EvoAgentX

这个 Agent 能做什么，适合哪些场景？

EvoAgentX 是一个用于构建、评估和演化基于 LLM 的智能体与智能体工作流的开源框架。它以自然语言目标为输入，使用 WorkFlowGenerator 生成 WorkFlowGraph，再由 AgentManager 创建工作流中的智能体，并通过 WorkFlow.execute() 执行。项目提供短期与长期记忆、HITLManager 人机协作机制，以及搜索、代码执行、文件、数据库、图像和浏览器等工具包。它集成 TextGrad、MIPRO、AFlow 和 EvoPrompt 等工作流或提示词优化算法，并提供基准与评估教程。它以 Python 库形式安装和调用，不是托管式聊天产品；模型调用、外部搜索、浏览器和数据库等能力取决于所配置的提供商、工具和凭据。

开发者先配置 OpenAILLMConfig 和 OpenAILLM，随后将目标传入 WorkFlowGenerator(llm=llm).generate_workflow(goal) 以生成工作流图。AgentManager.add_agents_from_workflow() 根据该图创建智能体，WorkFlow(graph=..., agent_manager=..., llm=...).execute() 运行工作流并返回输出。生成器可接收 tools 列表，例如 ArxivToolkit，使其在生成工作流时为合适的智能体分配工具；项目还提供搜索、HTTP 请求、文件操作、命令执行、数据库、图像和浏览器自动化工具包。HITLInterceptorAgent 可在目标智能体执行指定动作前暂停流程，要求人工批准或拒绝；工作流图还可 display() 并通过 save_module() / from_file() 保存和加载。

1. 需要把“生成俄罗斯方块 HTML 代码”这类自然语言任务拆解为多智能体流程的开发者。
2. 希望在 HotPotQA、MBPP 或 MATH 等任务上，用 TextGrad、AFlow、MIPRO 或 EvoPrompt 优化现有工作流提示词或结构的研究人员。
3. 需要检索并汇总指定关键词和时间范围内 arXiv 论文的研究团队，可为工作流提供 ArxivToolkit 或 MCP 工具。
4. 需要在发送邮件等敏感动作前加入人工批准节点的应用开发者，可使用 HITLInterceptorAgent。
5. 需要让工作流调用搜索、HTTP、文件系统、PostgreSQL、MongoDB、FAISS 或浏览器工具的 Python 开发团队。

如何安装或部署这个 Agent？

使用 pip 安装：

pip install evoagentx

也可直接从仓库安装：

pip install git+https://github.com/EvoAgentX/EvoAgentX.git

本地开发示例使用 Python 3.11：创建并激活 conda 环境后，运行 pip install -r requirements.txt，或运行 pip install -e .。

如何使用这个 Agent？

先设置 OpenAI 凭据，例如在 Linux/macOS 中：

export OPENAI_API_KEY=<your-openai-api-key>

然后创建模型和执行首个工作流：

import os
from evoagentx.models import OpenAILLMConfig, OpenAILLM
from evoagentx.workflow import WorkFlowGenerator, WorkFlow
from evoagentx.agents import AgentManager

openai_config = OpenAILLMConfig(

model="gpt-4o-mini",
openai_key=os.getenv("OPENAI_API_KEY"),
stream=True,

output_response=True

)

llm = OpenAILLM(config=openai_config)
goal = "Generate html code for the Tetris game"
workflow_graph = WorkFlowGenerator(llm=llm).generate_workflow(goal)
agent_manager = AgentManager()
agent_manager.add_agents_from_workflow(workflow_graph, llm_config=openai_config)
workflow = WorkFlow(graph=workflow_graph, agent_manager=agent_manager, llm=llm)
output = workflow.execute()
print(output)

如需工具，把例如 ArxivToolkit() 放入 WorkFlowGenerator 的 tools 参数和 AgentManager 的 tools 参数。除 OpenAI 外，README 说明可通过原生适配或 LiteLLM、SiliconFlow、OpenRouter 接入 Qwen、Claude、DeepSeek、Kimi 等模型；相应配置细节未在所给内容中展开。

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

FollowAgents 如何评估这个 Agent？

常见问题