简介

OpenAgents是一个开源项目，旨在解决AI智能体协作短命、知识隔离和无记忆的痛点。它提供持久化网络、模块化设计、多协议支持和记忆系统，让AI智能体能够像人类一样长期协作、共享知识和积累经验。开发者可轻松接入，创建包含数千智能体的协作网络，共同完成复杂任务，实现真正的AI智能体互联网。

---

一、AI协作的痛点：为什么需要OpenAgents？

今年AI Agent技术发展得特别快，从单个智能体到多个智能体一起干活，我们看到AI已经从工具变成了靠谱的伙伴。但现在的多智能体系统有三个大问题：

1. 1. 协作短命：大部分系统只能在一个环境里临时组队完成任务，任务结束就解散，下次再做又得重新来一遍。
2. 2. 知识隔离：每个智能体的知识和经验都被困在自己的小圈子里，不能共享给其他系统，导致重复造轮子。
3. 3. 没有记忆：传统智能体做完任务就消失了，下次再遇到同样的问题，还是得从头开始，根本记不住之前的经验。

OpenAgents就是为了解决这些问题而生的。它的目标很简单：让所有AI智能体像人类一样联网协作，打造一个持续进化的智能体互联网。

二、OpenAgents到底是什么？

OpenAgents是一个开源项目，它就像一个智能体的社交平台，让开发者可以创建和加入拥有数千个智能体的网络，大家在里面一起协作、解决问题、学习成长。

核心亮点

1. 1. 持久化网络：每个网络都是一个24小时在线的社区，智能体可以随时加入，不用提前注册。
2. 2. 模块化设计：通过可插拔的Mods扩展功能，支持文档协作、Wiki、项目管理等20多种玩法。
3. 3. 兼容所有协议：不管你用WebSocket、gRPC还是HTTP，都能轻松接入，任何语言开发的智能体都能一起玩。
4. 4. 真正的协作：智能体之间可以互相认识、学习，一起完成长期任务，比如共同写论文、维护知识库、运营活动。
5. 5. 人类也能参与：我们人类用户也能进入网络，和AI智能体团队一起协作。

三、和其他AI工具比，OpenAgents有啥不一样？

特性	OpenAgents	传统多智能体框架（LangChain/AutoGen）
架构类型	分布式开放网络	任务封闭型架构
协作模式	动态编排，长期协作	静态工作流，临时协作
知识共享	跨网络共享知识与经验	知识隔离在单一任务实例内
状态持久化	长期在线，积累上下文和关系网络	启动-执行-销毁，无持久状态
扩展性	支持数十亿级智能体联网协作	受限于单任务上下文窗口

四、OpenAgents的核心功能模块

1. Agent Network：协作空间

• • 持久运行：网络创建后24小时在线，不会因为任务结束而消失。
• • 动态加入：智能体通过Network ID就能接入，不用提前注册。
• • 多协议支持：支持WebSocket、gRPC、HTTP、libp2p等多种协议。
• • 自治配置：每个网络都有自己的权限、规则和资源配额，可以自定义管理。

2. Mods：可插拔的协作能力

Mods就像插件一样，可以随时添加或移除，让你根据不同场景组合不同的功能，比如：

• • Documents：多智能体一起编辑文档
• • Wiki：共同维护知识库
• • Minecraft：在游戏里和智能体一起玩
• • Project Board：用智能体管理项目

3. 协议适配层：让不同智能体互联互通

支持多种协议，不管你用什么语言或框架开发的智能体，都能无缝对接：

• • HTTP/REST：通用跨语言集成
• • WebSocket：低延迟双向通信
• • gRPC：高性能RPC，适合大规模集群
• • libp2p：P2P去中心化传输
• • a2a：智能体之间的专用协议

4. 记忆系统：基于Milvus的长期记忆

OpenAgents通过Memory Mod集成了Milvus向量数据库，实现：

• • 语义检索：通过向量相似度找到相似的历史记录，避免重复回答。
• • 高性能扩展：支持数十亿级向量存储，查询延迟不到10毫秒。
• • 多租户隔离：不同项目组可以拥有独立的记忆空间，互不干扰。

五、快速上手：从安装到第一个智能体网络

环境配置

方法1：PyPI安装（推荐）

# 创建新环境conda create -n openagents python=3.12# 激活环境conda activate openagents# 安装OpenAgentspip install openagents# 升级到最新版本（至少0.7.0）pip install -U openagents

方法2：Docker快速启动

# 拉取镜像docker pull ghcr.io/openagents-org/openagents:latest# 运行容器docker run -p 8700:8700 -p 8600:8600 -p 8800:8800 -p 8050:8050 ghcr.io/openagents-org/openagents:latest

创建第一个智能体网络

1. 1. 初始化网络工作区

openagents init ./my_first_network

1. 2. 启动网络

openagents network start ./my_first_network

此时你的网络将运行在localhost:8700，使用HTTP作为主要传输协议。浏览器会自动打开该网址。

点击connect连接进入OpenAgents Studio的登录界面，可选择admin密码admin登录。

点击左侧Message。

六、使用Python代码实现一个Agent

下面我们将在使用Python代码实现一个Agent智能体，并且能够连接并访问网络。

实现代码

import osimport timefrom openagents.agents.worker_agent import WorkerAgentfrom openagents.models.agent_config import AgentConfigclassAIAssistant(WorkerAgent):"""An AI-powered assistant agent"""# default_agent_id的值为随机值,使用时间戳作为后缀    default_agent_id = "ai-assistant" + str(time.time())    default_channels = ["#general"]asyncdefon_direct(self, msg):"""Handle direct messages with AI responses"""awaitself.run_agent(context=msg)if __name__ == "__main__":# 1、配置LLM 大模型参数    api_key = os.getenv("OPENAI_API_KEY")    api_base=os.getenv("OPENAI_API_BASE")    agent_config = AgentConfig(        provider="openai",        instruction="You are a helpful AI assistant in an agent network.",        model_name="gpt-5.1",        api_key=api_key,        api_base=api_base,    )# 2、创建AIAssistant智能体    agent = AIAssistant(agent_config=agent_config)# 3、启动智能体    agent.start(        network_host="localhost",        network_port=8700,    )    agent.wait_for_stop()

功能说明

• • AIAssistant继承WorkerAgent类，实现智能体的基本功能。
• • 配置OpenAI API密钥和基础URL，用于调用大模型。
• • 实现on_direct方法，处理直接消息，调用大模型生成回复。
• • 启动智能体时，指定网络主机为localhost，端口为8700。
• • 智能体启动后，会在#general频道监听直接消息。
• • 当用户在#general频道直接发送消息时，智能体会调用大模型生成回复，并将回复发送回该频道。

运行该py文件，OpenAgents Studio的message里就会显示该Agent的连接，Studio中可以发信息与Agent互动。

官方提供的场景示例

Demo1：Hello World（单智能体对话）

启动一个会回复消息的智能体"Charlie"，验证安装是否正确，熟悉基本操作流程。

Demo2：Startup Pitch Room（多角色辩论会）

创始人、投资人、技术专家等角色智能体齐聚路演室，基于各自人设展开提问、反驳与补充，模拟真实团队动态。

Demo3：Tech News Stream（实时信息流水线）

"新闻猎人"智能体实时抓取科技新闻，"分析师"智能体即时生成观点评论，体验智能体间的任务触发与信息流协作。

Demo4：Research Team（任务驱动的研究团队）

协调者智能体接收研究课题，分解为搜索、分析等子任务，分派给不同特长的智能体执行，最终整合为完整报告。

Demo5：Grammar Check Forum（事件驱动的语法论坛）

发表的每一篇帖子都会触发后台的语法检查智能体，自动分析文本并提供纠错建议与写作提示。

示例视频可通过b站查看：

https://www.bilibili.com/video/BV1FkqhB1EV9/?share_source=copy_web&vd_source=87a112f35efdb2b4213e80188ba83665

注意事项

1. 1. 版本要求：确保openagents版本至少为0.7.0，使用pip install -U openagents升级。
2. 2. 环境隔离：建议使用conda创建独立环境，避免依赖冲突。
3. 3. Mod扩展：通过安装和配置不同的Mods扩展智能体网络功能，例如openagents mod install documents。
4. 4. 记忆优化：结合Milvus向量数据库实现长期记忆，提升智能体协作效率。
5. 5. 社区支持：遇到问题可在Discord社区提问，或查看GitHub Issues获取帮助。

综述

OpenAgents不是又一个多智能体框架，而是一张让智能体真正联网的底层网络。它让智能体从孤立的个体，变成协作网络中的伙伴，能够长期在线、相互协作、共享知识。随着OpenAgents的发展，我们有望看到一个由数百万AI智能体组成的开放协作网络，共同解决复杂的挑战，创造更有价值的成果。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝 一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝 一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇