owl

一句话让多个 AI 智能体分工帮你自动完成网页任务

开源 free 智能体
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 20152
维护状态 活跃
是否开源 是
定价模式 free

项目预览

项目数据

分类智能体
开发团队camel-ai
所属国家
官网地址
定价模式free
价格说明开源免费,定价信息待确认
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型agent,artificial-intelligence,multi-agent-systems,task-automation,web-interaction
GitHub 星标★ 20152
30天Star增速
HF 下载量
上线时间2025-03-03 00:00:00
代码更新—
仓库体积—
本站数据更新—
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-10-11
浏览次数0

项目介绍

OWL 是 CAMEL-AI 团队开源的多智能体协作框架,全称 Optimized Workforce Learning,目标是让 AI 智能体在真实环境中自动完成复杂任务。它把任务拆解、角色分工、工具调用和网页交互整合成一套可运行的工作流,用户只需给出自然语言目标,系统就能调度多个智能体协同搜索、浏览网页、操作界面并汇总结果。项目基于 Python,内置浏览器自动化、代码执行、文档处理等能力,支持接入多种大模型,并提供可视化界面方便调试。相比单智能体方案,OWL 强调分工与反馈循环,在 GAIA 等通用助手基准上表现突出,适合研究多智能体协作和搭建自动化助手原型的开发者。

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

正在加载星标数据…

技术标签

使用教程

—

难度:进阶 约 20 分钟 部署方式:本地安装 8 步

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. 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. 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. 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. 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. 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. 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. 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
  8. 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。

★ 211 2026-08-09
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···

★ 7548 2026-09-25
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···

★ 1628 2026-09-25
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.

★ 246924 2026-08-15