EvolvingAgentsLabs/evolving-agents

Your toolkit for autonomous, evolving agent ecosystems. Create, execute, govern, and evolve agents that learn from experience, collaborate, build new capabilities, and operate safely within defined guardrails.

解决的问题

本项目是系列 AI Agent 系统的原始基础和架构蓝图。它展示了从基于提示词的治理模型（要求 Agent 表现某种行为）向可验证、基于约束的模型（防止 Agent 输出无效 Token）的转变。

工作原理

该系统原名为 Evolving Agents Toolkit (EAT)，由分布在 12 个子系统中的 18,680 行 Python 代码组成，包括用于版本化组件的 SmartLibrary、用于路由的 SmartAgentBus 以及名为 Firmware 的治理层。它依赖 MongoDB Atlas 作为基础设施。该项目现在作为一个参考点，展示了这些组件是如何被重新构建为更强大、可验证的工具，如 token-trie（解码器级约束）和 agentvcs（验证的演进循环）。

适用对象

对 AI Agent 架构演进感兴趣的开发者和研究人员，特别是那些正在从简单的基于提示词的指令转向可验证软件约束的人员。

亮点

  • 架构演进：映射了五个子系统向专业化、可验证仓库的转变。
  • 治理转变：将基于提示词的治理与 Token 级掩码进行对比，以确保 Agent 不会产生格式错误的输出。
  • 历史参考：保留原始代码，以便在早期的 Agent 设计与当前的基于证据的实现之间进行直接比较。