agentic-context-engine

环境要求

• 已安装 uv（Python 包管理器，README 使用 uv add 安装）
• 可用的 OpenAI API Key 或 ANTHROPIC_API_KEY，或其他 100+ 支持的提供商密钥
• 可运行 Python 代码的环境（用于导入 ace 并编写脚本）

安装与启动步骤

1. 1安装 ACE 框架

   用 uv 把 ace-framework 添加为项目依赖，这是 README 给出的唯一安装方式。

   uv add ace-framework

   复制

2. 2交互式初始化

   推荐方式，ace setup 会引导你选择模型、填写 API Key 并校验连接是否可用。

   ace setup

   复制

3. 3或手动配置密钥

   不想走交互流程时，直接导出环境变量；也可换成 ANTHROPIC_API_KEY 或其他提供商。

   export OPENAI_API_KEY="your-key"

   复制

4. 4用代码调用引擎

   导入 ACELiteLLM，传入模型字符串（任意 LiteLLM 支持的模型）即可创建智能体。

   from ace import ACELiteLLM
   
   agent = ACELiteLLM(model="gpt-4o-mini")

   复制

5. 5从已有日志学习

   已有智能体轨迹时，可直接喂给 learn_from_traces，再打印学到的策略。

   from ace import ACELiteLLM
   
   agent = ACELiteLLM(model="gpt-4o-mini")
   agent.learn_from_traces(your_existing_traces)
   print(agent.get_strategies())

   复制

6. 6按需安装扩展

   需要浏览器自动化、LangChain、MCP 或可观测性时，安装对应 extras 即可。

   uv add 'ace-framework[browser-use]'

   复制

关键配置

如何确认成功

ace setup 会完成连接校验；脚本中成功创建 ACELiteLLM 并能调用 ask/learn 即代表可用。

常见问题

注意事项

• README 仅提供 uv 安装方式，未给出 pip 或源码安装步骤。
• 密钥建议通过环境变量注入，不要硬编码进脚本或提交到仓库。
• 项目还提供托管服务 Kayba，如需自动化排查与修复可访问官网了解。
• 可选 extras 包括 browser-use、langchain、logfire、mcp、deduplication，按需安装。