axclogo/AxcAgentEngine

解决的问题

大多数代理框架依赖于简单的「思考-行动-观察」循环（ReAct），当任务变得复杂时，容易出现偏离或失去焦点的问题。AxcAgentEngine 通过引入计划-观察-重计划（POR）机制，解决了这一问题。该机制使代理能够创建结构化计划，基于依赖关系安排步骤，并根据结果调整策略。

工作原理

该引擎结合了标准的 ReAct 执行器与 POR 计划层。采用插件式架构，核心功能（如记忆、知识检索和风险防护）与引擎解耦，并通过 YAML 配置加载。它将稳定的代理行为（在 YAML 中定义）与运行时资源（如 LLM 提供者和数据库索引）分离，在实例化时进行绑定。为处理大规模数据，使用 ArtifactStore 管理过大的工具结果，避免膨胀 LLM 的上下文窗口。

适用人群

需要结构化规划、持久化工作流以及企业级控制（如人工介入审批和风险分类）的复杂 AI 代理开发者。

主要亮点

• POR 计划：支持结构化计划和依赖关系调度，防止任务偏离。
• 可扩展插件系统：模块化功能包括记忆（四层）、知识（混合检索）和安全（PII 隐蔽）。
• 持久化工作流：包含 WorkflowRuntime 和 CheckpointStore，支持代理从先前状态恢复。
• MCP 支持：通过 stdio 和 JSON-RPC HTTP 兼容 Model Context Protocol (MCP)。
• Sidecar 套件：专用于多代理编排、模拟、评估和故障挖掘的工具集。
• OpenAI 兼容性：提供 OpenAI 兼容的 HTTP 客户端和 API 子集。