LangManus: uma estrutura de automação de IA de código aberto que oferece suporte à colaboração com várias inteligências

Introdução geral

O LangManus é uma estrutura de automação de IA de código aberto hospedada no GitHub. Desenvolvido por um grupo de ex-colegas em seu tempo livre, é um projeto acadêmico com o objetivo de combinar modelos de linguagem e ferramentas especializadas para concluir tarefas como pesquisa na Web, rastreamento de dados e execução de código. A estrutura usa um sistema de vários agentes, incluindo funções como coordenador, planejador e supervisor, para colaborar em tarefas complexas. O LangManus enfatiza o espírito de código aberto e conta com a excelência da comunidade, ao mesmo tempo em que aceita contribuições de código e feedback sobre problemas. Ele usa uv Gerencie dependências e ofereça suporte a ambientes de construção rápida. O projeto ainda está em desenvolvimento e é adequado para desenvolvedores interessados em automação de IA e tecnologias multiagentes.

Lista de funções

• Colaboração com vários agentesDescrição: o sistema consiste em coordenadores, planejadores, supervisores, etc., que dividem o trabalho para lidar com o roteamento de tarefas, o desenvolvimento de estratégias e o gerenciamento da execução.
• Automação de tarefasSuporte para modelos de linguagem combinados com ferramentas para pesquisa na Web, rastreamento de dados, geração de código Python e outras operações.
• Integração do modelo de linguagemSuporte a modelos de código aberto (por exemplo, Qwen) e interfaces compatíveis com OpenAI, fornecendo um sistema LLM de várias camadas para lidar com diferentes tarefas.
• Pesquisa e recuperaçãoPesquisa na Web via API Tavily, pesquisa neural e extração de conteúdo usando Jina.
• Suporte ao desenvolvimentoREPL Python integrado e ambiente de execução de código usando o uv Gerenciar a dependência.
• Gerenciamento do fluxo de trabalho: fornece recursos de visualização de tarefas, monitoramento e processos.
• Gerenciamento de documentosSuporte à manipulação de arquivos para gerar arquivos Markdown formatados.

Usando a Ajuda

O LangManus é uma estrutura executada localmente destinada a usuários com experiência em programação. Instruções detalhadas de instalação e uso são fornecidas abaixo.

Processo de instalação

Para usar o LangManus localmente, você precisa instalar o Python,uv e outras ferramentas. As etapas são as seguintes:

1. Preparação do ambiente
   • Certifique-se de que o Python 3.12 esteja instalado. Verifique a versão:

     python --versão
     

     Se a versão não corresponder, faça o download e a instalação em https://www.python.org/downloads/.

   • Instale o Git para clonar repositórios. Faça o download em https://git-scm.com/.
2. Instalação de uv
   uv é uma ferramenta de gerenciamento de dependências. Executar:

pip install uv

Verifique a instalação:

uv --versão

3. armazém de clones
   É executado no terminal:

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

4. Configuração de um ambiente virtual
   fazer uso de uv Criar um ambiente:

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

5. Instalação de dependências
   Em execução:

uv sincronização

Isso instalará todos os pacotes dependentes.

6. Instalação do suporte ao navegador
   O LangManus usa o Playwright para controlar o navegador. Executar:

uv run playwright install

7. Configuração de variáveis de ambiente

• Copie o arquivo de exemplo:

  cp .env.example .env
  

• compilador .envadicione a chave da API. Exemplo:

  TAVILY_API_KEY=sua_tavily_api_key
  REASONING_MODEL=seu_modelo
  REASONING_API_KEY=sua_api_key
  

• Chave de API da Tavily obtida em https://app.tavily.com/.

8. Projetos em andamento
   Entrada:

uv run main.py

Uso

Depois de instalado, o LangManus pode ser executado a partir da linha de comando ou de uma API.

1. operação básica

• É executado em um ambiente virtual:

  uv run main.py
  

• Não há exemplos de tarefas padrão na versão atual. README.md Ou aguarde uma atualização oficial.

2. Serviços de API

• Inicie o servidor de API:

  fazer servir
  

  Ou:

  uv run server.py
  

• Interfaces de chamada, por exemplo:

  curl -X POST "http://localhost:8000/api/chat/stream" -H "Content-Type: application/json" -d '{"messages":[{"role": "user", "content": "Search for the latest AI mais recentes"}], "debug":false}'
  

• Retorna uma resposta de streaming em tempo real.

3. Exemplos de tarefas

• Suponha que queiramos contar o número de vezes em HuggingFace DeepSeek O índice de impacto de R1:
  • Editar entradas de tarefas (por exemplo, via API ou código).
  • O sistema atribuirá agentes pesquisadores para pesquisar dados e agentes codificadores para gerar código computacional.
  • Os resultados são emitidos pelo agente repórter.

Interface de usuário padrão da Web do LangManus: https://github.com/langmanus/langmanus-web

Operação da função em destaque

• Colaboração com vários agentes
  Depois que uma tarefa é inserida, o coordenador a analisa e a encaminha para o planejador, que cria uma estratégia que o supervisor atribui ao pesquisador ou codificador para executar. Por exemplo, se você digitar "search for the latest AI papers", o pesquisador chamará a API da Tavily para obter os resultados.
• Integração do modelo de linguagem
  Há suporte para vários modelos. Configuração .env Modelagem de diferentes tarefas no
• Tarefas complexas MODELO_DE_RACIOCÍNIO.
• Para tarefas simples BASIC_MODEL.
• tarefa gráfica VL_MODELO.
• Pesquisa e recuperação
  Use a API da Tavily (que retorna 5 resultados por padrão) ou a Jina para extrair o conteúdo da página. Depois que a chave da API for configurada, o agente do navegador poderá navegar e rastrear a página.
• execução de código
  O agente codificador suporta scripts Python e Bash. Por exemplo, gerando código:

print("Hello, LangManus!")

É executado diretamente no REPL incorporado.

Desenvolvimento e contribuição

• Proxy personalizado
  modificações src/prompts/ no arquivo Markdown para ajustar o comportamento do agente. Por exemplo, aprimorar os recursos de pesquisa do pesquisador.
• Enviar uma contribuição
• Faça o fork do repositório e altere o código.
• Envie uma solicitação pull para o GitHub.

A documentação é limitada no momento, portanto, recomendamos que você fique atento às atualizações oficiais.

cenário do aplicativo

1. pesquisa acadêmica
   Os pesquisadores usam o LangManus para coletar dados de artigos, gerar análises e participar de classificações GAIA.
2. Desenvolvimento de automação
   Os desenvolvedores inserem os requisitos e a estrutura gera código Python para acelerar o desenvolvimento do projeto.
3. Aprendizagem técnica
   Os alunos aprendem sobre o design de sistemas multiagentes modificando as palavras do prompt do agente.

QA

1. O LangManus é um programa comercial?
   Não é. É um projeto de código aberto de cunho acadêmico, focado em pesquisa e colaboração comunitária.
2. Quais chaves de API são necessárias?
   Pelo menos a chave da API da Tavily é necessária para a pesquisa; outras chaves de modelo são configuradas sob demanda.
3. Como faço para lidar com erros de tempo de execução?
   sonda .env esteja correta, ou envie um problema para o GitHub.