# Moss Ai

**Repository Path**: jangocheng/moss-ai

## Basic Information

- **Project Name**: Moss Ai
- **Description**: MOSS AI是一款创新的智能家居多Agent协作系统，通过多个专业化的AI代理协同工作，为用户提供智能化的家居控制体验。
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 6
- **Created**: 2025-10-27
- **Last Updated**: 2025-10-27

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# MOSS AI - 智能家居多Agent协作系统

<div align="center">

![MOSS AI Logo](https://img.shields.io/badge/MOSS-AI-blue?style=for-the-badge&logo=robot)
![Python](https://img.shields.io/badge/Python-3.11+-green?style=for-the-badge&logo=python)
![Docker](https://img.shields.io/badge/Docker-Ready-blue?style=for-the-badge&logo=docker)
![LangChain](https://img.shields.io/badge/LangChain-Integrated-orange?style=for-the-badge&logo=chainlink)

**基于LangChain和A2A架构的智能家居多Agent协作系统**

[快速开始](#快速开始) • [功能特性](#功能特性) • [系统架构](#系统架构) • [部署指南](#部署指南) • [API文档](#api文档)

</div>

## 📖 项目简介

MOSS AI是一款创新的智能家居多Agent协作系统，通过多个专业化的AI代理协同工作，为用户提供智能化的家居控制体验。系统采用先进的LangChain框架和A2A（Agent-to-Agent）通信协议，实现设备控制、数据分析、用户行为学习等全方位智能服务。

### 🎯 核心价值

- **🤖 多Agent协作**: 不同专业化的AI代理协同工作，提供专业化服务
- **🧠 智能学习**: 基于用户行为数据，持续学习和优化服务
- **🔗 统一管理**: 通过总管理代理提供统一的智能家居控制接口
- **📊 数据驱动**: 深度挖掘用户习惯，提供个性化建议
- **🐳 容器化部署**: 支持Docker一键部署，简化运维

## ✨ 功能特性

### 🏠 智能设备控制
- **空调控制**: 温度调节、模式切换、电源管理
- **空气净化器**: 空气质量监测、净化模式控制、滤网状态管理
- **床头灯控制**: 亮度调节、色温设置、颜色控制、场景模式
- **小米设备集成**: 支持小米生态设备信息查询和Token获取
- **设备联动**: 多设备协同工作，智能场景控制

### 📊 数据分析与洞察
- **用户行为分析**: 深度挖掘使用习惯和偏好模式
- **智能推荐**: 基于历史数据提供个性化设备设置建议
- **使用统计**: 详细的设备使用报告和能耗分析
- **预测服务**: 预测用户需求，提前调整设备状态

### 🔄 多Agent协作
- **总管理代理**: 统一协调所有子代理，提供一站式服务
- **空调代理**: 专业化的空调控制代理，确保精确操作
- **空气净化器代理**: 专门负责空气净化器设备控制
- **床头灯代理**: 控制Yeelink床头灯设备，支持多种场景模式
- **数据挖掘代理**: 专门负责用户行为分析和洞察生成
- **智能路由**: 自动识别用户意图，路由到最合适的代理

### 🛡️ 企业级特性
- **高可用性**: 支持负载均衡和故障转移
- **数据安全**: 完整的操作日志和审计跟踪
- **扩展性**: 模块化设计，易于添加新设备和功能
- **监控告警**: 实时监控系统状态和性能指标
- **MCP工具支持**: 支持Model Context Protocol工具扩展
- **多端应用**: Web端、桌面应用(Tauri)、移动端支持

## 🏗️ 系统架构

```mermaid
graph TB
    subgraph "用户层"
        U[用户] --> W[Web界面<br/>React + Ant Design X]
        U --> D[桌面应用<br/>Tauri]
        U --> M[移动应用]
        U --> V[语音助手]
    end
    
    subgraph "接入层"
        W --> N[Nginx反向代理]
        D --> N
        M --> N
        V --> N
    end
    
    subgraph "应用层"
        N --> B[后端服务<br/>Cangjie/Python<br/>:2100]
        B --> C[总管理代理<br/>Conductor Agent<br/>:12000]
        C --> AC[空调代理<br/>Air Conditioner<br/>:12001]
        C --> ALC[空气净化器代理<br/>Air Cleaner<br/>:12002]
        C --> BL[床头灯代理<br/>Bedside Lamp<br/>:12004]
        C --> DM[数据挖掘代理<br/>Data Mining<br/>:12003]
        C --> MCP[MCP工具<br/>小米设备信息]
    end
    
    subgraph "数据层"
        AC --> DB[(StarRocks<br/>数据库)]
        ALC --> DB
        BL --> DB
        DM --> DB
        C --> DB
        C --> R[(Redis<br/>缓存)]
    end
    
    subgraph "设备层"
        AC --> D1[空调设备]
        ALC --> D2[空气净化器]
        BL --> D3[Yeelink床头灯]
        MCP --> D4[小米生态设备]
    end
```

### 🔧 技术栈

| 层级 | 技术 | 说明 |
|------|------|------|
| **前端框架** | React 18 + TypeScript | 现代化用户界面开发 |
| **UI组件库** | Ant Design + Ant Design X | 企业级UI组件和聊天组件 |
| **桌面应用** | Tauri 2.0 | 跨平台桌面应用框架 |
| **构建工具** | Vite | 快速的前端构建工具 |
| **后端语言** | Cangjie + Python | 高性能后端服务 |
| **AI框架** | LangChain + LangGraph | 构建智能Agent工作流 |
| **通信协议** | A2A (Agent-to-Agent) | 代理间标准化通信 |
| **大语言模型** | DeepSeek | 提供智能对话和决策能力 |
| **数据库** | StarRocks | 高性能分析型数据库 |
| **缓存** | Redis | 高速数据缓存 |
| **Web框架** | FastAPI + Starlette | 高性能异步Web服务 |
| **MCP工具** | FastMCP | Model Context Protocol工具扩展 |
| **容器化** | Docker + Docker Compose | 容器化部署和管理 |
| **反向代理** | Nginx | 负载均衡和SSL终止 |

## 🚀 快速开始

### 环境要求

- **Python**: 3.11+
- **Node.js**: 18.0+ (用于前端开发)
- **Rust**: 1.70+ (用于Tauri桌面应用)
- **Cangjie**: 1.0+ (用于后端服务)
- **Docker**: 20.10+ (推荐)
- **Docker Compose**: 2.0+
- **内存**: 至少4GB可用内存
- **存储**: 至少10GB可用空间

### 方式一：Docker部署（推荐）

```bash
# 1. 克隆项目
git clone https://github.com/your-username/moss-ai.git
cd moss-ai

# 2. 配置数据库连接
cp config.yaml.example config.yaml
# 编辑config.yaml，配置StarRocks连接信息

# 3. 一键部署
# Linux/macOS
chmod +x docker-deploy.sh
./docker-deploy.sh

# Windows
docker-deploy.bat
```

### 方式二：本地开发部署

#### 1. 安装依赖

```bash
# Python依赖
pip install -r requirements.txt

# 前端依赖
cd app
pnpm install
# 或 npm install

# Cangjie后端依赖
cd app/backend-cangjie
cjpm install
```

#### 2. 配置数据库

```bash
# 编辑config.yaml，设置数据库连接
cp config.yaml.example config.yaml
# 编辑config.yaml，配置StarRocks连接信息
```

#### 3. 启动服务

```bash
# 方式1：使用脚本启动（推荐）
# Linux/macOS
chmod +x script/start_agents.sh
./script/start_agents.sh

# Windows
script/start_agents.bat

# 方式2：手动启动各个服务
# 1. 启动Conductor Agent
cd agents/conductor_agent
python main.py --host localhost --port 12000

# 2. 启动Cangjie后端
cd app/backend-cangjie
cjpm build
dist/release/bin/main.exe  # Windows
# 或 ./dist/release/bin/main  # Linux/Mac

# 3. 启动前端开发服务器
cd app
pnpm dev
```

#### 4. 启动桌面应用（可选）

```bash
cd app
pnpm tauri dev  # 开发模式
# 或
pnpm tauri build  # 构建生产版本
```

### 验证部署

访问以下地址验证服务是否正常启动：

- **前端界面**: http://localhost:5173 (开发模式)
- **后端服务**: http://localhost:2100 (Cangjie后端)
- **总管理代理**: http://localhost:12000
- **空调代理**: http://localhost:12001
- **空气净化器代理**: http://localhost:12002
- **数据挖掘代理**: http://localhost:12003
- **床头灯代理**: http://localhost:12004
- **桌面应用**: 通过Tauri启动

## 📚 使用指南

### 基本使用

#### 1. 设备控制
```bash
# 设置空调温度
curl -X POST http://localhost:12000/ \
  -H "Content-Type: application/json" \
  -d '{"message": "把空调调到25度"}'

# 开启空气净化器
curl -X POST http://localhost:12000/ \
  -H "Content-Type: application/json" \
  -d '{"message": "开启空气净化器"}'

# 控制床头灯
curl -X POST http://localhost:12000/ \
  -H "Content-Type: application/json" \
  -d '{"message": "开启床头灯，设置为阅读模式"}'

# 获取小米设备信息
curl -X POST http://localhost:12000/ \
  -H "Content-Type: application/json" \
  -d '{"message": "获取我的小米设备信息"}'
```

#### 2. 数据分析
```bash
# 分析使用习惯
curl -X POST http://localhost:12000/ \
  -H "Content-Type: application/json" \
  -d '{"message": "分析我的使用习惯"}'

# 获取个性化建议
curl -X POST http://localhost:12000/ \
  -H "Content-Type: application/json" \
  -d '{"message": "给我一些节能建议"}'
```

### 高级功能

#### 1. 批量操作
```python
import requests

# 批量设置多个设备
devices = [
    {"device": "air_conditioner", "action": "set_temperature", "value": 26},
    {"device": "air_cleaner", "action": "turn_on", "mode": "auto"}
]

for device in devices:
    response = requests.post("http://localhost:12000/", 
                           json={"message": f"控制{device['device']}执行{device['action']}"})
    print(response.json())
```

#### 2. 定时任务
```python
# 设置定时任务
schedule_config = {
    "time": "19:00",
    "action": "set_temperature",
    "device": "air_conditioner",
    "value": 24
}

# 通过总管理代理设置定时任务
requests.post("http://localhost:12000/", 
             json={"message": f"设置定时任务：每天{schedule_config['time']}将空调调到{schedule_config['value']}度"})
```

## 🔧 配置说明

### 数据库配置

编辑 `config.yaml` 文件：

```yaml
database:
  type: "starrocks"  # 支持: sqlite, mysql, postgresql, starrocks
  starrocks:
    host: "localhost"
    port: 9030
    user: "root"
    password: "your_password"
    database: "smart_home"
```

### AI模型配置

```yaml
ai:
  deepseek:
    model: "deepseek-chat"
    api_key: "your_api_key"
    api_base: "https://api.deepseek.com"
    temperature: 0
```

### 代理服务配置

```yaml
agents:
  conductor:
    host: "localhost"
    port: 12000
    enabled: true
  air_conditioner:
    host: "localhost"
    port: 12001
    enabled: true
  air_cleaner:
    host: "localhost"
    port: 12002
    enabled: true
  data_mining:
    host: "localhost"
    port: 12003
    enabled: true
  bedside_lamp:
    host: "localhost"
    port: 12004
    enabled: true
```

## 📊 API文档

### 总管理代理 API (端口: 12000)

#### A2A协议通信
```http
POST /send_message
Content-Type: application/json

{
  "context_id": "会话ID",
  "role": "user",
  "parts": [
    {
      "kind": "text",
      "text": "用户消息"
    }
  ],
  "message_id": "消息ID"
}
```

#### 设备控制
```http
POST /
Content-Type: application/json

{
  "message": "把空调调到25度"
}
```

#### 数据分析
```http
POST /
Content-Type: application/json

{
  "message": "分析我的使用习惯"
}
```

### 后端服务 API (端口: 2100)

#### 聊天接口
```http
POST /api/chat
Content-Type: application/json

{
  "query": "用户消息",
  "context_id": "会话ID"
}
```

### MCP工具 API

#### 小米设备信息获取
```python
# 通过MCP工具获取小米设备信息
from mcp.xiaomi_device_mcp import get_xiaomi_devices

result = await get_xiaomi_devices(
    username="your_email@example.com",
    password="your_password",
    server="cn"  # 服务器区域
)
```

### 各代理服务端口

| 服务名称 | 端口 | 说明 |
|---------|------|------|
| 总管理代理 (Conductor) | 12000 | 统一协调所有子代理 |
| 空调代理 (Air Conditioner) | 12001 | 空调设备控制 |
| 空气净化器代理 (Air Cleaner) | 12002 | 空气净化器控制 |
| 数据挖掘代理 (Data Mining) | 12003 | 用户行为分析 |
| 床头灯代理 (Bedside Lamp) | 12004 | 床头灯设备控制 |
| 后端服务 (Cangjie) | 2100 | 中间层服务 |
| 前端开发服务器 | 5173 | React开发服务器 |

## 🧪 测试

### 运行测试套件

```bash
# 运行所有测试
python -m pytest tests/

# 运行特定测试
python -m pytest tests/test_conductor_agent.py

# 运行集成测试
python agents/test_integrated_system.py
```

### 性能测试

```bash
# 使用Apache Bench进行压力测试
ab -n 1000 -c 10 http://localhost:12000/health

# 使用wrk进行性能测试
wrk -t12 -c400 -d30s http://localhost:12000/health
```

## 📈 监控和运维

### 健康检查

```bash
# 检查服务状态
curl http://localhost:12000/health

# 检查数据库连接
curl http://localhost:12000/api/database/status

# 检查前端服务
curl http://localhost:5173

# 检查后端服务
curl http://localhost:2100/health
```

### 日志查看

```bash
# Docker环境
docker-compose logs -f smart-home-agents

# 本地环境
tail -f logs/conductor_agent.log
```

### 性能监控

```bash
# 查看容器资源使用
docker stats

# 查看系统指标
curl http://localhost:9090/metrics
```

## 🤝 贡献指南

我们欢迎所有形式的贡献！请查看 [CONTRIBUTING.md](CONTRIBUTING.md) 了解详细信息。

### 开发流程

1. Fork 项目
2. 创建功能分支 (`git checkout -b feature/AmazingFeature`)
3. 提交更改 (`git commit -m 'Add some AmazingFeature'`)
4. 推送到分支 (`git push origin feature/AmazingFeature`)
5. 创建 Pull Request

### 代码规范

- 使用 Python Black 进行代码格式化
- 遵循 PEP 8 编码规范
- 添加适当的类型注解
- 编写单元测试

## 📄 许可证

本项目采用 MIT 许可证 - 查看 [LICENSE](LICENSE) 文件了解详细信息。

## 🙏 致谢

- [LangChain](https://github.com/langchain-ai/langchain) - 强大的LLM应用开发框架
- [A2A SDK](https://github.com/a2a-io/a2a-sdk) - Agent间通信协议
- [StarRocks](https://github.com/StarRocks/starrocks) - 高性能分析型数据库
- [DeepSeek](https://www.deepseek.com/) - 优秀的大语言模型服务

## 📞 联系我们

- **项目主页**: https://github.com/your-username/moss-ai
- **问题反馈**: https://github.com/your-username/moss-ai/issues
- **邮箱**: moss-ai@example.com
- **微信群**: 扫描二维码加入技术交流群

## 🔮 路线图

### v1.1.0 (计划中)
- [ ] 支持更多智能设备类型
- [ ] 增加语音控制功能
- [ ] 实现设备联动场景
- [ ] 添加移动端应用

### v1.2.0 (未来)
- [ ] 支持多用户管理
- [ ] 增加安全认证机制
- [ ] 实现边缘计算支持
- [ ] 添加可视化配置界面

### v2.0.0 (长期)
- [ ] 支持联邦学习
- [ ] 实现跨平台集成
- [ ] 添加区块链溯源
- [ ] 支持5G和IoT扩展

---

<div align="center">

**⭐ 如果这个项目对您有帮助，请给我们一个Star！**

Made with ❤️ by MOSS AI Team

</div>