LangManus 基于社区驱动的AI自动化框架

LangManus是一个基于开源社区成果的AI自动化框架，目标是将语言模型与专用工具结合，用于网页搜索、爬取和Python代码执行等任务。

快速开始

1、克隆仓库

使用以下命令克隆仓库并进入项目目录：

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

2、创建并激活虚拟环境

使用uv创建并激活Python 3.12虚拟环境：

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

3、安装依赖

使用uv同步并安装项目依赖：

uv sync

4、配置环境

复制.env.example文件并配置API密钥：

cp .env.example .env
# 编辑.env文件，填入你的API密钥

5、运行项目

启动项目：

uv run main.py

架构

LangManus采用分层多代理系统，由监督者协调多个专用代理完成复杂任务。系统包括以下代理：

• Coordinator：处理初始交互并分配任务

• Planner：分析任务并制定执行策略

• Supervisor：监督和管理其他代理的执行

• Researcher：收集和分析信息

• Coder：处理代码生成和修改

• Browser：执行网页浏览和信息检索

• Reporter：生成工作流结果的报告和摘要

功能

核心能力

• 支持开源模型如Qwen

• 兼容OpenAI的API接口

• 多层级LLM系统，适应不同复杂度的任务

工具与集成

• 通过Tavily API进行网页搜索

• 使用Jina进行神经搜索

• 高级内容提取

开发特性

• 内置Python REPL

• 代码执行环境

• 使用uv进行包管理

工作流管理

• 工作流图形化展示

• 多代理协调

• 任务分配与监控

配置

LangManus采用三层LLM系统，分别为推理、基础任务和视觉语言任务提供独立配置。在项目根目录创建.env文件，并配置以下环境变量：

# 推理LLM配置（用于复杂推理任务）
REASONING_MODEL=your_reasoning_model
REASONING_API_KEY=your_reasoning_api_key
REASONING_BASE_URL=your_custom_base_url # 可选

# 基础LLM配置（用于简单任务）
BASIC_MODEL=your_basic_model
BASIC_API_KEY=your_basic_api_key
BASIC_BASE_URL=your_custom_base_url # 可选

# 视觉语言LLM配置（用于涉及图像的任务）

通过以上步骤，你可以快速上手LangManus，利用其强大的功能完成复杂的自动化任务。