用途
agentUniverse 是一个基于大语言模型（LLM）的多智能体框架，用于帮助开发者便捷地构建多智能体应用。它源自蚂蚁集团的真实金融业务实践，致力于协助开发者和企业构建领域专家级的智能体，并通过智能体协作完成任务。
主要能力
- 灵活可扩展的智能体构建能力：提供构建智能体所需的全部基础组件，均支持自定义，以定制用户专属的智能体。
- 丰富有效的多智能体协作模式：提供经过行业验证的协作模式组件，如 PEER（Plan/Execute/Express/Review）和 DOE（Data-finding/Opinion-inject/Express），用户也可自定义和编排新模式，促进多智能体有机协作。
- 领域经验轻松集成：提供领域提示词、知识构建和管理能力，支持领域级 SOP 的编排与注入，使智能体具备专家级领域知识。
- LLM 模型集成：通过简单配置即可完成模型集成，目前支持的模型包括 DeepSeek 等。例如使用 DeepSeek 模型，只需在 custom_key.toml 文件中设置 DEEPSEEK_API_KEY 值，并在智能体配置文件中将 llm_model 名称设为 'default_deepseek_llm' 即可。更多 LLM 配置信息可参考 switch-the-llm。
- 可视化智能体工作流平台：提供用于创建智能体工作流的可视化画布平台。快速启动方式：运行 sample_apps/workflow_agent_app/bootstrap/platform 中的 product_application.py。该功能由 difizen 与 agentUniverse 联合开发。
- 可观测性框架：基于 OpenTelemetry 协议，提供标准化的智能体应用可观测性框架，可对智能体、LLM、工具等关键组件进行全面数据采集和监控，支持智能体全生命周期追踪。
- MCP 服务器支持：支持在 agentUniverse 框架中快速使用或发布 MCP 服务器。
使用方式
- 运行第一个示例：通过教程快速体验 agentUniverse 构建的智能体（或智能体组）的性能。详细步骤请参考文档：Run the first example。
- 标准项目脚手架：搭建标准项目 agentUniverse Standard Project。阅读《快速构建单个智能体指南》可了解如何快速构建单个智能体，包括使用工具、知识库、RAG 技术等增强智能体能力，以及配置、测试、优化、部署和性能评估等基本应用开发流程。参考《构建典型多智能体应用》章节可了解如何在复杂任务场景中将智能能力拆分为多个智能体，并通过协作提升任务表现。参考《创建和使用智能体模板》章节可学习如何将有效的智能体模式创建为模板，提升后续智能体构建效率并便于传播。参考《如何使用 MCP 服务器》和《如何发布 MCP 服务器》可了解 MCP 服务器的使用与发布。
- 可视化智能体工作流平台：运行 product_application.py 快速启动，更多细节参考《产品平台快速开始》和《高级指南》。
- 可观测性：在《智能体应用可观测性》章节了解如何利用这些可观测性能力。
- 更多高级技巧：通过 Get_Start 中的其他文档学习，例如如何向智能体流程添加记忆模块，以及如何在项目中有效管理提示词。
适用场景
- PEER 模式：使用 Plan、Execute、Express、Review 四个不同职责的智能体，将复杂问题分解为可管理步骤，按序执行，并根据反馈迭代改进，提升推理和分析任务的表现。典型用例：事件解读、行业分析、宏观经济分析、商业提案可行性分析。
- DOE 模式：使用 Data-fining、Opinion-inject、Express 三个智能体，提升数据密集型、高计算精度且需融入专家意见的任务效果。典型用例：财务报告生成。
- 更多模式即将推出。
限制
- 资料中未提供关于收费、价格、平台支持、效果保证等方面的信息。
- 部分功能（如更多协作模式）标注为“即将推出”，具体可用性暂未提供。
- 使用 DeepSeek 等模型需要自行配置 API Key。
- 项目部分构建于 Langchain、Pydantic、Gunicorn、Flask、SQLAlchemy、chromadb 等开源项目之上，详细依赖列表见 pyproject.toml。
