Cooragent: 한 문장으로 다중 지능 작업 협업 도구 구축하기

일반 소개

쿠라젠트는 칭화대학교의 LeapLab에서 개발하여 깃허브에서 호스팅하는 오픈 소스 AI 에이전트 협업 프레임워크로, 사용자가 한 문장의 설명으로 지능형 AI 에이전트를 만들 수 있으며 여러 에이전트가 복잡한 작업을 협업할 수 있도록 지원합니다. 이 프레임워크는 두 가지 모드를 제공합니다. 맞춤형 에이전트를 자동으로 생성하는 에이전트 팩토리와 에이전트 워크플로 쿠라젠트는 랭체인 툴체인과 긴밀하게 호환되며 다음을 지원합니다. MCP 프로토콜을 사용하여 에이전트 간의 효율적인 커뮤니케이션을 보장합니다. 개발자는 CLI 도구 또는 API를 통해 에이전트를 빠르게 구축, 편집 및 관리할 수 있습니다.

기능 목록

• 에이전트 팩토리 모드 시스템은 복잡한 프롬프트 설계 없이도 요구 사항을 자동으로 분석하고 맞춤형 AI 에이전트를 생성합니다.
• 상담원 워크플로 모드 다중 에이전트 협업을 지원하여 자동으로 작업을 세분화하고, 역할을 할당하고, 복잡한 목표를 달성할 수 있습니다.
• 랭체인과의 긴밀한 호환성 Langchain의 프롬프트, 체인, 메모리, 문서 로더 및 기타 구성 요소를 지원하여 개발을 간소화합니다.
• MCP 프로토콜 지원 표준화된 상담원 간 정보 교환, 여러 차례의 상호작용 지원, 효율적인 컨텍스트 관리.
• CLI 도구 : 상담원을 빠르게 생성, 편집, 삭제 및 나열할 수 있는 명령줄 인터페이스를 제공합니다.
• API 지원 API를 통해 상담원 생성, 작업 제출 및 상태 모니터링을 자동화하세요.
• 도구 호출 웹 크롤러, 코드 실행, 파일 조작 등을 지원하는 확장된 에이전트 기능.
• 커뮤니티 공유 다른 개발자가 사용하거나 최적화할 수 있도록 커뮤니티에 에이전트를 게시할 수 있습니다.
• 관찰 가능성 간편한 모니터링 및 디버깅을 위해 에이전트 작동 상태 및 성능 로그를 제공합니다.
• 로컬 배포 데이터 개인 정보 보호를 위해 로컬 작업을 지원합니다.

도움말 사용

설치 프로세스

쿠라젠트는 Python 3.12 이상 환경을 지원하며, conda 및 venv 설치를 모두 제공합니다. 단계는 다음과 같습니다:

콘다로 설치

1. 클론 창고
   터미널에서 다음 명령을 실행하여 응고제 코드를 다운로드합니다:

   git clone https://github.com/LeapLabTHU/cooragent.git
   cd cooragent
   

2. 가상 환경 만들기
   Python 3.12 환경을 만들고 활성화합니다:

   conda create -n cooragent python=3.12
   conda activate cooragent
   

3. 종속성 설치
   프로젝트 종속성을 설치합니다:

   pip install -e .
   

4. 선택 사항: 브라우저 도구 설치
   웹 크롤러와 같은 기능을 사용하려면 Playwright를 설치하세요:

   playwright install
   

5. 환경 변수 구성
   샘플 구성 파일을 복사하여 편집합니다:

   cp .env.example .env
   

   텍스트 편집기로 열기 .env 파일에서 API 키(예: OpenAI 또는 다른 모델)를 입력합니다. MCP 프로토콜을 활성화하려면 MCP_AGENT=True. 브라우저 도구를 사용하도록 설정해야 하는 경우 USE_BROWSER=True.

6. 설치 확인
   CLI 도구를 실행하여 설치가 성공했는지 확인합니다:

   python cli.py
   

venv로 설치

1. 클론 창고
   콘다와 같은 방법으로 실행합니다:

   git clone https://github.com/LeapLabTHU/cooragent.git
   cd cooragent
   

2. 가상 환경 만들기
   UV 도구를 사용하여 Python 3.12를 설치하고 가상 환경을 생성합니다:

   uv python install 3.12
   uv venv --python 3.12
   source .venv/bin/activate  # Windows: .venv\Scripts\activate
   

3. 종속성 설치
   동기화 종속성:

   uv sync
   

4. 선택 사항: 브라우저 도구 설치
   콘다와 같은 방법으로 실행합니다:

   playwright install
   

5. 환경 변수 구성
   콘다와 동일, 복사 및 편집 .env 문서화.
6. 프로젝트 실행
   uv로 CLI 도구를 실행합니다:

   uv run cli.py
   

Windows 설치 참고 사항

Windows 사용자는 추가 종속성을 설치해야 하며, 자세한 내용은 공식 문서를 참조하세요. Windows 플랫폼 지원. 환경 변수가 올바르게 구성되어 있고 모든 종속성이 설치되어 있는지 확인합니다.

사용법

쿠라젠트는 간단하고 효율적인 운영을 위해 CLI 도구와 API를 결합한 에이전트 팩토리 및 에이전트 워크플로 모드를 제공합니다.

에이전트 팩토리 모드

이 패턴은 한 문장으로 구성된 설명이 포함된 AI 에이전트를 빠르게 생성합니다. 예를 들어 주식 분석 에이전트를 만든다고 가정해 보세요:

python cli.py run -t agent_factory -u test -m 'Create a stock analysis expert agent to analyze the Xiaomi stock trend, today is 22 April, 2025, look over the past month, analyze the big news about Xiaomi, then predict the stock price trend for the next trading day, and provide buy or sell recommendations.'

• 절차 ::
  1. 작업 유형을 다음과 같이 지정하여 명령을 실행합니다. agent_factory.
  2. 매개변수 -u 사용자 ID를 설정합니다(예 test).-m 작업에 대한 설명을 입력합니다.
  3. 시스템은 요구 사항을 기억 및 확장하고, 도구를 선택하고, 프롬프트를 자동으로 최적화하고, 상담원을 생성하여 요구 사항을 분석합니다.
  4. 에이전트가 실행되어 결과(예: 주식 분석 보고서)를 출력합니다.
  5. 통과 가능 edit-agent -n <agent_name> -i 상담원을 편집하여 행동을 최적화하세요.
• 주요 기능 복잡한 프롬프트 설계가 필요 없이 시스템이 자동으로 요구 사항을 이해하고 효율적인 상담원을 생성합니다.

상담원 워크플로 모드

이 모델은 여러 에이전트의 협업을 지원하며 복잡한 작업에 적합합니다. 예를 들어 2025년 5월 1일에 윈난성 여행을 계획하는 경우입니다:

python cli.py run -t agent_workflow -u test -m 'Use the task planning agent, web crawler agent, code execution agent, browser operation agent, report writing agent, and file operation agent to plan a trip to Yunnan for the May Day holiday in 2025. First, run the web crawler agent to fetch information about Yunnan tourist attractions, use the browser operation agent to browse the attraction information and select the top 10 most worthwhile attractions. Then, plan a 5-day itinerary, use the report writing agent to generate a travel report, and finally use the file operation agent to save the report as a PDF file.'

• 절차 ::
  1. 작업 유형을 다음과 같이 지정하여 명령을 실행합니다. agent_workflow.
  2. 필요한 상담원을 나열하는 작업 설명을 입력합니다.
  3. 시스템 플래너가 작업을 분석하고 단계를 세분화하여 적절한 상담원에게 배정합니다.
  4. 상담원은 MCP 프로토콜을 통해 협업하여 작업(예: 여행 보고서 생성)을 완료합니다.
  5. 출력 결과(예: PDF 파일).
• 주요 기능 플래너는 자동으로 작업 할당을 최적화하고 MCP 프로토콜은 복잡한 작업을 지원하기 위해 효율적인 커뮤니케이션을 보장합니다.

CLI 도구 사용

일반적인 CLI 명령은 다음과 같습니다:

• 프록시 만들기 ::python cli.py create -n <agent_name>
• 편집 에이전트 ::python cli.py edit-agent -n <agent_name> -i
• 상담원 목록 ::python cli.py list-agents -u <user-id> -m <regex>
• 프록시 삭제 ::python cli.py remove-agent -n <agent_name> -u <user-id>
• 상태 보기 ::python cli.py status

API 사용

API는 자동화된 상담원 관리를 지원합니다. 예를 들어 작업 제출을 할 수 있습니다:

import requests
url = "http://localhost:8000/task"
payload = {"task": "Analyze stock trend", "user_id": "test"}
response = requests.post(url, json=payload)
print(response.json())

• 기능 상담원 생성, 작업 제출, 결과 획득 및 상태 모니터링을 지원합니다.
• 사용 스크립트 또는 애플리케이션에 통합하여 사용자 지정 인터페이스를 구축할 수 있습니다.

MCP 프로토콜 사용

MCP 프로토콜은 상담원 간의 효율적인 커뮤니케이션을 지원합니다. 예를 들어 Excel 운영 에이전트를 만들 수 있습니다:

server_params = StdioServerParameters(
command="python",
args=[str(get_project_root()) + "/src/mcp/excel_mcp/server.py"]
)
async def excel_agent():
async with stdio_client(server_params) as (read, write):
async with ClientSession(read, write) as session:
await session.initialize()
tools = await load_mcp_tools(session)
agent = create_react_agent(model, tools)
return agent
agent = asyncio.run(excel_agent())
agent_obj = Agent(user_id="share", 
agent_name="mcp_excel_agent", 
nick_name="mcp_excel_agent", 
description="The agent is good at manipulating excel files, which includes creating, reading, writing, and analyzing excel files", 
llm_type=LLMType.BASIC, 
selected_tools=[], 
prompt="")
MCPManager.register_agent("mcp_excel_agent", agent, agent_obj)

• MCP 사용 : in .env 파일에서 설정 MCP_AGENT=True.
• 사용 멀티 에이전트 협업 및 플랫폼 간 상호 작용을 지원합니다.

주의

• 보안 .env 파일이 올바르게 구성되었고 API 키가 유효합니다.
• 브라우저 도구는 기본적으로 비활성화되어 있으며 설정해야 합니다. USE_BROWSER=True 활성화합니다.
• Windows 사용자는 다음을 참조하세요. Windows 플랫폼 지원 추가 종속성을 설치합니다.
• 정기적으로 코드를 업데이트하세요:git pull origin main.

애플리케이션 시나리오

1. 작업 자동화
   쿠라젠트는 반복적인 작업을 자동화합니다. 예를 들어, 조직 직원은 에이전트 워크플로를 사용하여 시장 데이터를 수집하고 보고서를 생성하며 시간을 절약할 수 있습니다.
2. 프로젝트 관리
   개발자는 에이전트 팩토리를 사용하여 자동으로 작업을 할당하고 진행 상황을 추적하는 프로젝트 관리 에이전트를 생성할 수 있으므로 팀 협업에 이상적입니다.
3. 데이터 분석
   연구원들은 주식이나 뉴스 데이터를 분석하여 트렌드 예측이나 업계 보고서를 작성하는 데 Cooragent를 사용합니다.
4. 교육 및 학습
   학생들은 학습 보조 에이전트를 생성하여 코스 자료를 정리하고 질문에 답하며 효율성을 개선할 수 있습니다.
5. 문서 처리
   MCP 프로토콜을 사용하여 Excel 에이전트를 만들어 재무 또는 데이터 분석 시나리오를 위한 표 형식 데이터를 자동으로 처리합니다.

QA

1. Cooragent는 어떤 언어 모델을 지원하나요?
   랭체인 호환성, 필요한 API 키 구성에 따라 여러 언어 모델(예: OpenAI, 기타 오픈 소스 모델)을 지원합니다.
2. 상담원을 공유하려면 어떻게 하나요?
   움직여야 합니다. python cli.py publish -n <agent_name>를 클릭하고 다른 개발자가 사용할 수 있도록 커뮤니티에 에이전트를 게시하세요.
3. 미션이 실패하면 어떻게 되나요?
   프로브 .env 파일의 API 키와 네트워크 연결을 확인하려면 로그(logs/ 디렉터리)로 이동합니다. GitHub에서 이슈를 제출하면 도움을 받을 수 있습니다.
4. 로컬 배포를 지원하나요?
   예, Cooragent는 로컬 배포를 지원하고 데이터 개인 정보를 보호하며 기업에서 사용하기에 적합합니다.
5. 코드 기여는 어떻게 하나요?
   상담 기여 가이드라인, 커밋 수정, 문서 개선 또는 새로운 기능.