Archon：自主构建与优化AI智能体的开发框架-首席AI分享圈

🚀邀请体验：中国首家 AI IDE 智能编程软件 Trae 中文版下载，不限量使用 DeepSeek-R1 和 Doubao-pro!

综合介绍

Archon 是由开发者 Cole Medin（GitHub 用户名 coleam00）打造的全球首个“Agenteer”项目——一个专注于自主构建、优化和迭代 AI 智能体的开源框架。它既是开发者的实用工具，也是一个展示智能体系统进化过程的教育平台。Archon 当前版本为 V4，采用全面优化的 Streamlit UI，提供直观的管理界面。项目基于 Python 开发，整合 Pydantic AI、LangGraph 和 Supabase 等技术，从简单的智能体生成逐步进化到复杂的工作流协作。Archon 通过规划、反馈循环和领域知识整合，展示现代 AI 开发的三大原则：智能推理、知识嵌入和可扩展架构。

Archon 我愿称之为其他智能体开发框架的“寄生兽”，Archon 可以构建并优化其他智能体开发框架，同时他本身也是一个智能体。

Archon：自主构建与优化AI智能体的开发框架-1

功能列表

智能体自动生成：根据用户输入需求，生成定制化的 AI 智能体代码。
文档爬取与索引：爬取 Pydantic AI 等文档，生成向量嵌入并存储至 Supabase。
RAG 系统支持：利用检索增强生成技术，提供精准的代码建议和优化。
Streamlit UI 管理：通过可视化界面配置环境变量、数据库和智能体服务。
多智能体协作：基于 LangGraph 实现推理、编码和任务路由的协调工作流。
本地与云端兼容：支持 OpenAI、Anthropic、OpenRouter API 或本地 Ollama 模型。
Docker 容器化部署：提供主容器和 MCP 容器，确保生产环境开箱即用。
MCP 集成：支持与 AI IDE（如 Windsurf、Cursor）集成，管理文件和依赖。
社区支持：通过 oTTomator Think Tank 论坛提供用户交流平台。

使用帮助

Archon 是一个功能丰富的开源框架，旨在帮助用户快速开发和管理 AI 智能体。以下是详细的安装和使用指南，确保你能轻松上手。

安装流程

Archon V4 支持两种安装方式：Docker（推荐）和本地 Python 安装。以下是具体步骤：

方式 1：Docker 安装（推荐）

准备环境
- 确保安装 Docker 和 Git。
- 获取 Supabase 账户（用于向量数据库）。
- 准备 OpenAI/Anthropic/OpenRouter API 密钥，或本地运行 Ollama。

克隆仓库
在终端运行：

git clone https://github.com/coleam00/archon.git
cd archon

运行 Docker 脚本
执行以下命令构建并启动容器：
```
python run_docker.py
```
- 脚本会自动构建两个容器：主 Archon 容器（运行 Streamlit UI 和 Graph 服务）和 MCP 容器（支持 AI IDE 集成）。
- 若存在 .env 文件，环境变量将自动加载。
访问界面
打开浏览器，访问 http://localhost:8501，进入 Streamlit UI。

方式 2：本地 Python 安装

准备环境
- 确保 Python 3.11+ 已安装。
- 获取 Supabase 账户和 API 密钥。

克隆仓库

git clone https://github.com/coleam00/archon.git
cd archon

创建虚拟环境并安装依赖

python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate
pip install -r requirements.txt

启动 Streamlit UI
```
streamlit run streamlit_ui.py
```
访问界面
打开浏览器，访问 http://localhost:8501。

环境变量配置

无论是 Docker 还是本地安装，首次运行需配置环境变量。创建一个 .env 文件，内容示例：

OPENAI_API_KEY=your_openai_api_key
SUPABASE_URL=your_supabase_url
SUPABASE_SERVICE_KEY=your_supabase_service_key
PRIMARY_MODEL=gpt-4o-mini
REASONER_MODEL=o3-mini

这些信息可在 Supabase 仪表板和 API 提供商处获取。

功能操作流程

安装完成后，Streamlit UI 提供五个主要功能模块，逐步引导你完成设置和使用。

1. 环境配置（Environment）

操作步骤：
1. 进入“Environment”标签。
2. 输入 API 密钥（如 OpenAI 或 OpenRouter）和模型设置（如 gpt-4o-mini）。
3. 点击“保存”，配置会存储到 env_vars.json。
注意：若使用本地 Ollama，需确保服务运行在 localhost:11434，并仅 OpenAI 支持 UI 流式传输。

2. 数据库设置（Database）

操作步骤：
1. 进入“Database”标签。
2. 输入 Supabase URL 和服务密钥。
3. 点击“初始化数据库”，系统自动创建 site_pages 表。
4. 检查连接状态，确认成功。

表结构：

CREATE TABLE site_pages (
id UUID PRIMARY KEY DEFAULT uuid_generate_v4(),
url TEXT,
chunk_number INTEGER,
title TEXT,
summary TEXT,
content TEXT,
metadata JSONB,
embedding VECTOR(1536)
);

3. 文档爬取与索引（Documentation）

操作步骤：
1. 进入“Documentation”标签。
2. 输入目标文档 URL（如 Pydantic AI 文档）。
3. 点击“开始爬取”，系统将文档分块、生成嵌入并存储至 Supabase。
4. 完成后可在 UI 查看索引进度。
用途：为 RAG 系统提供知识基础。

4. 智能体服务（Agent Service）

操作步骤：
1. 进入“Agent Service”标签。
2. 点击“启动服务”，运行 LangGraph 工作流。
3. 通过日志监控服务状态。
功能：协调推理、编码和任务路由，确保生成智能体的核心逻辑正常运行。

5. 创建智能体（Chat）

操作步骤：
1. 进入“Chat”标签。
2. 输入需求，如“生成一个分析 JSON 文件的智能体”。
3. 系统结合 RAG 系统检索知识，生成代码并显示。
4. 复制代码到本地运行，或通过服务部署。

示例：
输入：“生成一个查询实时天气的智能体”。
输出示例：

from pydantic_ai import Agent, OpenAIModel
agent = Agent(OpenAIModel("gpt-4o-mini"), system_prompt="查询实时天气")
result = agent.run("获取北京今天的天气")
print(result.data)

可选：MCP 配置

操作步骤：
1. 进入“MCP”标签。
2. 配置与 AI IDE（如 Cursor）的集成。
3. 启动 MCP 容器，连接 Graph 服务。
用途：支持智能体代码在 IDE 中自动创建文件和管理依赖。

使用示例

假设你想开发一个“日志分析智能体”：

在“Chat”输入：“生成一个解析 Nginx 日志的 Pydantic AI 智能体”。
Archon 检索相关文档，生成代码：

from pydantic_ai import Agent, OpenAIModel
agent = Agent(OpenAIModel("gpt-4o-mini"), system_prompt="解析Nginx日志")
result = agent.run("分析access.log并提取IP地址")
print(result.data)