项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
技术标签
使用教程
—
环境要求
- Python 3.10、3.11 或 3.12(README 建议用 3.10)
- pip 及 uv 包管理工具
- Node.js(使用 Playwright MCP 等 MCP 服务时需要)
- Docker 与 docker compose(仅在选用 Docker 方式时需要)
安装与启动步骤
-
1检查 Python 版本
README 要求 Python 3.10、3.11 或 3.12,先用该命令确认本机版本,未安装则去官网下载。
python --version -
2安装 uv 工具
用 pip 安装 uv,后面用它创建虚拟环境并安装依赖。
pip install uv -
3创建虚拟环境
在项目根目录下创建 Python 3.10 的 .venv 虚拟环境。
uv venv .venv --python=3.10 -
4安装项目依赖
以可编辑模式安装 OWL 及 CAMEL 全部依赖;不使用 uv 时也可用 pip 方式。
uv pip install -e . -
5设置环境变量
OWL 需要多种服务的 API Key,README 未列出具体变量名,请按官方文档配置后再运行。
-
6运行基础示例
按 README 修改 examples/run.py 里的任务内容后运行,即可启动 OWL 智能体。
python examples/run.py -
7安装 MCP 服务
使用 MCP 功能前先安装 Node.js,再全局安装 Playwright MCP 服务并装依赖。
npm install -g @executeautomation/playwright-mcp-server npx playwright install-deps -
8Docker 方式运行
改用容器时先构建并启动服务,再进入容器激活环境运行示例。
docker compose up -d --build docker compose exec owl bash cd .. && source .venv/bin/activate playwright install-deps xvfb-python examples/run.py
如何确认成功
执行 python examples/run.py 后无依赖或环境变量报错,并正常返回任务结果即说明部署成功。
常见问题
Q:支持哪些 Python 版本?
A:支持 Python 3.10、3.11、3.12,README 的 uv 示例使用 3.10 创建虚拟环境,建议保持一致。
Q:怎么切换不同的大模型?
A:改用对应示例脚本,例如 run_claude.py、run_qwen_zh.py、run_deepseek_zh.py、run_gemini.py、run_ollama.py 或 run_azure_openai.py。
Q:只想用 LLM API Key 快速试一下怎么办?
A:运行 python examples/run_mini.py,这是 README 提供的最小示例,只需要一个 LLM API Key。
Q:做 GAIA 基准评测该用哪个分支?
A:README 提示使用 gaia58.18 分支,其中 owl/camel 目录带有为 GAIA 优化的定制版 CAMEL 框架。
Q:Docker 里用不了 MCP Desktop Commander 怎么办?
A:在容器内运行 npx -y @wonderwhy-er/desktop-commander setup --force-file-protocol 完成配置,更多细节见项目 DOCKER_README。
注意事项
- README 只说明需要配置各类 API Key,未列出具体环境变量名,务必查阅官方文档填写。
- 用 requirements.txt 安装时需加 --use-pep517 参数:pip install -r requirements.txt --use-pep517。
- Docker 方式还提供 build_docker.sh 与 run_in_docker.sh 脚本,可执行 chmod +x build_docker.sh 后自行构建镜像。
- Docker 内若无法访问 Docker Hub,可修改 docker-compose.yml 后执行 docker compose up -d --build。
核心亮点
- 在 GAIA 等通用任务基准上成绩领先,验证了多智能体协作的实际效果
- 内置浏览器操作、代码执行、文件处理等工具链,开箱即可跑通端到端任务
- 提供可视化界面和模块化角色设计,方便调试与二次开发
不足之处
- 依赖外部大模型 API,运行成本和稳定性受模型服务影响
- 复杂任务执行链路长,出错后排查和复现成本较高
适用场景
- 自动搜集整理某主题资料并生成报告
- 代替人工完成网页表单填写与信息提取
- 搭建多智能体协作的研究与教学 Demo
替代项目
AutoGen、CrewAI
上一篇:agents-office
下一篇:prime-agent
同类项目推荐
xinchao-dynamic-mind
开源
给 AI 装上疲惫和欲望,让交互更真实
独立、可自托管的 AI 动态心智状态引擎:驱动力、念头池、疲惫、睡眠与意图。
goutoujunshi
开源
先哄情绪再出招,恋爱难题给可执行方案
一个先接住情绪、再分析关系并给出可执行策略的 Codex 恋爱军师,内置心理、法律、社会、人···
geo-sleuth
开源
给 AI 装上地理侦探技能,一张照片顺藤摸瓜找到拍摄地
An agent skill that finds where a photo was taken — OpenStreetMap geometry, elevati···
deepseek-harness
开源
把 AI 能力拆成乐高积木,拼出你的专属智能体。
DeepSeek Harness: Everything is a Plugin.
