cuga-project/cuga-agent

它是什么

CUGA（可配置通用代理）是一个开源Python框架，用于构建特定领域的AI代理，而无需从头编写编排管道。它声称在真实世界API和网页浏览任务中取得了顶级基准测试结果（AppWorld和WebArena上排名第一）。

它为什么存在

构建企业代理通常意味着需要自己组装代理/工具编排、规划逻辑、安全策略、评估以及成本/性能调优。CUGA将其作为一个可配置的核心提供：您只需插入API、MCP服务器和策略，就能从一个强大的通用代理开始，而不是从零开始。

它如何工作（核心概念）

• AGENT_ORCHESTRATION — 结合成熟的代理模式（规划-执行器、代码行动）与结构化规划和变量管理，处理复杂的多步骤任务。
• TOOL_INTEGRATION — 工具通过OpenAPI规范、MCP服务器、LangChain或普通Python函数连接，因此REST API和自定义协议易于接入。
• POLICIES — 五种策略类型（意图守卫、剧本、工具审批、工具指南、输出格式化器）管理行为，包括对高风险操作的人工审批门。
• KNOWLEDGE (RAG) — 对您的文档（PDF、Office、HTML、Markdown，通过Docling）进行内置检索，范围可以是代理级（共享）或会话级（每对话）。
• AGENT_SKILLS — 将领域工作流打包为SKILL.md文件；代理通过load_skill工具按需加载完整指令，而不会使系统提示膨胀。
• MULTI_AGENT — 监督模式（CugaSupervisor）支持多代理协作。它也可以作为工具暴露给其他代理。
• EVENT_DRIVEN — 可选的第二个服务添加事件驱动触发器：webhooks、cron/poll/push、Slack/Discord/Telegram频道，以及自然语言武装的常驻流程（由人类确认）。

突出特点

• 混合模式：在单个任务中混合API调用和浏览器交互
• 代码生成配置文件（快速 / 平衡 / 准确）
• 反思、工具调用预算和版本化配置发布（草稿 → 发布）
• 通过Helm chart进行Kubernetes自托管
• 使用Langflow进行低代码集成
• 广泛的LLM提供商支持：OpenAI、Azure、Groq、OpenRouter、IBM watsonx、Groq、RITS、watsonx Orchestrate、LiteLLM

开始使用

需要Python 3.12+和uv包管理器。克隆、创建虚拟环境、执行uv sync、在.env中设置API密钥，然后执行cuga start demo_crm --read-only会打开一个本地Web聊天（localhost:7860）。cuga viz启动一个仪表板来检查代理轨迹。