GitHub 仓库: https://github.com/wenhaoyuan24/AgentForge
📋 项目概览
AgentForge 是一个灵活的智能体（Agent）框架项目，集成了两个强大的 Agent 引擎，为开发者提供多种选择来构建和定制自己的 AI 智能体。
该项目包含两个核心引擎：
- ClaudeAgent: 基于 Claude Agent SDK 的实现，提供开箱即用的强大功能
- DeepAgent: 基于 LangChain 框架的实现，具有更强的扩展性和灵活性
🚀 快速开始
前置要求
1. 克隆仓库
git clone https://github.com/wenhaoyuan24/AgentForge.git
cd AgentForge2. 安装 uv 工具
uv 是一个快速的 Python 包管理工具，用于创建和管理虚拟环境：
curl -LsSf https://astral.sh/uv/install.sh | sh3. 配置 uv（可选）
创建或编辑配置文件 ~/.config/uv/uv.toml，添加以下内容以使用国内镜像源：
index-strategy = "unsafe-first-match"
index-url = "https://pypi.tuna.tsinghua.edu.cn/simple"
extra-index-url = [
"https://pypi.org/simple"
]选择运行方式
你可以根据需求选择使用 ClaudeAgent 或 DeepAgent。
方案 A: 使用 ClaudeAgent（推荐）
ClaudeAgent 基于 Claude Agent SDK 构建，提供更稳定和完善的功能。
# 1. 创建虚拟环境 (Python 3.11)
uv venv --python 3.11 .env/claudeagent
# 2. 激活虚拟环境
# Linux/Mac
source .env/claudeagent/bin/activate
# Windows
.envclaudeagentScriptsactivate
# 3. 进入项目目录
cd claudeagent
# 4. 安装依赖
pip install -r requirements.txt
# 5. 配置 API
# 编辑 config/config.yaml，配置你的 API 密钥
# 6. 运行 Web 界面（推荐）
# Linux
./run.sh --web
# Windows
./run.bat --web
# 或使用 CLI 模式执行任务
# Linux
./run.sh -p "你的任务描述"
# Windows
./run.bat -p "你的任务描述"
方案 B: 使用 DeepAgent
DeepAgent 基于 LangChain 框架，具有以下特点：
优势：
- 支持多种大模型：火山引擎免费模型（doubao1.8、GLM4.7、DeepSeekV3.2、Kimi-K2）
- 基于 LangChain 框架，扩展性强
- 社区生态丰富
劣势：
- 默认不支持 bash、skill 等工具，需自定义工具适配（本项目已完成适配）
# 1. 创建虚拟环境 (Python 3.11)
uv venv --python 3.11 .env/deepagent
# 2. 激活虚拟环境
# Linux/Mac
source .env/deepagent/bin/activate
# Windows
.envdeepagentScriptsactivate
# 3. 进入项目目录
cd deepagent
# 4. 安装依赖
pip install -r requirements.txt
# 5. 配置 API
# 编辑 config/config.yaml，配置你的 API 密钥
# 6. 运行 Web 界面
# Linux
./run.sh --web
# Windows
./run.bat --web
# 或使用 CLI 模式执行任务
# Linux
./run.sh -p "你的任务描述"
# Windows
./run.bat -p "你的任务描述"
环境切换
如果你想在两个引擎之间切换，只需激活对应的虚拟环境：
# 切换到 ClaudeAgent
source .env/claudeagent/bin/activate
cd claudeagent
# 切换到 DeepAgent
source .env/deepagent/bin/activate
cd deepagent🧩 ClaudeAgent 详解
特点
ClaudeAgent 是基于 Claude Agent SDK 开发的智能体实现，具有以下特点：
- 原生支持 Claude 模型的强大能力
- 内置丰富的工具和技能系统
- 提供 CLI 和 Web 两种交互界面
- 支持对话历史持久化
- 易于扩展和自定义
项目结构
claudeagent/
├── src/
│ ├── cli.py # CLI 入口点
│ └── claudeagent/ # 核心包
│ ├── __init__.py
│ ├── core/ # 核心模块
│ │ ├── agent.py # Agent 主逻辑
│ │ ├── config.py # 配置管理
│ │ └── __init__.py
│ ├── ui/ # 用户界面
│ │ ├── console.py # CLI 控制台界面
│ │ ├── web/ # Web 界面
│ │ │ ├── server.py # Flask Web 服务器
│ │ │ ├── templates/ # HTML 模板文件
│ │ │ └── __init__.py
│ │ └── __init__.py
│ ├── prompts/ # 提示词管理
│ │ ├── loader.py # 提示词加载器
│ │ ├── system_prompt.py # 系统提示词
│ │ └── __init__.py
│ ├── storage/ # 存储层
│ │ ├── database.py # 数据库操作
│ │ └── __init__.py
│ └── tools/ # 工具层
│ └── __init__.py
├── config/
│ └── config.yaml # 配置文件
├── data/
│ └── conversations.db # SQLite 数据库
├── requirements.txt # Python 依赖
├── webserver.py # Web 服务启动脚本
├── run.sh # 启动脚本（Linux）
├── run.bat # 启动脚本（Windows）
└── README.md # 项目文档核心模块说明
- core/agent.py: 实现 Agent 的核心逻辑，处理用户输入、调用工具、生成响应
- core/config.py: 管理配置文件的加载和解析
- ui/console.py: CLI 控制台界面，提供命令行交互体验
- ui/web/: Web 界面相关文件，基于 Flask 框架
- prompts/: 管理系统提示词和技能提示词
- storage/database.py: 处理对话历史的持久化存储
- tools/: 工具模块，可扩展自定义工具
🔧 DeepAgent 详解
特点
DeepAgent 基于 LangChain 框架构建，具有以下特点：
- 支持多种大语言模型（LLM）
- 基于成熟的 LangChain 生态系统
- 灵活的工具集成机制
- 支持自定义工具和技能
- 提供 CLI 和 Web 两种交互模式
项目结构
deepagent/
├── src/
│ ├── cli.py # CLI 入口点
│ ├── deepagent/ # 核心包
│ │ ├── core/ # 核心模块 (agent.py, config.py)
│ │ ├── ui/ # UI (console.py, web/)
│ │ ├── tools/ # 工具模块 (shell.py)
│ │ ├── storage/ # 存储层 (database.py)
│ │ └── prompts/ # 提示词 (system_prompt.py)
│ └── deepagents-master/ # LangChain 官方库
├── config/config.yaml # 主配置文件
├── data/conversations.db # 对话历史数据库
├── requirements.txt # Python 依赖
├── run.sh # 快速启动脚本（Linux）
└── run.bat # 快速启动脚本（Windows）核心模块说明
- core/agent.py: Agent 核心逻辑，基于 LangChain 框架实现
- tools/shell.py: Shell 工具，支持执行 bash 命令
- ui/: 用户界面模块，包含 CLI 和 Web 界面
- storage/: 数据持久化层
- deepagents-master/: LangChain 官方库的集成
📁 整体项目结构
AgentForge/
├── claudeagent/ # Claude Agent SDK 实现
│ ├── src/ # 源代码
│ ├── config/ # 配置文件
│ ├── data/ # 数据存储
│ └── README.md
├── deepagent/ # LangChain 框架实现
│ ├── src/ # 源代码
│ ├── config/ # 配置文件
│ ├── data/ # 数据存储
│ └── README.md
├── .env/ # 虚拟环境
│ ├── claudeagent/ # ClaudeAgent 虚拟环境
│ ├── deepagent/ # DeepAgent 虚拟环境
│ └── README.md # 虚拟环境配置文档
├── .claude/ # Agent 记忆与技能
│ ├── CLAUDE.md # Agent 记忆文档
│ └── skills/ # Agent skills 目录
└── README.md # 项目主文档🛠 Skills 系统
Skills（技能）是 AgentForge 的一个重要特性，允许你为 Agent 添加专门的能力。
Skills 存放位置
所有 skills 存放在 .claude/skills/ 目录下。
Skills 结构
每个 skill 通常包含：
SKILL.md: 技能的描述和使用说明- 相关的实现代码和资源文件
自定义 Skills
你可以根据需要创建自定义的 skills，扩展 Agent 的能力。具体方法请参考 .claude/skills/skill-creator/ 目录。
💡 使用场景
AgentForge 适用于多种场景：
- 代码助手: 帮助开发者编写、审查和调试代码
- 数据分析: 分析数据集，生成报告和可视化
- 内容创作: 生成博客文章、文档、社交媒体内容
- 研究助手: 搜索信息、总结文档、生成研究报告
- 任务自动化: 自动化重复性任务，提高工作效率
🔍 技术栈
ClaudeAgent
- 核心框架: Claude Agent SDK
- Web 框架: Flask
- 数据库: SQLite
- 语言: Python 3.11+
DeepAgent
- 核心框架: LangChain
- Web 框架: Flask
- 数据库: SQLite
- 语言: Python 3.11+
- LLM 支持: Claude, OpenAI, 火山引擎模型等
🎯 两种引擎的选择建议
选择 ClaudeAgent 的场景：
- 你想要更稳定、开箱即用的体验
- 主要使用 Claude 模型
- 需要快速上手，不想花太多时间配置
选择 DeepAgent 的场景：
- 需要使用多种不同的 LLM 模型
- 需要深度自定义和扩展
- 熟悉 LangChain 生态系统
- 预算有限，想使用免费的开源模型
📝 配置说明
两个引擎都需要配置 API 密钥，配置文件位于各自的 config/config.yaml。
基本配置项：
# API 配置
api_key: "your-api-key-here"
model: "claude-3-5-sonnet-20241022" # 或其他模型
# 其他配置项
max_tokens: 4096
temperature: 0.7🤝 贡献指南
欢迎贡献代码、报告问题或提出建议！
📄 许可证
本项目采用开源许可证，具体请查看项目仓库。
🔗 相关链接
- GitHub 仓库: https://github.com/wenhaoyuan24/AgentForge
- Claude API 文档: https://docs.anthropic.com/
- LangChain 文档: https://python.langchain.com/
📧 联系方式
如有问题或建议，欢迎通过 GitHub Issues 联系。
AgentForge - 构建你的智能体，释放 AI 的力量！
Comments NOTHING