP服务器并发现可用工具
  • 迭代：提示推理模型→ 解析工具调用→ 执行MCP工具→ 将工具结果反馈给模型
• 推断: modules/inference.py
  • 用途 REASONING_MODEL_ID +数据类型来自 modules/config.py
  • 生成纯文本或结构化工具调用（请参阅下面的工具用法）
• 规划师: modules/planner.py
  • 保持迭代限制/控制旋钮（保持与当前循环相同的行为）

工具使用（MCP）

• 运输上海证券交易所
  • MCP服务器: modules/infra/mcp_server.py （FastMCP，运行速度为 http://<host>:<port>/sse)
  • MCP客户端: modules/agent.py 连接使用 MCP_SERVER_URL 从 modules/config.py
• 工具合同:
  • 推理模型被指示（通过 SYSTEM_PROMPT)发射：
    • <tool_call>{"name":"tool","arguments":{...}}</tool_call>
  • modules/tools.py 将其解析为可执行调用。
• 暴露的工具 （姓名保留）：
  • colorize_image(image_path)
  • make_grayscale(image_path)
  • change_background(image_path, background_description)
  • text_to_image(prompt)
  • voice_clone(prompt, voice_file_path, voice_id, language)
  • voice_remix_rafi(input_audio_path)

内存设计

• 会话内存: modules/memory.py (SessionManager)
  • 坚持 data/memory/sessions.json
  • 按会话id存储聊天记录+工具调用元数据
• 长期记忆: modules/memory.py (LongTermMemory)
  • 坚持 data/memory/long_term_memory.json
  • 存储轻量级的最新摘要 user_id

流程图

flowchart LR
  UI[FastAPI Web UI<br/>modules/infra/web_app.py] -->|POST /api/chat| AG[ErosAgent.process<br/>modules/agent.py]
  AG -->|SSE client| MCP[(MCP Server SSE<br/>/sse)]
  MCP --> TOOLS[Tools: colorize/grayscale/background<br/>text_to_image/voice_clone/voice_remix]
  TOOLS --> OUT[data/outputs]
  UI --> UP[data/uploads]
  AG --> MEM[data/memory<br/>sessions.json + long_term_memory.json]
  OUT --> UI