agentenv/agentflow

解决的问题

AgentFlow 是一个编排框架，允许用户使用依赖图构建复杂的多智能体工作流。它解决了以结构化方式管理多个 LLM 智能体（如 Codex、Claude 等）的问题，支持并行执行、迭代循环以及部署到各种隔离的执行环境。

工作原理

用户定义一个 Graph，其中节点代表智能体任务（例如使用 codex 或 claude 函数）。这些节点通过依赖边（使用 >> 运算符）连接，定义执行顺序。该框架支持：

• 并行扇出：使用 fanout() 可以将单个节点的输出分发到另一个节点的多个并行副本，这可以基于计数、项目列表或笛卡尔积。
• 迭代循环：节点可以配置 on_failure 触发器和成功标准，以便循环执行，直到满足特定条件或达到最大迭代次数。
• 执行目标：智能体可以在隔离环境中运行，包括本地 Docker 容器、通过 Cloud Hypervisor 的 KVM 虚拟机，或远程机器（EC2、ECS Fargate、SSH）。
• 模型路由：通过 pi 智能体，框架可以将请求路由到各种外部提供商（OpenAI、Anthropic、Groq 等）或本地端点（Ollama、LMStudio）。
• 推理设置：它与 SkyPilot 集成，以在云 GPU 上启动 OpenAI 兼容的端点。

适用人群

它专为需要协调多个 AI 智能体以执行复杂任务（如自动化代码审查、依赖项审计和漏洞发现）的开发人员和研究人员设计。

亮点

• 灵活编排：支持具有并行扇出和迭代循环的依赖图。
• 多样化执行目标：通过 Docker、Cloud Hypervisor 虚拟机和云原生远程目标提供高隔离性。
• 云 GPU 集成：简化通过 SkyPilot 启动推理服务。
• 调优智能体进化：允许基于成功的 Codex 运行轨迹创建可重用的调优智能体。
• 共享内存：包含一个用于管道中所有智能体共享内存的“scratchboard”。
• Web UI：包含用于管理运行的本地 Web 界面和 API。