tsinghua-fib-lab/AgentSociety

它解决了什么问题

AgentSociety 提供了一个框架，用于使用基于大语言模型（LLM）的智能体模拟复杂的社会互动和城市环境。它允许研究人员创建可执行的社会科学实验，通过模拟多个智能体在结构化环境中的交互，以理解人类行为和社会模式。

它如何工作

该系统采用模块化架构，将智能体视为由 Ray 任务驱动的无状态记录，以实现可扩展的执行。在现代的 v2 版本中，它使用 ServiceProxy 来管理环境句柄、LLM 客户端和追踪功能。它支持多种推理模式——如 CodeGen、ReAct 和 Plan-Execute，并集成了模型上下文协议（MCP）以实现工具扩展性。旧版 v1 版本专注于基于 gRPC 的城市规模模拟和环境集成。

适合谁使用

主要面向希望对城市环境或研究工作流进行大规模基于智能体模拟的社会科学研究人员和 AI 开发者。

主要亮点

• 可扩展执行：使用 Ray 实现分布式计算，以处理城市规模的模拟。
• 原生 LLM 设计：专为 LLM 驱动的智能体设计，支持多种推理路由。
• 研究专用技能：内置文献检索、假设生成和论文撰写等功能。
• 实验重放：支持基于目录的 JSONL 重放和由 DuckDB 驱动的分布式追踪。
• 模块化环境：支持热插拔工具和灵活的环境组件。