一个智能体（Agent）开发示例项目，展示了如何构建能够使用工具进行推理和行动的智能助手系统。
- 🤖 多种智能体实现：支持 ReAct、Plan-and-Solve、Reflection 等多种智能体模式
- 🔧 工具系统：内置计算器和天气查询等工具，支持自定义工具扩展
- 🌐 多 LLM 提供商支持：支持 OpenAI、DeepSeek、Qwen、ModelScope、Kimi、智谱、Ollama、vLLM 等多种 LLM 服务
- 🔄 流式响应：支持 LLM 流式输出，提供更好的交互体验
- 📦 模块化设计：清晰的代码结构，易于扩展和维护
agent-example/
├── src/
│ ├── core/ # 核心模块
│ │ ├── GeneralLLMClient.py # 通用 LLM 客户端
│ │ ├── CustomizationLLM.py # 多提供商 LLM 客户端
│ │ └── OpenAICompatibleClient.py # OpenAI 兼容客户端
│ ├── tools/ # 工具模块
│ │ ├── calculator.py # 数学计算工具
│ │ ├── get_weather.py # 天气查询工具
│ │ ├── tool_executor.py # 工具执行器
│ │ └── tool_definitions.py # 工具定义映射
│ ├── knowledge/ # 智能体实现
│ │ ├── ReActAgent.py # ReAct 智能体（推理+行动）
│ │ ├── PlanAndSolveAgent.py # 规划求解智能体
│ │ ├── ReflectionAgent.py # 反思智能体
│ │ └── Transformer.py # Transformer 相关实现
│ └── main.py # 主程序入口
├── pyproject.toml # 项目配置和依赖
├── uv.lock # 依赖锁定文件
├── Makefile # 构建脚本
└── README.md # 项目文档
- Python: >= 3.12
- 包管理器: uv (推荐) 或 pip
- LLM API: 需要配置至少一个 LLM 服务的 API 密钥
git clone <repository-url>
cd agent-example使用 uv（推荐）：
# 安装 uv（如果尚未安装）
curl -LsSf https://astral.sh/uv/install.sh | sh
# 同步依赖
make sync
# 或直接运行
uv sync --group dev使用 pip：
pip install -e .
pip install -e ".[dev]" # 包含开发依赖创建 .env 文件并配置 LLM API 密钥：
# 通用配置（CustomizationLLM 使用）
LLM_API_KEY=your_api_key_here
LLM_BASE_URL=https://api.example.com/v1
MODEL_SCOPE_MODEL_ID=your_model_id
# 或使用特定提供商配置
OPENAI_API_KEY=sk-...
DEEPSEEK_API_KEY=...
DASHSCOPE_API_KEY=... # Qwen
MODELSCOPE_API_KEY=... # ModelScope
KIMI_API_KEY=... # Kimi/Moonshot
ZHIPU_API_KEY=... # 智谱AI
OLLAMA_HOST=http://localhost:11434
VLLM_HOST=http://localhost:8000
# 超时设置
LLM_TIMEOUT=60
## 开发指南
### 代码格式化
```bash
# 使用 Makefile
make format
# 或手动运行
uv run ruff check . --fix
uv run black .- 遵循 PEP 8 代码风格
- 使用
ruff进行代码检查，使用black进行格式化