Agt — AI Agent 框架

自己开发自己的 AI Agent 框架。

An agent framework that builds itself. —— 本仓库的绝大多数迭代由 Agt 自身完成（dogfooding：用它开发它）。 A quine that evolves：输出不是自己的副本，而是下一个版本的自己。

多模型 ReAct 引擎 + MCP 工具 + Coze 工作流 + WebUI + 可视化编辑器。不依赖 LangChain / LlamaIndex / AutoGen，每个模块手写。

pip install agt-agent
agt          # CLI 对话
agt-web      # WebUI → http://localhost:8000

---

功能

模块	说明
ReAct 引擎	思考 → 工具调用 → 观察 → 循环，最大步数 + Token 预算 + Ctrl+C 中断
多模型	DeepSeek / Qwen / GLM / MiniMax / StepFun / 任意 OpenAI 兼容，热切换 + 回退链
MCP	Model Context Protocol 客户端，自动发现工具
工作流	Coze 原生画布 JSON 执行器，13 类节点，每轮扫描注册为 Agent 工具
可视化编辑器	SVG 画布 + 节点拖拽 + 流程线/变量线(彩色) + 属性面板，零依赖
多 Agent	SubAgent 并行调度，工具继承，防递归
WebUI	FastAPI + WebSocket，多客户端广播，断线续连
会话	分档上下文投影（毕业压缩 + 折叠召回）+ 全局摘要 + recall 召回 + 存档/恢复
自主模式	定时/目标驱动，消息队列
Wiki	.agent/wiki/ 知识库 CRUD + 子 Agent 自动维护
技能	.agent/skills/ YAML 渐进式披露
Agentic RAG	工作流设 auto:true，消息自动预取注入
批处理	任意节点对数组逐元素执行，输出 all/filtered/nth
随包资产	/download 按需取用内置工作流 / MCP / 脚本
反馈通道	/feedback 一键提交，直达作者（飞书实时推送）

---

快速开始

1. 安装

pip install agt-agent

2. 配置模型

启动后点 ⚙ 设置 → 添加模型（base_url / api_token / model id），保存到 ~/.agt/models.json。

内置 Provider 目录（模型下拉框开箱可选——点选即弹引导：申请页直达 + key 粘贴，落地自动写配置）：

	Provider	为什么选它
🎁	ModelScope	开源模型每日免费额度，零成本起步首选
⚡	Z.ai（智谱）	GLM 官方直连、国内低延迟，新户送额度
🐋	DeepSeek 官方	V4 官方 API：价格厚道，缓存命中折扣极深
🌊	硅基流动	一把 key 用遍各家开源模型，注册即送额度
🧭	OrcaRouter	一把 key 零加价路由 11 家前沿模型（含免费池）
🔀	OpenRouter	全球最大聚合网关：一把 key 400+ 前沿模型

或手动：复制 models.example.py → models.py，填 token。

3. 启动

agt          # CLI
agt-web      # WebUI（浏览器打开 http://localhost:8000）

---

Agent 上手指引（新环境探索）

本节写给 Agent 自己——当 agt 实例被部署到新环境（云容器 / 新机器 / 新 repo）时，首轮对话建议按此探索，快速建立对所处环境的认知：

1. 进程与环境：/status（工具箱规模 / MCP 连接 / 后台服务 / 子进程树）与 /context（模型与上下文配置）
2. 任务指引：read_file("AGENTS.md")——用户为当前 workspace 定制行为的入口（不存在则跳过）
3. workspace 结构：list_dir + README / 核心配置文件——先摸清这个 repo 是什么、用什么语言、怎么构建
4. 能力面：.agent/ 三件套——agents/（子 Agent 声明）、workflows/（工作流）、skills/（技能 SOP）
5. 模型配置：~/.agt/models.json——本机可用 provider 与默认模型；/config 查看运行时设置
6. 多实例组网：remote_connect(url) 连接其它机器上的 agt 实例（server_id 可省略自动生成）→ 之后任意工具调用 arguments 里带 "server_id" 即路由到远程执行（工具级直执行，不消耗远程 LLM token）
7. 框架参考：需要理解 / 修改 agt-agent 自身时，本仓库（GitHub: vgp7758/Agt）的 docs/ 与 .agent/wiki/（部署后）是权威资料

上下文管理

长对话不爆上下文、细节也不丢（session.py）：

• 分档投影：给模型设 max_effective_context_window（token 估算的软上限），超出即「毕业」——老轮按档位递进压缩（每档摘要上限减半），近期轮保持全量。冻结渲染 byte-stable，利于前缀缓存命中。
• 折叠召回：压到头仍超窗口，最老的整档退化为摘要，逐字原文用 /recall 召回。
• 默认（不设该字段）：走原策略——最近窗口全量 + 窗口外一句话摘要。

参数	作用	在哪设
max_effective_context_window	每模型：何时开始压缩（空=关闭分档）	模型编辑器 / /config max_effective_context_window N
max_level	全局：最高压缩档位（默认 4）	设置表单 / /config max_level N

该值按成本/延迟耐受度定，不是模型的硬上下文上限。无缓存折扣的 route（如 ModelScope）建议 3.2 万~6.4 万；有缓存折扣的（Z.ai 直连 / DeepSeek）可更大。

---

工作流

1. 打开 http://localhost:8000/editor（或 WebUI 点 ✏ 编辑器）
2. 左侧调色板拖放节点 → 连线 → 右侧面板编辑属性 → Ctrl+S 保存
3. 文件存入 .agent/workflows/<名>.json
4. Agent 每轮自动扫描 → 注册为 wf_<名> 工具，模型可调用

自动工作流（Agentic RAG）：编辑器勾选 ✅ 自动 + 填写参数名，保存后 meta 写入 {"auto":true,"auto_param":"query"}。之后每次发消息，Agent 先跑该工作流取上下文再处理。

节点类型（13 类 + 外置插件）

内置核心（13 类）：开始/结束 · LLM · 代码 · 选择器(分支) · 循环 · 批处理 · 意图识别 · JSON 解析/构造 · 文本处理 · HTTP 请求 · 子工作流 · 插件 · 变量聚合/赋值

外置插件（扩展面）：节点类型可从内置代码外置为「同目录同名 .py + .js 配对」脚本——写两个文件即得全新节点类型，零框架改动。目录约定（三级，同名 type 后扫覆盖先扫）：

目录	用途
src/assets/nodes_builtin/	随包核心插件（pip 安装即有：text/tojson/fromjson）
nodes/	workspace 级
.agent/nodes/	用户/Agent 私有（扩展面：timestamp 验收节点）

后端 .py 用 workflow_node_api SDK（稳定依赖面），前端 .js 用 EdFW 组件（ioTable/textArea/propShell）。/reload nodes 热加载后端 handler，前端改 .js 需 Ctrl+F5。详见 .agent/wiki/architecture/node-plugins.md。

---

项目结构

├── pyproject.toml       # pip install 配置（entry: agt, agt-web）
├── src/                 # 源代码
│   ├── chat.py          # CLI(REPL) + 装配层 + agt-web 入口(web_main)
│   ├── server.py        # Web 视图（FastAPI/WS，由 chat 内嵌，/web 启停）
│   ├── agent.py         # ReAct 引擎
│   ├── workflow.py      # Coze 工作流执行器
│   ├── tools.py         # Tool/Toolbox
│   ├── real_tools.py    # 内置工具（Python/文件读写/grep/搜索/shell）
│   ├── llm_client.py    # 多模型客户端
│   ├── session.py       # 分层上下文会话
│   ├── mcp_client.py    # MCP 协议
│   ├── multiagent.py    # 多 Agent
│   └── ...
├── src/static/          # WebUI 前端
│   ├── index.html       # 聊天界面
│   └── workflow_editor.html  # 工作流编辑器
├── .agent/              # 工作区（workflows/rules/skills/wiki）
└── examples/            # step0-7 教程

---

开发

git clone https://github.com/vgp7758/Agt.git
cd Agt
pip install -e .

运行测试：python examples/step*.py

---

反馈与联系

用着顺手、遇到 bug、或有想法，都欢迎反馈 —— 提交即直达作者手机：

• WebUI：顶栏「💬 反馈」按钮 → 类型 / 内容 / 联系方式 → 提交

• CLI：/feedback [类型] <内容>（类型 bug / 建议 / 问题 / 赞美，省略默认「建议」）

  /feedback bug 工作流调试页白屏
  /feedback 希望支持 Mermaid 图渲染
  

反馈本地保存并实时推送到作者，可勾选附上环境信息（版本 / 模型 / 系统）便于定位问题。

联系作者：微信 mrbrick123 · 邮箱 vgp123@foxmail.com · GitHub @vgp7758 · Issues

随包资产

内置工作流 / MCP / 脚本可按需取用到本地工作区：

/download            # 列出随包资产
/download <名>       # 下载某项到默认目录

---

卸载

pip uninstall agt-agent
rm -rf ~/.agt

License

MIT