HelloAgents 多智能体框架
基于 OpenAI 原生 API 的生产级多智能体框架，集成 16 项核心能力，提供完整的工程化支持。
- Star 数
- ★ 3.3k
- 最近更新
- 12 天前
- License
- NOASSERTION
- 主语言
- Python
- FA 评分
- 29/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台OpenAI API
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 低 · 几分钟可跑通
- 开始前需要
- 典型场景
- 开发者希望快速搭建基于 OpenAI 的多智能体应用，利用 ReActAgent 和内置工具实现复杂任务自动化。
- 不适合
- 需要商业授权或闭源商用的团队（CC BY-NC-SA 4.0 非商业许可）
- 仅使用 Python 3.10 以下环境的开发者
这个 Agent 能做什么，适合哪些场景？
HelloAgents 是一个构建在 OpenAI 原生 API 之上的生产级多智能体框架，集成了工具响应协议（ToolResponse）、上下文工程（HistoryManager/TokenCounter）、会话持久化（SessionStore）、子代理机制（TaskTool）、乐观锁、熔断器、Skills 知识外化、TodoWrite 进度管理、DevLog 决策记录、流式输出（SSE）、异步生命周期、可观测性（TraceLogger）、日志系统以及 LLM/Agent 基类重构等 16 项核心能力。框架提供三种 LLM 适配器（OpenAI 兼容、Anthropic、Gemini），自动检测 provider，支持多种云端和本地推理服务。项目包含多个 Agent 实现（SimpleAgent、ReActAgent、ReflectionAgent、PlanAndSolveAgent）和丰富的内置工具，并提供详细的文档和示例。
HelloAgents 提供完整的多智能体开发体验：开发者可以通过 pip 安装，创建 LLM 实例（HelloAgentsLLM 自动检测 provider），注册工具（如 ReadTool、WriteTool、TodoWriteTool），并实例化 ReActAgent 等 Agent 运行任务。框架支持 Function Calling 架构，管理上下文（HistoryManager 记录历史，TokenCounter 计算 token），处理工具响应（ToolResponse 统一格式），实现会话持久化（SessionStore）和子代理（TaskTool 通过工具过滤实现）。它提供流式输出（SSE）、异步生命周期、熔断器（CircuitBreaker）容错，以及文件编辑的乐观锁并发控制。输出通过工具调用和流式响应完成，部署边界为 Python 库，需要配置 LLM_API_KEY 等环境变量。
- 开发者希望快速搭建基于 OpenAI 的多智能体应用，利用 ReActAgent 和内置工具实现复杂任务自动化。
- 团队需要统一工具响应协议和上下文管理，以构建可维护的智能体系统。
- 需要会话持久化的应用，如聊天机器人，使用 SessionStore 保存对话历史。
- 需要子代理机制的复杂任务，通过 TaskTool 委派子任务给其他 LLM 调用。
- 需要流式输出和异步处理的高交互场景，利用 SSE 和生命周期管理。
- 需要可观测性和日志跟踪的调试场景，使用 TraceLogger 记录详细执行轨迹。
如何安装或部署这个 Agent？
安装：pip install hello-agents。需要 Python 3.12 或 3.13（推荐 3.13）。配置环境变量，创建 .env 文件：LLM_MODEL_ID=your-model-name、LLM_API_KEY=your-api-key-here、LLM_BASE_URL=your-api-base-url。
如何使用这个 Agent？
- 安装：
pip install hello-agents。2. 配置.env文件（如上）。3. 编写代码：from hello_agents import ReActAgent, HelloAgentsLLM, ToolRegistry；from hello_agents.tools.builtin import ReadTool, WriteTool, TodoWriteTool；llm = HelloAgentsLLM()；registry = ToolRegistry()；registry.register_tool(ReadTool())等；agent = ReActAgent("assistant", llm, tool_registry=registry)；agent.run("分析项目结构并生成报告")。
这个 Agent 有哪些优点和局限？
- 提供 16 项核心能力的完整工程化支持，包括工具响应协议、上下文工程、会话持久化等。
- 支持多种 LLM 提供商（OpenAI 兼容、Anthropic、Gemini），并有自动检测机制。
- 包含多种 Agent 实现在内，如 ReActAgent、ReflectionAgent、PlanAndSolveAgent，便于不同场景选择。
- 提供丰富的内置工具和详细的文档，降低上手难度。
- 非商业使用许可（CC BY-NC-SA 4.0），商业用途需联系维护者。
- 目前只支持 Python 3.10+，限制了语言环境。
- 对 LLM API 的依赖较强，需要外部 API 密钥和网络连接。
- 部分核心能力可能还在迭代中，开发版本与教程版本存在差异。
这个 Agent 与同类方案有什么区别？
与 Datawhale 的 Hello-Agents 教程紧密相关，本框架是其扩展实现。此外，社区提供了 Go 语言重实现 HelloAgents-go，适合 Go 开发者。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| HelloAgents 多智能体框架 当前 | 29 · 缺口较多 | 代码库 / SDK免费 + 模型费 | ★ 3.3k | 12 天前 | Python | OpenAI API |
| rpi：Rust 编码代理运行时 | 64 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 116 | 今天 | Rust | OpenAI API · Claude API |
| SGR Agent Core | 56 · 缺口较多 | 自托管服务免费 + 模型费 | ★ 1.1k | 1 个月前 | Python | OpenAI API |
| Lagent 轻量级智能体框架 | 43 · 缺口较多 | 代码库 / SDK免费 + 模型费 | ★ 2.3k | 6 个月前 | Python | OpenAI API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：仓库未提供任何权限管理、用户确认、数据流透明、敏感数据处理、依赖安全审计、外部影响控制、回滚机制或来源归属的说明。所有信任相关标准均未得到满足，因此得分为0。
证据显示：README和pyproject.toml中列出的依赖与requirements.txt一致，但未提供依赖可用性验证或失败消息的详细说明。测试文件存在但未提供执行结果，因此自一致性、依赖可用性和失败消息均仅得1分。
证据显示：README明确区分了学习版本和开发版本，并提供了多种LLM提供商适配，但未详细说明能力边界、触发精度或环境适配的具体细节。因此受众与场景得2分，其余得1分。
证据显示：README提供了清晰的项目结构、安装说明和示例，但缺少已知限制、版本变更日志和明确的维护责任。许可证为CC BY-NC-SA 4.0，但未提供版本控制策略。因此信息架构、安装说明、示例和许可证得2分，其余得1分。
证据显示：README声称提供16项核心能力，但未提供实际输出示例或性能数据，因此输出可用性、边际价值和成本效益均仅得1分。
证据显示：README中的声明未提供可追溯的测试结果或外部验证，且未区分事实与推断。因此所有标准均得1分。
- 源码中未见：最小权限约束只授予完成任务所需的权限：用专用账号或只读令牌，并限定可访问的目录和仓库。
- 源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
- 源码中未见：数据流向说明运行时观察它连接了哪些外部服务（代理或防火墙日志）；弄清数据去向之前不要输入敏感数据。
- 源码中未见：敏感信息处理使用专用、低权限、可随时吊销的 API 密钥，不要复用生产凭据，也不要让密钥出现在日志里。
- 源码中未见：依赖安全审查安装前固定版本并做一次依赖扫描（如 npm audit、pip-audit）；优先放在容器里运行。
- 源码中未见：外部影响披露先弄清它会写入、发送或修改哪些外部系统，用测试账号或测试仓库验证后再接入正式环境。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 源码中未见：来源归属可核验从官方仓库或包源安装，核对发布者和仓库地址，避免同名仿冒包。
- 仓库未提供任何安全或权限控制文档，使用前需自行评估风险。
- 测试文件需要真实LLM配置，未提供模拟或离线测试，无法验证功能。
- 许可证为CC BY-NC-SA 4.0，非商业使用限制可能影响商业部署。
最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
发布说明摘录
HelloAgents V1.0.1：组件化运行时、知识检索与持久记忆 HelloAgents V1.0.1 围绕智能体应用的构建与扩展，完善了从 Agent Loop、工具执行、上下文管理，到知识检索、用户画像和后台任务的开发流程。 从一个简单的 SimpleAgent 开始，可以逐步加入所需能力；检索、记忆和上下文组件也支持独立使用，方便接入已有应用。 📦 版本：V1.0.1 🐍 Python：支持 3.12 / 3.13，推荐 3.13 🚀 安装：python -m pip install --upgrade "hello-agents==1.0.1" 📚 文档：[使用指南](https://github.com/jjyaoao/HelloAgents/tree/main/docs) 🧩 案例：[按功能浏览示例](https://github.com/jjyaoao/HelloAgents/tree/main/examples) --- ✨ 核心亮点 - 组件化设计：通过 AgentComponents 组合或替换历史管理、Token 计数、工具输出处理、会话存储和 Skills 加载器。 …在 GitHub 查看 ↗ -
发布说明摘录
HelloAgents V1.0.0 Release Notes 📅 发布日期: 2026-02-21 📦 安装: pip install hello-agents>=1.0.0 🔗 GitHub: https://github.com/jjyaoao/HelloAgents 📚 文档: https://github.com/jjyaoao/HelloAgents/tree/main/docs --- 🎯 概述 HelloAgents V1.0.0 是一个里程碑版本，标志着框架从教学原型升级为生产级多智能体框架。本版本集成了 16 项核心能力，涵盖工具响应协议、上下文工程、可观测性、会话持久化、子代理机制、异步生命周期、流式输出等完整的工程化支持，为构建复杂智能体应用提供坚实基础。(感谢项目YYHDBL/MyCodeAgent给予的部分实现灵感支持~) ✨ 核心亮点 - 🏗️ 生产级架构: Function Calling 统一架构，解析成功率 99%+ - 🔧 16 项核心能力: 从工具协议到异步生命周期的完整工程化支持 - 🚀 性能优化: Token 成本降低 85%，上下文压缩智能化 …在 GitHub 查看 ↗ -
发布说明摘录
🎓 HelloAgents V0.2.9 - 学习版定稿公告 📅 发布日期: 2026-02-13 📦 版本: v0.2.9 (Learning Edition - Stable) 🔗 GitHub: https://github.com/jjyaoao/HelloAgents 📚 教程: https://github.com/datawhalechina/Hello-Agents --- 🎯 核心公告 HelloAgents V0.2.9 正式定稿为「学习版」，从此版本开始： - ✅ 接口冻结：核心 API 保持稳定，不再引入破坏性变更 - ✅ 教程基准：所有教程、文档、示例代码均基于此版本 - ✅ 长期维护：仅接受 bug 修复和安全更新，不添加新特性 - ✅ 初学者友好：推荐所有初学者和教程读者使用此版本 --- 📖 为什么需要学习版？ 在过去的开发中，我们收到了很多反馈： > "教程里的代码跑不通了，API 变了..." > "刚学会一个功能，更新后又不一样了..." > "能不能有个稳定版本，让我安心学完整个教程？" 我们听到了你们的声音！ V0.2.9 学习版的目标是： …在 GitHub 查看 ↗
常见问题
商业使用时需要什么授权？
如何接入不同的 LLM 提供商？
学习版本和开发版本有什么区别？
是否支持本地模型部署？
HelloAgents 和 Datawhale 的 Hello-Agents 教程是什么关系？
learn_version 分支；main 分支和 PyPI 上的 hello-agents 包对应当前版本的框架。