综合介绍
muAgent 是由蚂蚁集团开发的创新型多智能体框架。该框架通过画布式拖拽和简单的文本编写，协同多智能体、函数调用、代码解释器等技术，帮助用户在人工指导下执行各种复杂的标准操作流程（SOP）。目前，该框架已在蚂蚁集团的多个复杂 DevOps 场景中得到验证。
提供 一键式部署能力，包括基于KG的Agent编排、基于java的工具/Agent注册和管理、可拖拉拽编辑的前端产品UI。
现在是 beta 版本。一旦 v1.0+ 版本得到增强，我们将发布 v1.0+ 镜像供下载。
为了便于大家理解整个 CoAgent 的链路，我们采取 Flow 的形式来详细介绍如何通过配置构建
功能列表
- 复杂推理：支持多层次的推理能力，适用于复杂任务的执行。
- 在线协作：提供在线协作功能，支持团队成员之间的实时互动。
- 人工交互：通过人机交互，提升任务执行的准确性和效率。
- 知识即用：基于知识图谱的设计，提供即时的知识获取和应用。
使用帮助
安装流程
- 克隆代码库：使用
git clone命令克隆 CodeFuse-muAgent 的 GitHub 仓库。 - 进入目录：使用
cd CodeFuse-muAgent进入项目目录。 - 创建 Docker 网络：运行
docker network create ekg-net创建 Docker 网络。 - 启动容器服务：运行
docker-compose up -d启动所有容器服务，可能需要一些时间。 - 访问服务：在浏览器中打开
https://localhost:8000访问服务。
使用流程
- 配置 LLM 和嵌入模型：根据文档配置相关的大语言模型和嵌入模型。
- 创建虚拟团队：通过画布式拖拽和文本编写，创建虚拟团队和场景意图。
- 执行 SOP：在人工指导下，通过多智能体协作执行复杂的 SOP 流程。
- 调试和优化：使用可视化调试工具，快速发现并修正流程中的错误。
- 知识管理：通过统一的消息池设计，管理和检索各类场景所需的消息。
详细操作步骤
- 虚拟团队创建：在画布上拖拽相关节点，设置场景意图和语义节点。
- 任务执行：选择需要执行的任务，系统会根据预设的流程自动执行。
- 调试优化：在调试界面查看执行过程中的日志和错误信息，进行相应的调整。
- 知识检索：使用内置的知识检索功能，快速找到相关的知识点和操作指南。
项目说明
为了提高大型模型在推理准确性方面的表现，业界出现了多种创新的大型语言模型(LLM)玩法。从最早的 CoT、ToT 到 GoT，这些方法不断拓展了 LLM 的能力边界。在处理复杂问题时，我们可以通过 ReAct 过程来选择、调用和执行工具反馈，同时实现多轮工具使用和多步骤执行。
但对于更复杂的场景，例如复杂代码的开发，单一功能的 LLM Agent 显然难以胜任。因此，社区开始发展出多 Agent 的组合玩法，比如专注于 metaGPT、GPT-Engineer、chatDev 等开发领域的项目，以及专注于自动化构建 Agent 和 Agent 对话的 AutoGen 项目。
经过对这些框架的深入分析，发现大多数的 Agent 框架整体耦合度较高，其易用性和可扩展性较差。在预设场景中实现特定场景，但想要进行场景扩展却困难重重。
因此，我们希望构建一个可扩展、易于使用的 Multi-Agent 框架，以支持 ChatBot 在获取知识库信息的同时，能够辅助完成日常办公、数据分析、开发运维等各种通用任务。
本项目的 Mutli-Agent 框架汲取兼容了多个框架的优秀设计，比如 metaGPT 中的消息池（message pool）、autogen 中的代理选择器（agent selector）等。
