AI导哈

深度代理开发框架

一个支持技能集成、任务规划、长期记忆和子代理生成的AI代理开发框架，适用于复杂任务自动化场景。

  • by MaximPodgore
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 MaximPodgore/MCP-testing

使用说明

UCSD代理测试

备注

Langchain的深度代理与我们自己的实现

Deep Agent提供：

  • 完美的技能整合（就像克劳德一样）
  • 计划/任务分解
  • 长期记忆
  • 上下文管理
  • 次级代理产卵
  • 可定制后端（基于状态/文件）
  • 人在环支持
  • 自我改进/修改指令/提示

深度代理架构： Todolist、Filesystem和子代理都提供了可定制的中间件。文档

它们将默认消息注入到您的系统提示符中，您无法更改它们（这是一个巨大的痛苦）

工具vs技能vs MCP服务器：

工具: 由Langchain内置和支持。用于此的中间件是完美的，并且可以完全处理。

技能: 对于langchain/graph而不是Deep Agent：我们必须构建自己的中间件。区分我们变成工具的东西和技能会让我们感到困惑。相当多的智力开销，可能会导致臃肿。我很早就尝试了

MCP 服务器: 可以有多个MCP服务器。使用langchain mcp适配器，它允许langchain将它们作为常规langchain工具进行查看/使用/调用。

代理似乎无法在运行时添加/初始化新的MCP服务器，因为MCP服务器被加载并转换为工具，然后在代理的初始化过程中传递给代理。

相关语言链功能

关于他们的多代理技术的有用文档

当前体系结构

现在，它只是默认的深度代理架构+新工具+技能。

添加的工具：

  • curl：如所命名

手动添加技能：

  • get-weather：我复制/下载的一项技巧
  • skill-creator：如其名称，取自 链接 （朗链制造）

设置

为清洁的本地开发环境创造条件

conda create -n "agents_ucsd" python==3.11
conda activate agents_ucsd
pip install -r requirements.txt
# ask the agent to construct a skill from prompts/download_video_input.txt 
python main.py

相关 MCP