agentenv/agentflow

解決的問題

AgentFlow 提供了一種將多個 AI 代理（例如 Codex、Claude、Kimi 和 Pi）編排為複雜工作流程的方法。它解決了管理代理依賴關係、並行執行（扇出）、建立迭代反饋迴圈，以及在從本地 Docker 容器到遠端雲端實例等多樣環境中執行這些代理的困難。

工作原理

使用者使用 Python API 定義依賴圖，其中節點代表代理任務，邊則定義執行順序。系統支援：

• 並行性：fanout 函數可建立節點的多個副本以處理清單或字典資料，隨後可透過 merge 進行合併。
• 迭代循環：on_failure 機制允許節點在滿足特定成功條件（例如輸出中包含特定字串）前，循環返回到先前步驟。
• 彈性執行：代理可部署至多種「目標」，包括 Docker 容器、KVM 虛擬機（透過 Cloud Hypervisor）、SSH、EC2 或 ECS Fargate。
• 模型路由：透過 pi 代理，可將請求路由至各種外部提供者（OpenAI、Anthropic、Groq 等）或本地端點（Ollama、LMStudio）。
• 基礎設施管理：與 SkyPilot 集成，可自動在雲端 GPU 上啟動 vLLM 或 SGLang 推理端點。

適用對象

專為需要建構複雜任務（如自動程式碼審查、漏洞發現或大規模資料處理）的多代理流程之開發者與研究人員設計，適用於需要隔離性與可擴展性的場景。

主要亮點

• 多樣化的執行目標：支援 Docker、Cloud Hypervisor（KVM）、SSH、EC2 和 ECS。
• 高階圖控管：內建對並行扇出、批次合併與迭代循環的支援。
• 優化代理演化：可利用成功執行的追蹤資料，演化並建立可重用的優化代理。
• 雲端 GPU 集成：與 SkyPilot 直接整合，實現推理伺服器的自動部署。
• 共享狀態：包含一個「便條板」，供圖中所有代理共享記憶體。