designing-multiagent-systems

从零上手,手把手教你构建LLM多智能体应用。

这是一个从零开始构建基于大语言模型的多智能体应用的开源教程与代码库。它系统性地讲解了多智能体系统的设计模式、通信机制、任务分配与协作策略,并提供了可运行的Python示例。项目旨在帮助开发者理解并实现复杂的多智能体工作流,解决单一大模型在处理复杂任务时能力受限、上下文管理困难等问题。核心能力包括:多智能体架构设计指南、基于LLM的智能体交互协议、任务分解与结果聚合的实践方法,以及从简单到复杂的渐进式示例代码。通过该教程,开发者可以快速上手构建自己的多智能体应用,提升自动化任务的效率与质量。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1313
维护状态 维护中
是否开源 是
定价模式 free

项目数据

分类开源模型
开发团队victordibia
所属国家
定价模式free
价格说明开源项目,Apache-2.0许可证,可免费使用和部署。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Python
技术栈/模型agents,autogen,generative-ai,large-language-models,multiagent-systems
GitHub 星标★ 1313
30天Star增速
HF 下载量
上线时间2024-05-12 00:00:00
最近更新2026-09-23 00:00:00
维护状态维护中
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4

使用教程

难度:入门 约 10 分钟 部署方式:库/依赖 5 步

环境要求

  • Python 环境(README 未标注最低版本,建议 3.10+)
  • pip(用于执行 pip install -e . 安装包)
  • 本地项目源码(通过 git clone 或下载 ZIP 获取)
  • 至少一个 LLM 提供商的 API 凭证(OpenAI / Anthropic / Azure OpenAI / GitHub Models)

安装与启动步骤

  1. 1获取项目代码

    从 GitHub 仓库拉取代码到本地,后续所有安装命令都要在项目根目录执行。

    git clone https://github.com/victordibia/designing-multiagent-systems.git
    cd designing-multiagent-systems
  2. 2基础安装

    以可编辑模式安装 PicoAgents 包本体,默认不包含任何可选功能模块。

    pip install -e .
  3. 3按需安装扩展

    按使用场景选择:web 提供 UI 与 API 服务,examples 用于跑示例脚本,也可直接装 all。

    pip install -e ".[web]"
    pip install -e ".[examples]"
    pip install -e ".[all]"
  4. 4配置 API 密钥

    设置所选用模型提供商的密钥为环境变量,未设置则智能体无法调用模型。

    export OPENAI_API_KEY="sk-xxxxxxxx"
  5. 5运行示例验证

    仓库示例脚本位于根目录的 examples/agents/ 下,先跑基础 agent 示例确认环境可用。

    python examples/agents/basic-agent.py

关键配置

配置项必填说明示例
OPENAI_API_KEY是使用 OpenAI 客户端时必填的 API 密钥sk-xxxxxxxx
ANTHROPIC_API_KEY否改用 AnthropicChatCompletionClient 时设置sk-ant-xxxxxxxx
GITHUB_TOKEN否使用 GitHub Models 作为模型来源时的访问令牌ghp_xxxxxxxx
base_url否指向 OpenAI 兼容端点,如 Ollama、LM Studio、vLLMhttp://localhost:8000

如何确认成功

能成功 import picoagents 并运行基础示例脚本且无报错,即表示安装与环境变量配置正确。

常见问题

Q:想用 Anthropic 模型怎么改?

A:设置环境变量 export ANTHROPIC_API_KEY="sk-...",并把代码中的客户端换成 AnthropicChatCompletionClient 即可,README 提供了 agent_anthropic.py 示例。

Q:可以用本地模型吗?

A:可以。使用 OpenAIChatCompletionClient 并把 base_url 指向任意 OpenAI 兼容端点,例如 base_url="http://localhost:8000",适配 Ollama、LM Studio、vLLM 等。

Q:各个 extras 有什么区别?

A:web 为 Web UI 和 API 服务,mcp 为 MCP 客户端与 playground(需 mcp>=2.0.0),persist 支持 History 页持久化,computer-use 为浏览器自动化,examples 用于运行示例脚本。

Q:安装 all 就是全部功能吗?

A:不是。README 明确说明 all 包含大部分 extras,但不含 persist、otel、dev 和 frameworks,需要这些要单独安装。

注意事项

  • 本仓库是书籍《Designing Multi-Agent Systems》的配套代码,结合书中内容学习效果更好。
  • README 中“Run Examples”一节的命令未完整给出,示例脚本路径来自文档表格中的引用,请以仓库实际文件为准。
  • Windows 环境设置密钥时需改用 set 或 PowerShell 的 $env:OPENAI_API_KEY="sk-xxxxxxxx"。
  • 可编辑安装(-e)后修改源码立即生效,便于跟随教程逐步实现各组件。

核心亮点

  • 从基础到进阶的渐进式教程,适合系统学习多智能体设计
  • 提供可运行的Python代码示例,理论与实践结合紧密
  • 覆盖任务分解、智能体协作等核心模式,实用性强

不足之处

  • 项目处于早期阶段,文档和示例的完整度有待提升
  • 缺乏对特定框架(如LangChain、AutoGen)的深度集成说明

适用场景

  • 学习多智能体系统设计原理与实现
  • 构建需要多角色协作的复杂LLM应用
  • 作为企业内部多智能体开发的参考教程

替代项目

LangChain、AutoGen、CrewAI

项目介绍

designing-multiagent-systems 是智能体领域的开源项目,由 victordibia 开发,2024 年首次发布。

在全站 13,090 个收录项目中,它的 GitHub 星标数(1,313)位列前 30%,在智能体分类中处于中上游。

项目仍在小幅维护中,最近一次代码更新于 2026-09-23。Apache-2.0许可证,可免费使用和部署。

它主要面向的使用场景是:学习多智能体系统设计原理与实现。同类可对比的替代方案包括 LangChain、AutoGen、CrewAI。

上一篇:hackingBuddyGPT

下一篇:pokechamp

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。

★ 199 2026-08-09
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.

★ 233327 2026-08-15
AutoGPT 开源

开箱即用的 AI 员工,交代任务就自己干完

AutoGPT is the vision of accessible AI for everyone, to use and to build on. Our mis···

★ 187492 2026-08-09
EvoAgentX 开源

让 AI 智能体自己迭代变强,越用越聪明

EvoAgentX: Building a Self-Evolving Ecosystem of AI Agents

★ 3351 2026-09-12