================
Miniluma是一个强大的智能代理框架，支持多种LLM提供商（包括DeepSeek和OpenAI），能够通过工具增强、多代理协作和异步处理实现复杂任务的自动化处理。
- 支持中文和英文界面
- 可扩展的语言配置系统
- 简单助手模式：单代理与工具集成
- 多代理系统：复杂任务分解与协作
- 自定义模式：配置自己的代理参数
- MCP增强助手：支持文件保存和AI对话的高级助手
- DeepSeek支持（R1和V3模型）
- OpenAI支持（GPT-3.5和GPT-4系列）
- Anthropic支持（Claude系列）
- 可扩展的提供商架构
- 理性-行动循环（Reason-Action Cycles）
- 工具集成和工具调用
- 自动推理和任务分解
- 支持异步API调用
- 高效处理多个并行任务
- 非阻塞用户界面体验
- 网络搜索功能
- 代码执行功能
- 文件管理与保存
- 多媒体处理工具
- 文档处理与分析
- 可自定义的工具扩展
- 自动检测和保存生成的文件
- 自定义文件保存策略
- 结构化存档管理
-
Core
reactor.py：实现Reactor模式，处理思考-行动循环context.py：管理会话上下文和历史记录planner.py：任务规划和分解mcp_system.py：MCP协议集成
-
LLM集成
deepseek.py：DeepSeek LLM集成openai_llm.py：OpenAI LLM集成anthropic_llm.py：Anthropic Claude集成
-
提供商工厂
factory.py：LLM提供商工厂assistant_factory.py：助手创建工厂
-
示例与应用
simple_assistant.py：简单助手实现multi_agent_example.py：多代理系统示例mcp_enhanced_assistant.py：高级MCP助手
-
工具集
web_tools.py：网络工具集合file_tools.py：文件操作工具code_tools.py：代码分析与执行data_tools.py：数据处理工具
- Python 3.8+
- 支持Windows、macOS和Linux系统
- Node.js（用于MCP功能）
- Playwright（用于高级浏览器自动化）
pip install -r requirements.txt
# 安装Playwright（用于MCP功能）
playwright install在miniluma/config/config_global.toml中配置API密钥：
[llm.openai]
api_key = "your_openai_api_key"
[llm.deepseek]
api_key = "your_deepseek_api_key"
[llm.anthropic]
api_key = "your_anthropic_api_key"或者设置环境变量：
export OPENAI_API_KEY="your_openai_api_key"
export DEEPSEEK_API_KEY="your_deepseek_api_key"
export ANTHROPIC_API_KEY="your_anthropic_api_key"# 多语言支持（新）
python miniluma/main.py
# 中文界面（旧）
python miniluma/main_cn.py适用于基础问答和简单任务，单一代理使用工具集成来解决问题。
python miniluma/main.py --mode 1针对复杂任务，使用专业代理（研究代理、代码代理等）协作解决问题，通过任务规划器分解任务。
python miniluma/main.py --mode 2允许用户通过配置文件自定义代理参数和行为。
python miniluma/main.py --mode 3 --config config/custom_agent.toml支持高级功能，如文件保存、富媒体处理和复杂对话管理。
python miniluma/main.py --mode 4可选参数：
--provider：指定LLM提供商（默认：deepseek）--model：指定具体模型--thinking：显示代理思考过程--lang：指定界面语言（zh-CN或en-US）
MiniLuma提供了一个现代化的Web界面，方便用户通过浏览器进行交互。主要功能包括：
- 对话管理：创建、查看和管理对话
- 代码查看：支持语法高亮的代码查看功能
- 文件下载：一键下载生成的代码文件
-
确保已安装所有依赖：
pip install -r requirements.txt
-
启动Web服务器：
python start_web.py
-
打开浏览器访问： http://localhost:9787
- 基于Reactor模式（Reason-Action-Observe循环）
- 微内核架构设计，支持插件扩展
- 多代理系统采用任务规划和分配机制
- 异步非阻塞设计，提高响应效率
- 自动保存功能确保生成的文件安全存储
使用Reactor模式创建自定义代理：
from core.agent import ReactorAgent
from llm.openai import OpenAILLM
# 创建LLM服务
llm = OpenAILLM(model="gpt-4")
# 创建代理
agent = ReactorAgent(llm)
# 处理用户输入
result = agent.process("帮我写一个计算斐波那契数列的函数")
print(result["response"])- 在相应的工具模块中定义工具函数
- 在工具函数上使用
@tool装饰器（如适用） - 在代理初始化中注册工具
from core.tool import tool
@tool(name="search_web", description="搜索网络")
async def search_web(query: str) -> str:
"""
在网络上搜索信息
Args:
query: 搜索查询
Returns:
搜索结果
"""
# 实现搜索逻辑
return search_results- 创建新的提供商类实现
- 在
factory.py中添加提供商工厂支持 - 更新配置文件结构
from llm.base import BaseLLM
class NewProviderLLM(BaseLLM):
def __init__(self, api_key=None, model=None):
super().__init__(api_key, model)
# 初始化逻辑
async def generate(self, prompt, **kwargs):
# 生成逻辑
return response- 在
main.py中的LANG_CONFIG字典中添加新语言 - 提供所有必需的文本键值对
- 更新语言选择菜单
miniluma/
├── core/ # 核心功能模块
├── llm/ # LLM集成模块
├── providers/ # 提供商工厂和实现
├── tools/ # 工具集合
├── examples/ # 示例应用
├── ui/ # 用户界面模块
├── config/ # 配置文件
├── utils/ # 实用工具
├── logs/ # 日志目录
├── results/ # 生成结果目录
├── main.py # 多语言主入口
└── main_cn.py # 中文入口（传统）
- OWL（Optimized Workforce Learning）
- CAMEL-AI框架
- MCP（Model Context Protocol）
欢迎提交问题报告、功能请求和代码贡献。请遵循以下步骤：
- Fork项目
- 创建功能分支（
git checkout -b feature/amazing-feature） - 提交更改（
git commit -m 'Add some amazing feature'） - 推送到分支（
git push origin feature/amazing-feature） - 创建Pull Request
如果您觉得MiniLuma对您有帮助，欢迎通过以下方式支持我们：
- 您的赞助将用于帮助我们持续改进和完善 MiniLuma！
-
Qutanfang 5￥/CNY
-
云中海 15￥/CNY
感谢以上人员/企业的支持！
- 增强多语言支持
- 添加更多LLM提供商集成
- 实现Web界面
- 增强多代理协作能力
- 优化记忆检索机制
- 增加更多文档和图像处理工具
- 支持流式响应
- QQ：733737715