关键词

多智能体协作任务自动化AI框架工具调用上下文服务

使用说明

项目简介

OWL (Optimized Workforce Learning) 是一个基于CAMEL-AI框架构建的多智能体协作系统，专注于现实世界任务的自动化。它通过模型上下文协议 (MCP) 提供标准化的上下文服务，支持资源管理、工具执行和Prompt模板渲染，从而实现更自然、高效和稳健的AI智能体协作。

主要功能点

  • 多智能体协作框架: 支持构建复杂的智能体协作系统，解决多步骤、多领域任务。
  • 模型上下文协议 (MCP) 支持: 内置MCP工具包，实现与各种工具和数据源的标准化交互。
  • 丰富的工具集: 集成浏览器自动化、在线搜索、多模态处理、文档解析、代码执行等多种工具，覆盖广泛的任务需求。
  • 灵活的模型配置: 支持多种LLM后端，包括OpenAI、Qwen、DeepSeek、Azure OpenAI和Ollama等，可根据需求选择合适的模型。
  • Web用户界面: 提供易用的Web界面，方便用户与OWL系统交互，进行任务配置和监控。

安装步骤

  1. 克隆仓库

    git clone https://github.com/camel-ai/owl.git
cd owl

  2. 选择安装方式 (推荐使用uv)

    • 使用 uv (推荐) 
      pip install uv
uv venv .venv --python=3.10
source .venv/bin/activate  # 或 .venv\Scripts\activate (Windows)
uv pip install -e .
    • 使用 venv 和 pip 
      python3.10 -m venv .venv
source .venv/bin/activate  # 或 .venv\Scripts\activate (Windows)
pip install -r requirements.txt --use-pep517
    • 使用 conda 
      conda create -n owl python=3.10
conda activate owl
pip install -e .  # 或 pip install -r requirements.txt --use-pep517

  3. 配置环境变量 复制 '.env_template' 文件并重命名为 '.env'，然后根据需要填写API密钥等配置信息。

    cp .env_template .env
vim .env  # 或使用其他编辑器修改

    注意: 对于基本示例，只需配置LLM API密钥 (例如 'OPENAI_API_KEY')。

服务器配置

OWL 本身作为 MCP 服务器，无需额外配置服务器端。但作为 MCP 客户端的应用 (如 MCP Desktop Commander)，需要配置连接到 OWL 服务器的信息。

OWL 通过 Python 代码运行，其启动方式即为 MCP 服务器的启动命令。以下是 MCP 客户端 (如 MCP Desktop Commander) 连接 OWL 服务器时可能需要的配置信息示例 (JSON 格式):

{
  "serverName": "owl-server",
  "command": "python",
  "args": ["examples/run.py"],
  "description": "OWL MCP Server",
  "protocol": "stdio"
}

参数注释:

  • '"serverName"': 服务器名称，自定义，用于在客户端标识连接。
  • '"command"': 启动服务器的命令，这里是 'python'。
  • '"args"': 命令参数，指定运行 'examples/run.py' 脚本，这将启动 OWL 系统，作为 MCP 服务器运行。 根据你运行的具体示例脚本 ('run.py', 'run_mcp.py' 等) 修改此参数。
  • '"description"': 服务器描述，可选，方便用户识别服务器用途。
  • '"protocol"': 通信协议，默认为 'stdio'，OWL 也支持其他协议如 'websocket' 和 'sse'，但通常 'stdio' 即可满足需求。

重要提示: 用户无需直接编辑或运行 'mcp_servers_config.json' 文件，此配置文件是在 MCP 客户端 (如 MCP Desktop Commander) 中使用的，用于配置客户端如何连接到 OWL 服务器。 OWL 服务器的启动和运行通过执行 Python 脚本完成。

基本使用方法

  1. 运行示例脚本 安装完成后，可以通过运行示例脚本来体验OWL的功能。例如，运行 'examples/run.py' 脚本：

    python examples/run.py

    这将启动OWL系统，并执行示例任务。

  2. 修改任务 可以修改 'examples/run.py' 脚本中的 'question' 变量来更改OWL执行的任务。

    # examples/run.py
question = "你的任务描述"  # 修改这里
society = construct_society(question)
answer, chat_history, token_count = run_society(society)
print(f"\033[94mAnswer: {answer}\033[0m")

  3. 使用Web界面 OWL 提供了一个Web用户界面，可以通过以下命令启动：

    python owl/webapp.py  # 英文界面
python owl/webapp_zh.py # 中文界面

    启动后，可以通过浏览器访问 'http://localhost:7860' (默认地址) 来使用Web界面进行交互。

  4. MCP 功能示例 要体验MCP功能，可以运行 'examples/run_mcp.py' 脚本，并确保已配置和启动了 Playwright MCP Service。

    python examples/run_mcp.py

关键词

多智能体协作, 任务自动化, AI框架, 工具调用, 上下文服务

信息

分类

AI与计算

访问项目