# cooragent **Repository Path**: mstitop/cooragent ## Basic Information - **Project Name**: cooragent - **Description**: No description available - **Primary Language**: Unknown - **License**: Apache-2.0 - **Default Branch**: dev/dujc - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-07-01 - **Last Updated**: 2025-07-01 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # cooragent [![Python 3.12+](https://img.shields.io/badge/python-3.12+-blue.svg)](https://www.python.org/downloads/) [![Wechat](https://img.shields.io/badge/WeChat-cooragent-brightgreen?logo=wechat&logoColor=white)](./assets/wechat_community.jpg) [![Discord Follow](https://dcbadge.vercel.app/api/server/ZU6p5nEYgB?style=flat)](https://discord.gg/ZU6p5nEYgB) [English](./README.md) | [简体中文](./README_zh.md) # Cooragent 是什么 Cooragent 是一个 AI 智能体协作社区。在这个社区中，你可以通过一句话创建一个具备强大功能的智能体，并与其他智能体协作完成复杂任务。智能体可以自由组合，创造出无限可能。与此同时，你还可以将你的智能体发布到社区中，与其他人共享。

# 无限可能 Cooragent 有两种工作模式：**Agent Factory** 和 **Agent Workflow**。 - **Agent Factory** 模式下，你只需要你对智能体做出描述，Cooragent 就会根据你的需求生成一个智能体。Agent Factory 模式下，系统的会自动分析用户需求，通过记忆和扩展深入理解用户，省去纷繁复杂的 Prompt 设计。Planner 会在深入理解用户需求的基础上，挑选合适的工具，自动打磨 Prompt，逐步完成智能体构建。智能体构建完成后，可以立即投入使用，但你仍然可以对智能体进行编辑，优化其行为和功能。 - **Agent Workflow** 模式下你只需要描述你想要完成的目标任务，Cooragent 会自动分析任务的需求，挑选合适的智能体进行协作。Planner 根据各个智能体擅长的领域，对其进行组合并规划任务步骤和完成顺序，随后交由任务分发节点 publish 发布任务。各个智能领取自身任务，并协作完成任务。 Cooragent 可以在两种模式下不断演进，从而创造出无限可能。 # 快速安装 1. 使用 conda 安装 ```bash git clone https://github.com/LeapLabTHU/cooragent.git cd cooragent conda create -n cooragent python=3.12 conda activate cooragent pip install -e . # Optional: 使用 browser 工具时需要安装 playwright install # 配置 API keys 和其他环境变量 cp .env.example .env # Edit .env file and fill in your API keys # 通过 CLi 本地运行 python cli.py ``` 2. Installation using venv ```bash git clone https://github.com/LeapLabTHU/cooragent.git cd cooragent uv python install 3.12 uv venv --python 3.12 source .venv/bin/activate # For Windows: .venv\Scripts\activate uv sync # Optional: 使用 browser 工具时需要安装 playwright install # 配置 API keys 和其他环境变量 # 注意 Browse tool 等待时间较长，默认是关闭的。可以通过设置 `USE_BROWSER=True` 开启 cp .env.example .env # Edit .env file and fill in your API keys # 通过 CLi 本地运行 uv run cli.py ``` **注意**：如果在 windows 平台运行本项目 cli 工具，除了上述步骤外，还需要安装额外依赖，详见[windows-平台支持](./docs/QA_zh.md#windows-平台支持)。 ## 配置在项目根目录创建 `.env` 文件并配置以下环境变量： ```bash cp .env.example .env ``` ## Cooragent 有什么不同 ## 功能比较

功能	cooragent	open-manus	langmanus	OpenAI Assistant Operator
实现原理	基于 Agent 自主创建实现不同 Agent 之间的协作完成复杂功能	基于工具调用实现复杂功能	基于工具调用实现复杂功能	基于工具调用实现复杂功能
支持的 LLMs	丰富多样	丰富多样	丰富多样	仅限 OpenAI
MCP 支持	✅	❌	❌	✅
Agent 协作	✅	❌	✅	✅
多 Agent Runtime 支持	✅	❌	❌	❌
可观测性	✅	✅	❌	❌
本地部署	✅	✅	✅	❌

# CLI 工具 Cooragent 提供了一系列开发者工具，帮助开发者快速构建智能体。通过 CLI 工具，开发者可以快速创建，编辑，删除智能体。CLI 的设计注重效率和易用性，大幅减少了手动操作的繁琐，让开发者能更专注于智能体本身的设计与优化。 ## 使用 Cli 工具一句话创建智能体进入 cooragent 命令工具界面 ``` python cli.py ```

Cooragent cli 工具

一句话创建小米股票分析智能体 ``` run -t agent_workflow -u test -m '创建一个股票分析专家 agent. 今天是 2025年 4 月 22 日，查看过去一个月的小米股票走势，分析当前小米的热点新闻，预测下个交易日的股价走势，并给出买入或卖出的建议。' ``` ## 编辑智能体 ``` edit-agent -n -i ``` ## 查询智能体 ``` list-agents -u -m ``` ## 删除智能体 ``` remove-agent -n -u ``` ## 使用一组智能体协作完成复杂任务 ``` run -t agent_workflow -u test -m '综合运用任务规划智能体，爬虫智能体，代码运行智能体，浏览器操作智能体，报告撰写智能体，文件操作智能体为我规划一个 2025 年五一期间去云南旅游的行程。首先运行爬虫智能体爬取云南旅游的景点信息，并使用浏览器操作智能体浏览景点信息，选取最值得去的 10 个景点。然后规划一个 5 天的旅游的行程，使用报告撰写智能体生成一份旅游报告，最后使用文件操作智能体将报告保存为 pdf 文件。' ``` ## 集成 MCP 服务 (类似 Claude Desktop) 通过模型上下文协议 (MCP) 集成外部服务和工具，以增强您的智能体 (Agent) 的能力。这类似于某些桌面 AI 助手 (如 Claude Desktop) 管理外部功能的方式。 **配置方法：** 1. **定位/创建配置文件**：在您的项目根目录中找到或创建 `config/mcp.json` 文件。 ```bash cd ./config cp mcp.json.example mcp.json ``` 2. **添加 MCP 服务**：在此 JSON 文件中定义您的 MCP 服务。每个服务都有一个唯一的键 (key) 和一个配置对象。配置文件 (`config/mcp.json`) 示例： ```json { "mcpServers": { "aws-kb-retrieval": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-aws-kb-retrieval"], "env": { "AWS_ACCESS_KEY_ID": "YOUR_ACCESS_KEY_HERE", "AWS_SECRET_ACCESS_KEY": "YOUR_SECRET_ACCESS_KEY_HERE", "AWS_REGION": "YOUR_AWS_REGION_HERE" } }, "AMAP": { "url": "https://mcp.amap.com/sse", "env": { "AMAP_MAPS_API_KEY": "AMAP_MAPS_API_KEY" } } } } ``` **工作原理：** 配置完成后，Cooragent 会自动将您在 `mcp.json` 中定义的这些 MCP 服务注册为可用工具。之后，智能体 (Agent) 在规划和执行任务时便可以选择和使用这些工具，从而实现更复杂的功能。如上配置好高德地图相关工具后，你可以尝试如下的使用案例： ``` 创建一个导航智能体，专注于导航，使用地图相关工具，规划如何从北京西站到故宫。 ``` ## 文档 & 支持 - [常见问题 (FAQ)](./docs/QA_zh.md) - [商业支持计划](./docs/business_support_zh.md) ## 全面的兼容性 Cooragent 在设计上追求极致的开放性和兼容性，确保能够无缝融入现有的 AI 开发生态，并为开发者提供最大的灵活性。这主要体现在对 Langchain 工具链的深度兼容、对MCP (Model Context Protocol) 协议的支持以及全面的 API 调用能力上。 - 深度兼容 Langchain 工具链: - 可以在 Cooragent 的智能体或工作流中直接使用熟悉的 Langchain 组件，如特定的 Prompts、Chains、Memory 模块、Document Loaders、Text Splitters 以及 Vector Stores 等。这使得开发者可以充分利用 Langchain 社区积累的丰富资源和既有代码。 - 平滑迁移与整合: 如果您已经有基于 Langchain 开发的应用或组件，可以更轻松地将其迁移或整合到 Cooragent 框架中，利Cooragent 提供的协作、调度和管理能力对其进行增强。 - 超越基础兼容: Cooragent 不仅兼容 Langchain，更在其基础上提供了如 Agent Factory、Agent Workflow、原生 A2A 通信等高级特性，旨在提供更强大、更易用的智能体构建和协作体验。您可以将 Langchain 作为强大的工具库，在 Cooragent 的框架内发挥其作用。 - 支持 MCP (Model Context Protocol): - 标准化交互: MCP 定义了一套规范，用于智能体之间传递信息、状态和上下文，使得不同来源、不同开发者构建的智能体能够更容易地理解彼此并进行协作。 - 高效上下文管理: 通过 MCP，可以更有效地管理和传递跨多个智能体或多轮交互的上下文信息，减少信息丢失，提高复杂任务的处理效率。 - 增强互操作性: 对 MCP 的支持使得 Cooragent 能够更好地与其他遵循该协议的系统或平台进行互操作，构建更广泛、更强大的智能生态系统。 - 全面的 API 调用支持: Cooragent 的核心功能都通过全面的 API (例如 RESTful API) 暴露出来，为开发者提供了强大的编程控制能力。 - 程序化管理: 通过 API 调用，您可以自动化智能体的创建、部署、配置更新、启动/停止等全生命周期管理。 - 任务集成: 将 Cooragent 的任务提交和结果获取能力集成到您自己的应用程序、脚本或工作流引擎中。 - 状态监控与日志: 通过 API 获取智能体的实时运行状态、性能指标和详细日志，方便监控和调试。 - 构建自定义界面: 利用 API，您可以为 Cooragent 构建自定义的前端用户界面或管理后台，满足特定的业务需求和用户体验。 ## **Cooragent 路线图** ### **✨ 准确性提升** 增强智能体输出的准确性和可靠性。引入更强大的评估机制，利用多轮验证和反馈来确保生成结果的质量，减少错误和不一致性。 ### **🎯 垂直场景支持** 构建针对特定行业的智能体工作流。支持教育和新闻摘要等垂直领域，提供定制化解决方案以提高特定场景下的效果。 ### **👁️ 多模态智能体支持** 扩展智能体处理和理解多种类型信息的能力。主要目标是添加视觉信息支持，使智能体能够分析图像内容，为更广泛的应用场景奠定基础。 ### **👥 社区互动增强** 增强智能体社区内的互动方式。这可能包括智能体分享市场、协作挑战等举措，旨在鼓励用户分享、发现和共同改进智能体。 ## **即将推出** - ✅ **MCP 规模化扩展** 在 Cooragent 中大规模增加更多 MCP 服务器/工具测试和支持 - ⏳ **沙箱支持** 使用 Daytona 支持 Python 和 Shell 的沙箱环境 - ⏳ **可视化拖拽工作流编辑** 提供可视化工作流编辑功能，允许用户通过拖拽操作快速准确地编辑工作流。 - ⏳**长记忆支持** 使用 Redis 和向量数据库来记住用户的长记忆。 ## 贡献我们欢迎各种形式的贡献！无论是修复错别字、改进文档，还是添加新功能，您的帮助都将备受感激。请查看我们的[贡献指南](CONTRIBUTING.md)了解如何开始。欢迎加入我们的 wechat 群，随时提问，分享，吐槽。

## Citation Core contributors: Zheng Wang, Shenzhi Wang, Yue Wu, Chi Zhang, Shiji Song, Gao Huang ``` @misc{wang2025cooragent, title = {Cooragent: An AI Agent Collaboration Community}, author = {Zheng Wang, Shenzhi Wang, Yue Wu, Chi Zhang, Shiji Song, Gao Huang}, howpublished = {\url{https://github.com/LeapLabTHU/cooragent}}, year = {2025} } ``` ## Star History ![Star History Chart](https://api.star-history.com/svg?repos=LeapLabTHU/cooragent&type=Date) ## 致谢特别感谢所有让 cooragent 成为可能的开源项目和贡献者。我们站在巨人的肩膀上。