LangManus: 다중 지능 협업을 지원하는 오픈 소스 AI 자동화 프레임워크

11.4K 00

일반 소개

LangManus는 GitHub에서 호스팅되는 오픈 소스 AI 자동화 프레임워크입니다. 전직 동료들이 여가 시간에 개발한 이 프레임워크는 언어 모델과 전문 도구를 결합하여 웹 검색, 데이터 크롤링, 코드 실행과 같은 작업을 완료하는 것을 목표로 하는 학술 중심 프로젝트입니다. 이 프레임워크는 코디네이터, 기획자, 감독자 등의 역할을 포함한 다중 에이전트 시스템을 사용하여 복잡한 작업에서 협업하며, 오픈 소스 정신을 강조하고 커뮤니티의 우수성에 의존하는 동시에 코드 기여와 문제에 대한 피드백을 환영합니다. 사용 uv 종속성을 관리하고 신속한 빌드 환경을 지원합니다. 이 프로젝트는 아직 개발 중이며 AI 자동화 및 멀티 에이전트 기술에 관심이 있는 개발자에게 적합합니다.

기능 목록

멀티 에이전트 협업:: 이 시스템은 코디네이터, 기획자, 감독자 등으로 구성되어 업무 라우팅, 전략 개발, 실행 관리 등의 업무를 분담하여 처리합니다.
작업 자동화웹 검색, 데이터 크롤링, Python 코드 생성 및 기타 작업을 위한 도구와 결합된 언어 모델을 지원합니다.
언어 모델 통합오픈 소스 모델(예: Qwen) 및 OpenAI 호환 인터페이스를 지원하여 다양한 작업을 처리할 수 있는 다계층 LLM 시스템을 제공합니다.
검색 및 검색:: 채택 Tavily API를 사용하여 신경망 검색 및 콘텐츠 추출에 Jina를 사용하여 웹 검색을 구현합니다.
개발 지원파이썬 REPL 및 코드 실행 환경이 내장되어 있습니다. uv 종속성 관리.
워크플로 관리:: 작업, 모니터링 및 프로세스 시각화 기능을 제공합니다.
문서 관리형식이 지정된 마크다운 파일을 생성하기 위한 파일 조작을 지원합니다.

도움말 사용

LangManus는 프로그래밍 경험이 있는 사용자를 대상으로 로컬에서 실행되는 프레임워크입니다. 자세한 설치 및 사용 지침은 아래에 나와 있습니다.

설치 프로세스

LangManus를 로컬에서 사용하려면 Python을 설치해야 합니다,uv 및 기타 도구. 단계는 다음과 같습니다:

환경 준비하기
- Python 3.12가 설치되어 있는지 확인합니다. 버전을 확인합니다:
```
python --version
```
  버전이 일치하지 않는 경우 https://www.python.org/downloads/ 에서 다운로드하여 설치하세요.
- 리포지토리 복제를 위해 Git을 설치합니다. https://git-scm.com/ 에서 다운로드합니다.
UV 설치
uv 는 종속성 관리 도구입니다. 실행:

pip install uv

설치를 확인합니다:

uv --version

클론 창고
터미널에서 실행됩니다:

git clone https://github.com/langmanus/langmanus.git
cd langmanus

가상 환경 설정
활용 uv 환경 만들기:

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

종속성 설치
실행 중입니다:

uv sync

이렇게 하면 모든 종속 패키지가 설치됩니다.

브라우저 지원 설치
LangManus는 Playwright를 사용하여 브라우저를 제어합니다. 실행:

uv run playwright install

환경 변수 구성

예제 파일을 복사합니다:
```
cp .env.example .env
```

컴파일러 .env를 클릭하고 API 키를 추가합니다. 예시:

TAVILY_API_KEY=your_tavily_api_key
REASONING_MODEL=your_model
REASONING_API_KEY=your_api_key

https://app.tavily.com/ 에서 얻은 API 키입니다.

프로젝트 실행
입력:

uv run main.py

사용법

설치가 완료되면 명령줄 또는 API를 통해 LangManus를 실행할 수 있습니다.

기본 조작

가상 환경에서 실행됩니다:
```
uv run main.py
```
현재 버전에는 기본 작업의 예가 없습니다. README.md 또는 공식 업데이트를 기다리세요.

API 서비스

API 서버를 시작합니다:
```
make serve
```
또는:
```
uv run server.py
```

통화 인터페이스 등을 예로 들 수 있습니다:

curl -X POST "http://localhost:8000/api/chat/stream" -H "Content-Type: application/json" -d '{"messages":[{"role":"user","content":"搜索最新AI论文"}],"debug":false}'

실시간 스트리밍 응답을 반환합니다.

작업의 예

허깅페이스에서 횟수를 세고 싶다고 가정해 보겠습니다. DeepSeek R1의 영향력 지수입니다:
- 작업 입력을 편집합니다(예: API 또는 코드를 통해).
- 시스템은 데이터를 검색하는 연구자 에이전트와 계산 코드를 생성하는 인코더 에이전트를 할당합니다.
- 리포터 에이전트가 결과를 출력합니다.

LangManus 기본 웹 사용자 인터페이스: https://github.com/langmanus/langmanus-web

주요 기능 작동

멀티 에이전트 협업
작업이 입력되면 코디네이터는 이를 분석하여 기획자에게 전달하고, 기획자는 전략을 만들어 연구원이나 인코더에게 할당하여 실행하도록 합니다. 예를 들어 "최신 AI 논문 검색"이라고 입력하면 연구원은 Tavily API를 호출하여 결과를 가져옵니다.
언어 모델 통합
여러 모델이 지원됩니다. 구성 .env 다양한 작업의 모델링
복잡한 작업 REASONING_MODEL.
간단한 작업의 경우 BASIC_MODEL.
그래픽 작업 VL_MODEL.
검색 및 검색
페이지 콘텐츠를 추출하려면 Tavily API(기본적으로 5개의 결과를 반환) 또는 Jina를 사용합니다. API 키가 구성되면 브라우저 에이전트가 페이지를 탐색하고 크롤링할 수 있습니다.
코드 실행
인코더 에이전트는 Python 및 Bash 스크립트를 지원합니다. 예를 들어 코드 생성: