SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场autogpt-agents

autogpt-agents

智能体与模型

查看项目

更新于 10-15 08:33

技能介绍

AutoGPT 是一个自主 AI 智能体平台，用于构建、部署和管理持续运行的 AI 智能体，可通过可视化界面或开发工具包两种方式使用。

一、用途与适用场景 当需要构建持续运行的自主智能体、创建基于可视化工作流的 AI 智能体、部署带外部触发器（Webhook、定时任务）的智能体、搭建复杂的多步骤自动化流水线，或需要无代码/低代码的智能体构建器时，可以使用 AutoGPT。若需要更强的智能体逻辑控制，可考虑 LangChain/LlamaIndex；若需要基于角色的多智能体协作，可考虑 CrewAI；若需要简单的托管式智能体部署，可考虑 OpenAI Assistants；若需要微软生态集成，可考虑 Semantic Kernel。

二、主要能力

  1. 可视化智能体构建器：拖拽式、基于节点的工作流编辑器。
  2. 持续执行：智能体通过触发器持久运行。
  3. 市场：可共享和复用预构建的智能体与区块。
  4. 区块系统：面向 LLM、工具、集成的模块化组件。
  5. Forge 工具包：用于创建自定义智能体的开发者工具。
  6. 基准测试系统：标准化的智能体性能测试。

三、快速开始（安装，Docker）

克隆仓库

git clone https://github.com/Significant-Gravitas/AutoGPT.git cd AutoGPT/autogpt_platform

复制环境文件

cp .env.example .env

启动后端服务

docker compose up -d --build

启动前端（在另一个终端）

cd frontend cp .env.example .env npm install npm run dev

访问平台：

  • 前端 UI：http://localhost:3000
  • 后端 API：http://localhost:8006/api
  • WebSocket：ws://localhost:8001/ws

四、架构概览 AutoGPT 有两个主要系统：

  1. AutoGPT Platform（生产）：带 React 前端的可视化智能体构建器；带执行引擎的 FastAPI 后端；PostgreSQL + Redis + RabbitMQ 基础设施。
  2. AutoGPT Classic（开发）：Forge（智能体开发工具包）、Benchmark（性能测试框架）、CLI（用于开发的命令行界面）。

五、核心概念

  1. 图与节点：智能体表示为包含由链接连接的节点的图。示例结构：Graph（Agent）包含 Node（Input）对应 Block（AgentInputBlock）、Node（Process）对应 Block（LLMBlock）、Node（Decision）对应 Block（SmartDecisionMaker）、Node（Output）对应 Block（AgentOutputBlock）。
  2. 区块：可复用的功能组件。区块类型包括：INPUT（智能体入口点）、OUTPUT（智能体输出）、AI（LLM 调用、文本生成）、WEBHOOK（外部触发器）、STANDARD（通用操作）、AGENT（嵌套智能体执行）。
  3. 执行流程：用户/触发器 → 图执行 → 节点执行 → Block.execute()，其中涉及输入、队列系统、输出产出。

六、构建智能体 使用可视化构建器：打开 Agent Builder（http://localhost:3000）；从 BlocksControl 面板添加区块；在节点之间拖拽连接；在每个节点中配置输入；使用 PrimaryActionBar 运行智能体。

可用区块包括：

  • AI 区块：AITextGeneratorBlock（使用 LLM 生成文本）、AIConversationBlock（多轮对话）、SmartDecisionMakerBlock（条件逻辑）。
  • 集成区块：GitHub、Google、Discord、Notion 连接器；Webhook 触发器与处理器；HTTP 请求区块。
  • 控制区块：输入/输出区块；分支与决策节点；循环与迭代区块。

七、智能体执行 触发器类型：

  1. 手动执行： POST /api/v1/graphs/{graph_id}/execute Content-Type: application/json

{ "inputs": { "input_name": "value" } }

  1. Webhook 触发： POST /api/v1/webhooks/{webhook_id} Content-Type: application/json

{ "data": "webhook payload" }

  1. 定时执行： { "schedule": "0 */2 * * *", "graph_id": "graph-uuid", "inputs": {} }

监控执行： WebSocket 更新： const ws = new WebSocket('ws://localhost:8001/ws');

ws.onmessage = (event) => { const update = JSON.parse(event.data); console.log(Node ${update.node_id}: ${update.status}); };

REST API 轮询： GET /api/v1/executions/{execution_id}

八、使用 Forge（开发） 创建自定义智能体：

设置 forge 环境

cd classic ./run setup

从模板创建新智能体

./run forge create my-agent

启动智能体服务器

./run forge start my-agent

智能体结构： my-agent/ ├── agent.py # 主智能体逻辑 ├── abilities/ # 自定义能力 │ ├── init.py │ └── custom.py ├── prompts/ # 提示词模板 └── config.yaml # 智能体配置

实现自定义能力： from forge import Ability, ability

@ability( name="custom_search", description="Search for information", parameters={ "query": {"type": "string", "description": "Search query"} } ) def custom_search(query: str) -> str: """Custom search ability.""" # Implement search logic result = perform_search(query) return result

九、基准测试 运行基准测试：

运行所有基准测试

./run benchmark

运行特定类别

./run benchmark --category coding

使用特定智能体运行

./run benchmark --agent my-agent

基准测试类别：Coding（代码生成与调试）、Retrieval（信息查找）、Web（网页浏览与交互）、Writing（文本生成任务）。

VCR 录制：基准测试使用录制的 HTTP 响应以保证可复现性：

录制新 cassette

./run benchmark --record

使用现有 cassette 运行

./run benchmark --playback

十、集成 添加凭据：进入 Profile > Integrations；选择提供商（OpenAI、GitHub、Google 等）；输入 API 密钥或授权 OAuth；凭据会被加密并安全存储。

在区块中使用凭据：区块会自动访问用户凭据： class MyLLMBlock(Block): def execute(self, inputs): # Credentials are injected by the system credentials = self.get_credentials("openai") client = OpenAI(api_key=credentials.api_key) # ...

支持的提供商：OpenAI（API Key，用于 LLM、嵌入）、Anthropic（API Key，用于 Claude 模型）、GitHub（OAuth，用于代码、仓库）、Google（OAuth，用于 Drive、Gmail、Calendar）、Discord（Bot Token，用于消息）、Notion（OAuth，用于文档）。

十一、部署 Docker 生产配置示例：

docker-compose.prod.yml

services: rest_server: image: autogpt/platform-backend environment: - DATABASE_URL=postgresql://... - REDIS_URL=redis://redis:6379 ports: - "8006:8006"

executor: image: autogpt/platform-backend command: poetry run executor

frontend: image: autogpt/platform-frontend ports: - "3000:3000"

环境变量：DATABASE_URL（PostgreSQL 连接）、REDIS_URL（Redis 连接）、RABBITMQ_URL（RabbitMQ 连接）、ENCRYPTION_KEY（凭据加密）、SUPABASE_URL（身份验证）。

生成加密密钥： cd autogpt_platform/backend poetry run cli gen-encrypt-key

十二、最佳实践 从简单开始：先用 3-5 个节点的智能体；增量测试：每次修改后运行并测试；使用 Webhook：为事件驱动型智能体提供外部触发器；监控成本：通过 credits 系统跟踪 LLM API 使用；版本化智能体：在修改前保存可用版本；基准测试：使用 agbenchmark 验证智能体质量。

十三、常见问题 服务未启动：

检查容器状态

docker compose ps

查看日志

docker compose logs rest_server

重启服务

docker compose restart

数据库连接问题：

运行迁移

cd backend poetry run prisma migrate deploy

智能体执行卡住：

检查 RabbitMQ 队列

访问 http://localhost:15672 (guest/guest)

清除卡住的执行

docker compose restart executor

十四、资源 文档：https://docs.agpt.co 仓库：https://github.com/Significant-Gravitas/AutoGPT Discord：https://discord.gg/autogpt 许可证：MIT（Classic）/ Polyform Shield（Platform）