AgenticX 多智能体平台
用一套 Python 运行时构建、编排、部署并观测多智能体应用。
按维度查看评分与理由
材料展示了可选依赖组、本地优先部署、沙箱后端、路径保护、权限与审计构件，以及范围明确的 GitHub Actions 权限；README 也说明默认会把配置、会话和工作区写入 ~/.agenticx，并披露远程模型、MCP、IM 网关和企业网关等数据路径。敏感数据方面有 API 密钥配置、泄漏检测和 LiteLLM 凭据外泄公告，但未提供密钥存储、日志脱敏、保留期限或各连接器数据去向的完整实现证据。审批和人工介入被列为功能并有示例入口，但缺少关键外部操作默认必须确认的代码证据。依赖范围仍允许安装已披露的恶意 litellm 1.82.7/1.82.8，且没有强制排除或锁文件，因此依赖安全仅给 1 分。框架能够执行工具、终端、浏览器、GUI、文件、发布覆盖和消息网关等广泛外部效果，但统一授权边界与恢复机制未得到充分展示；快照、卸载和状态机只构成部分回滚证据。LICENSE、包作者、项目链接和源码作者标注使来源归属充分明确。
README、pyproject、requirements、构建工作流和测试在 Python 版本、入口、可选依赖及桌面构建路径上大体一致；README 还主动区分当前实现、MVP、规划功能和未接入主路径的适配器。不过产品范围极大，部分能力只有声明，且描述中的 Machi 与材料中的 Near 命名不一致，故不满分。依赖分组、系统依赖提示、平台构建矩阵和打包校验较详细，但缺少提交内锁文件，宽版本范围及大量可选组件增加漂移风险。所给测试显示多种失败关闭行为、结构化阻断码、非零退出和状态不写入；然而这些证据主要针对模块摘要工具，并不能完整覆盖 Agent Runtime、Studio、桌面端和网关的故障体验。
面向开发者、本地桌面、企业治理、知识检索、GUI 自动化、研究、金融和文档处理等受众与场景描述非常丰富，并提供 SDK、CLI、服务端和桌面入口。材料明确区分本地 Runtime、企业 Gateway、Edge MVP、规划中的 Cluster Runtime以及若干占位或未接线适配器，但大量功能仍缺少逐项配置条件和安全边界说明。工具自动调用、Meta-Agent 调度、技能自进化和后台提炼的触发规则仅作概述，未展示足够精确的匹配、抑制、冲突处理或默认关闭证据。Python 3.10–3.13、macOS 双架构、Windows、Docker/子进程及多种可选后端得到支持，但 Linux 桌面、完整系统依赖兼容矩阵和各提供商环境要求并不完整。
README 具有架构、能力、安装、快速开始和示例导航，pyproject 对包元数据及 extras 组织清楚，但超长功能清单和被截断的技术架构降低了静态审阅的可导航性。安装说明非常具体，涵盖 PyPI、源码、uv、pip、可选功能、密钥和外部系统依赖。agx 与 agenticx 双 CLI 被明确映射，核心命名总体稳定，但描述中的 Machi、README 中的 Near，以及独立 desktop-v 与统一 v 标签形成一定命名和版本复杂度。示例广泛但所给材料没有真正的 FAQ 或普遍故障排查章节。README 对规划项、MVP、非默认路径、占位适配器和 SafetyLayer 未完全接线有明确披露，但没有集中、完整的限制清单。Apache-2.0 元数据与完整 LICENSE 一致，可给满分。包版本和桌面标签流程存在，也提到技能 changelog，但未提供完整发行历史。作者、邮箱、Issues 和 Discussions 给出了维护路径；发布者未获企业注册验证仅表示身份未知，不单独扣分，但缺少团队治理、支持承诺或维护政策。
SDK 示例产生可直接使用的 result，CLI、REST/SSE、结构化事件、导出格式和桌面工作区为多种消费方式提供了可用接口；但没有代表性真实输出样本或端到端结果质量证据。相较单一 Agent SDK，统一编排、记忆、MCP、桌面和企业网关具有明显潜在增量价值，但大量能力来自同一 README 的声明，且部分不在默认运行路径。核心安装被拆成轻量依赖和按需 extras，并披露 OCR 约 2GB 等成本；同时 27 个核心依赖、多语言桌面打包、众多服务与模型提供商带来显著部署、维护、API、存储和运维成本，材料没有系统量化这些成本或收益。
部分主张可追溯到 pyproject 的入口、版本、依赖和平台元数据，工作流也能支持桌面构建及产物检查，测试文件具体展示了失败关闭、令牌绑定、路径逃逸防护和状态保护。然而诸如生产就绪、15+ 提供商、完整监控、9 倍加速、自修复和众多企业能力主要是 README 声明，没有对应实现文件、基准或测试证据，因此主张可追溯性较弱。多个文件对安装、版本、CLI 和构建有所交叉印证，但安全与产品能力的交叉印证有限。README 值得肯定地标注了计划中、MVP、默认路径和未完全接线的功能，不过营销性定语与已验证事实仍未始终严格分开。
- pyproject.toml 和 requirements.txt 的 litellm>=1.50.0,<2 范围仍包含 README 明确标为会窃取 API 密钥的 1.82.7 与 1.82.8；部署前应显式排除这些版本、使用可信锁文件，并轮换可能暴露的凭据。
- 不要把 README 中的“production-ready”“完整”“安全沙箱”或“9x”视为已独立验证；本评估未执行代码、测试、基准或安装包。
- 工具、终端、浏览器、GUI 自动化、MCP、技能自进化及 IM 网关可能产生高影响外部操作；在确认统一审批、权限默认值、审计覆盖和恢复方案前，应采用隔离环境与最小权限。
- 默认 ~/.agenticx 持久化、远程模型调用、Redis/数据库、知识库和消息网关可能处理敏感信息；材料不足以确定完整的数据保留、删除、加密及第三方传输政策。
- Near Desktop、Python Runtime、Enterprise Gateway、Edge MVP 和规划中的 Cluster Runtime 是不同成熟度与部署路径，不应假定 README 的所有能力在单一安装中均可用。
这个 Agent 能做什么，适合哪些场景？
AgenticX 是一个面向生产环境的多智能体技术栈，由 Python SDK、agx CLI、FastAPI Studio Server、Near Desktop 和独立的企业产品线组成。核心运行时通过 Agent、Task、Tool、AgentExecutor、ReActAgent、工作流图和 Meta-Agent CEO 调度器执行任务，并支持并行工具调用、条件路由、委派与事件流。平台能够连接 15 种以上的模型提供方，同时提供 MCP Hub、A2A、分层记忆、知识库、GraphRAG、技能、Hooks、安全沙箱、评估与可观测性组件。执行结果可以作为 SDK 返回值、类型化 AgentEvent 流、REST/SSE 响应、桌面对话或监控与评估数据输出。Near Desktop 默认连接本地 agx serve 运行时；企业版当前走独立的 Portal BFF 与 Go AI Gateway，后者负责认证、策略、配额、模型转发和审计，但不是完整的 Python Agent Runtime。适合希望统一开发接口、桌面工作区和自托管服务的团队，但采用前应评估可选依赖、尚未完成的多租户能力以及不同产品路径之间的边界。
开发者用 Agent、Task 和通过 @tool 装饰的函数定义角色、目标、任务与可调用操作，再由 AgentExecutor 或独立的 ReActAgent 驱动思考—行动循环。运行时调用 OpenAIProvider 等模型适配器，依据工作流图、Flow 条件或 Meta-Agent 调度结果执行工具，并可通过 MCP Hub、OpenAPI 工具集、远程工具 v2、A2A 与沙箱扩展外部能力。它可以读取和索引文档及代码库，通过向量、BM25、图和混合检索构建知识上下文，并把信息写入核心、情景、语义、工作区或短期记忆。大型工具结果可以经 FileOffloader 移出活动历史，按需重新取回；任务输出则可由 Pydantic 解析、验证并自动修复。Studio Server 将会话、消息、头像、群聊、知识库、技能和运行时执行暴露为 REST API 与 SSE，Near Desktop 在此基础上提供多窗格聊天、终端、工作目录和自动化体验。执行过程还能产生回调、轨迹、跨度树、Prometheus/OpenTelemetry 指标、评估结果以及 JSON、CSV 或 Prometheus 格式的导出数据。
- Python 团队需要把多个专业角色、工具调用、条件分支和并行步骤编排为可嵌入后端服务的工作流。
- 本地开发者希望通过 Near Desktop 在同一工作区使用多窗格对话、头像群聊、终端、文件引用、MCP 和知识库。
- 平台团队需要以 agx serve 暴露 REST API 与 SSE，并为会话、运行轨迹、指标和评估结果建立可观测链路。
- 知识密集型应用团队需要处理 PDF、Word 或 PPT，结合向量、BM25、GraphRAG 和多知识脑完成检索。
- 自主编码项目需要从手工队列、Cron、Linear 或项目功能中轮询任务，在隔离工作区内执行并保留磁盘状态机记录。
- 企业团队需要在模型访问前增加身份认证、策略、配额、流式响应治理和审计，同时接受企业网关与 Python 运行时当前相互独立的部署方式。
这个 Agent 有哪些优点和局限？
- 同一代码库同时提供可嵌入的 Python SDK、agx CLI、FastAPI REST/SSE 服务和 Electron 桌面工作区，覆盖从库调用到本地交互界面的多种入口。
- 模型层支持 OpenAI、Anthropic、Ollama、Gemini、Kimi、MiniMax、Ark、Zhipu、Qianfan 和 Bailian 等 15 种以上提供方，并提供缓存与故障转移路由。
- 工具与协议覆盖函数装饰器、MCP Hub、OpenAPI、远程工具、A2A 和沙箱，ReActAgent 还支持并行工具调用及类型化 AgentEvent 流。
- 知识与记忆能力不仅包含向量检索，还包括 BM25、图检索、GraphRAG、分层记忆、多知识脑和代码语义索引。
- 内置回调、轨迹分析、跨度树、Prometheus/OpenTelemetry、LLM judge 和 EvalSet，便于检查多步执行质量。
- 完整功能分散在 15 个可选依赖组中；OCR 会引入约 2GB 的 torch，文档处理还可能需要 antiword、tesseract 等系统依赖。
- Studio 的安全路径尚未让所有操作统一经过完整 SafetyLayer，而是组合使用 Hooks、权限和路径保护。
- Core/Studio 的细粒度 tenant_id 隔离与 RBAC 仍属 M18 规划项，不能把独立企业产品线的 IAM 视为 Studio 已具备的多租户实现。
- Near 默认使用本地 Python Runtime，而企业在线路径使用独立的 Go Gateway；Cluster Agent Runtime 尚未开始，不能假定两条路径已经统一或具备高可用多副本运行时。
- 部分第三方存储适配器仍是占位实现或尚未接入 Studio 主路径，默认持久化也主要依赖 ~/.agenticx、SQLite，并可选使用 Redis。
如何安装或部署这个 Agent？
要求 Python 3.10+，建议至少 4GB 内存，支持 Windows、Linux 和 macOS。推荐安装核心包：
pip install agenticx按需安装扩展，例如：
pip install "agenticx[memory]"
pip install "agenticx[document]"
pip install "agenticx[graph]"
pip install "agenticx[llm]"
pip install "agenticx[monitoring]"
pip install "agenticx[mcp]"也可以安装全部功能：
pip install "agenticx[all]"配置首次示例所需的 OpenAI 凭据；Anthropic 凭据仅在使用对应提供方时需要：
export OPENAI_API_KEY="your-api-key"
export ANTHROPIC_API_KEY="your-api-key"源码开发安装方式为：
git clone https://github.com/DemonDamon/AgenticX.git
cd AgenticX
pip install uvuv pip install -e .
OCR、数据库、MCP、监控和其他较重能力使用单独的可选依赖组。个人微信桥接还需 Go 1.22+，并在 packaging/wechat-sidecar/ 中执行 make build；其二进制文件不随仓库提交。
如何使用这个 Agent？
安装后先验证 CLI 并启动本地服务：
agx --version
agx project create my-agent --template basic
agx serve --port 8000首个 SDK 调用可以写成：
from agenticx import Agent, Task, AgentExecutor
from agenticx.llms import OpenAIProvideragent = Agent(id="data-analyst",
name="Data Analyst",
role="Data Analysis Expert",
goal="Help users analyze and understand data",
organization_id="my-org")
task = Task(id="analysis-task",
description="Analyze sales data trends",
expected_output="Detailed analysis report")
llm = OpenAIProvider(model="gpt-4")
executor = AgentExecutor(agent=agent, llm=llm)
result = executor.run(task)
print(result)工具可用 from agenticx.tools import tool 导入的 @tool 装饰器注册。文档解析示例为 agx mineru parse report.pdf --output ./parsed。需要异步函数调用、类型化事件流、多轮历史或并行工具执行时，可改用支持 ainvoke 和 astream 的 ReActAgent。