
AgentVerse
编排多智能体协作,搞定复杂任务与模拟场景
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
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 5166
使用教程
环境要求
- Python >= 3.9
- 如需运行前端相关命令,需先安装 npm(README 提示:未安装 npm 需先安装)
- 使用本地模型(如 LLaMA)需额外安装 requirements_local.txt 中的依赖
- 使用工具调用类任务需先自行构建并启动 XAgent 的 ToolServer
- 能访问所使用的大模型服务(如 gpt-3.5)
安装与启动步骤
-
1克隆仓库
README 推荐手动安装方式,先拉取源码。使用 --depth 1 只取最新一次提交,体积更小。
git clone https://github.com/OpenBMB/AgentVerse.git --depth 1 -
2进入项目目录
后续安装命令都需要在 AgentVerse 根目录下执行。
cd AgentVerse -
3以可编辑模式安装
手动安装方式,把当前目录的 AgentVerse 装进当前 Python 环境,改动即时生效。
pip install -e . -
4本地模型附加依赖
仅当你要搭配 LLaMA 等本地模型使用时执行;只用在线大模型可跳过此步。
pip install -r requirements_local.txt -
5或改用 pip 安装
不想克隆源码时可用 pip 直接从 PyPI 安装 agentverse,与手动安装二选一即可。
pip install -U agentverse -
6跑 Humaneval 基准
用 gpt-3.5 配置跑 Humaneval 基准测试,指定数据集路径并覆盖已有结果。
agentverse-benchmark --task tasksolving/humaneval/gpt-3.5 --dataset_path data/humaneval/test.jsonl --overwrite -
7跑单个任务
运行 brainstorming 单次查询任务,具体任务内容在对应 config.yaml 中定义。
agentverse-tasksolving --task tasksolving/brainstorming -
8跑工具调用任务
多智能体调用浏览器、Jupyter、Bing 搜索等工具,需先按 XAgent 文档构建并启动 ToolServer。
agentverse-tasksolving --task tasksolving/tool_using/24point
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
--task | 是 | 指定要运行的任务配置目录(相对 agentverse/tasks 的路径) | tasksolving/brainstorming |
--dataset_path | 否 | 基准测试所用数据集文件路径 | data/humaneval/test.jsonl |
--overwrite | 否 | 覆盖已有的运行结果 | --overwrite |
config.yaml | 是 | 每个任务目录下的配置文件,任务内容与模型配置在此定义 | agentverse/tasks/tasksolving/humaneval/gpt-3.5/config.yaml |
如何确认成功
安装时 pip 无报错;执行 agentverse-tasksolving --task tasksolving/brainstorming 后能正常输出运行日志或结果。
常见问题
Q:手动安装和 pip 安装该选哪个?
A:README 推荐手动安装(git clone 后 pip install -e .),便于直接看和改源码;只想快速用则执行 pip install -U agentverse。
Q:想用 LLaMA 等本地模型怎么办?
A:额外执行 pip install -r requirements_local.txt 安装本地模型所需依赖,之后即可搭配本地模型使用。
Q:工具调用任务(tool_using)跑不起来?
A:需先按 XAgent 仓库的说明构建并启动 ToolServer,启动成功后再执行 agentverse-tasksolving --task tasksolving/tool_using/24point。
Q:提示找不到任务或路径报错?
A:--task 后面的路径要对应 agentverse/tasks/tasksolving 下的实际目录,如 tasksolving/humaneval/gpt-3.5。
注意事项
- 环境需 Python 3.9 及以上,否则可能安装失败。
- README 提示若未安装 npm,需先安装 Node.js/npm 再执行相关命令。
- 本地模型相关依赖是可选项,只用在线大模型时无需执行。
- 工具调用类任务依赖 XAgent 的 ToolServer,需要单独构建和启动。
核心亮点
- 提供任务解决与模拟双框架,覆盖协作与仿真两类典型应用场景
- 支持动态智能体选择与协作,能根据任务需求灵活调整团队构成
- 内置可视化监控界面,方便观察智能体交互与任务进度
不足之处
- 项目文档相对简略,高级用法需阅读源码理解
- 社区活跃度一般,示例和教程资源有限
适用场景
- 多智能体协作完成复杂推理或代码生成任务
- 模拟社会现象或群体行为,用于研究或教育
- 构建客服或助手系统,多个专业智能体分工响应
替代项目
AutoGen、MetaGPT、ChatDev
同类项目推荐
beyondllm
开源
快速构建、评估和观测你的 LLM 应用
Build, evaluate and observe LLM apps
chainlit_langgraph
开源
快速搭建多 LLM 聊天机器人原型,集成 Chainlit 和 LangGraph
A seamless integration of Chainlit with LangGraph. Ideal for fast prototyping multi-···
forml
开源
一站式管理数据科学项目,从实验到部署全搞定
ForML - A development framework and MLOps platform for the lifecycle management of d···
Art
开源
用 Java 技术栈,像搭积木一样快速构建 AI 应用。
Art 是一个开源的、一站式 AI 应用开发平台,其灵感来源于行业领先的 Coze 和 Dify。我们致···
Awesome-Agent-Harness
开源
一张地图看懂LLM Agent框架设计,选型不迷路
The first survey dedicated to LLM agent harnesses — 168 references, 34 evidence-cod···
serverless-chat-langchainjs
开源
用 Azure + LangChain.js 一键部署带知识库的 Serverless 聊天机器人
Build your own serverless AI Chat with Retrieval-Augmented-Generation using LangChai···
openai-kotlin
开源
一套 Kotlin 代码,无缝调用 OpenAI、Claude、Gemini 等主流大模型。
OpenAI clients for kotlin multiplatform SDK, supports OpenAI, Anthropic, Azure, Gemi···
llm-agents.nix
开源
用 Nix 一键装齐 AI 编程代理,版本锁定每天自动更新
Nix packages for AI coding agents and development tools. Automatically updated daily···
lmstudio-js
开源
用 TypeScript 轻松调用本地大模型,开发 AI 应用更高效
LM Studio TypeScript SDK