autogpt-agents

AutoGPT - 自主 AI Agent 平台

通过可视化界面或开发工具包构建、部署和管理持续运行的 AI Agent 的综合平台。

何时使用 AutoGPT

在以下情况下使用 AutoGPT：

• 构建持续运行的自主 Agent
• 创建基于可视化工作流的 AI Agent
• 部署带外部触发（webhook、定时任务）的 Agent
• 构建复杂的多步骤自动化流水线
• 需要无代码/低代码的 Agent 构建器

主要功能：

• 可视化 Agent 构建器：拖拽式基于节点的工作流编辑器
• 持续执行：Agent 通过触发器持久运行
• 市场：可共享/复用的预构建 Agent 和区块
• 区块系统：用于大模型、工具、集成的模块化组件
• Forge 工具包：用于创建自定义 Agent 的开发者工具
• 基准测试系统：标准化的 Agent 性能测试

在以下情况下改用其他方案：

• LangChain/LlamaIndex：如果你需要对 Agent 逻辑有更多控制
• CrewAI：用于基于角色的多 Agent 协作
• OpenAI Assistants：用于简单的托管式 Agent 部署
• Semantic Kernel：用于 Microsoft 生态集成

快速开始

安装（Docker）

# Clone repository
git clone https://github.com/Significant-Gravitas/AutoGPT.git
cd AutoGPT/autogpt_platform

# Copy environment file
cp .env.example .env

# Start backend services
docker compose up -d --build

# Start frontend (in separate terminal)
cd frontend
cp .env.example .env
npm install
npm run dev

访问平台

• 前端 UI：http://localhost:3000
• 后端 API：http://localhost:8006/api
• WebSocket：ws://localhost:8001/ws

架构概览

AutoGPT 有两个主要系统：

AutoGPT 平台（生产环境）

• 带 React 前端的可视化 Agent 构建器
• 带执行引擎的 FastAPI 后端
• PostgreSQL + Redis + RabbitMQ 基础设施

AutoGPT Classic（开发环境）

• Forge：Agent 开发工具包
• Benchmark：性能测试框架
• CLI：用于开发的命令行界面

核心概念

图和节点

Agent 表示为包含由链接连接的节点的图：

Graph (Agent)
  ├── Node (Input)
  │   └── Block (AgentInputBlock)
  ├── Node (Process)
  │   └── Block (LLMBlock)
  ├── Node (Decision)
  │   └── Block (SmartDecisionMaker)
  └── Node (Output)
      └── Block (AgentOutputBlock)

区块

区块是可复用的功能组件：

区块类型	用途
INPUT	Agent 入口点
OUTPUT	Agent 输出
AI	大模型调用、文本生成
WEBHOOK	外部触发
STANDARD	通用操作
AGENT	嵌套 Agent 执行

执行流程

User/Trigger → Graph Execution → Node Execution → Block.execute()
     ↓              ↓                 ↓
  Inputs      Queue System      Output Yields

构建 Agent

使用可视化构建器

1. 打开 Agent 构建器，地址为 http://localhost:3000
2. 从 BlocksControl 面板添加区块
3. 连接节点，在句柄之间拖拽
4. 在每个节点中配置输入
5. 运行 Agent，使用 PrimaryActionBar

可用区块

AI 区块：

• AITextGeneratorBlock - 使用大模型生成文本
• AIConversationBlock - 多轮对话
• SmartDecisionMakerBlock - 条件逻辑

集成区块：

• GitHub、Google、Discord、Notion 连接器
• Webhook 触发器和处理器
• HTTP 请求区块

控制区块：

• 输入/输出区块
• 分支和决策节点
• 循环和迭代区块

Agent 执行

触发类型

手动执行：

POST /api/v1/graphs/{graph_id}/execute
Content-Type: application/json

{
  "inputs": {
    "input_name": "value"
  }
}

Webhook 触发：

POST /api/v1/webhooks/{webhook_id}
Content-Type: application/json

{
  "data": "webhook payload"
}

定时执行：

{
  "schedule": "0 */2 * * *",
  "graph_id": "graph-uuid",
  "inputs": {}
}

监控执行

WebSocket 更新：

const ws = new WebSocket('ws://localhost:8001/ws');

ws.onmessage = (event) => {
  const update = JSON.parse(event.data);
  console.log(`Node ${update.node_id}: ${update.status}`);
};

REST API 轮询：

GET /api/v1/executions/{execution_id}

使用 Forge（开发）

创建自定义 Agent

# Setup forge environment
cd classic
./run setup

# Create new agent from template
./run forge create my-agent

# Start agent server
./run forge start my-agent

Agent 结构

my-agent/
├── agent.py          # Main agent logic
├── abilities/        # Custom abilities
│   ├── __init__.py
│   └── custom.py
├── prompts/          # Prompt templates
└── config.yaml       # Agent configuration

实现自定义能力

from forge import Ability, ability

@ability(
    name="custom_search",
    description="Search for information",
    parameters={
        "query": {"type": "string", "description": "Search query"}
    }
)
def custom_search(query: str) -> str:
    """Custom search ability."""
    # Implement search logic
    result = perform_search(query)
    return result

Agent 基准测试

运行基准测试

# Run all benchmarks
./run benchmark

# Run specific category
./run benchmark --category coding

# Run with specific agent
./run benchmark --agent my-agent

基准测试类别

• 编码：代码生成和调试
• 检索：信息查找
• Web：网页浏览和交互
• 写作：文本生成任务

VCR 录像带

基准测试使用录制的 HTTP 响应以保证可复现性：

# Record new cassettes
./run benchmark --record

# Run with existing cassettes
./run benchmark --playback

集成

添加凭据

1. 导航至 Profile > Integrations
2. 选择提供商（OpenAI、GitHub、Google 等）
3. 输入 API 密钥或授权 OAuth
4. 凭据会被加密并安全存储

在区块中使用凭据

区块会自动访问用户凭据：

class MyLLMBlock(Block):
    def execute(self, inputs):
        # Credentials are injected by the system
        credentials = self.get_credentials("openai")
        client = OpenAI(api_key=credentials.api_key)
        # ...

支持的提供商

提供商	身份验证类型	使用场景
OpenAI	API Key	大模型、嵌入
Anthropic	API Key	Claude 模型
GitHub	OAuth	代码、仓库
Google	OAuth	Drive、Gmail、Calendar
Discord	Bot Token	消息传递
Notion	OAuth	文档

部署

Docker 生产环境设置

# docker-compose.prod.yml
services:
  rest_server:
    image: autogpt/platform-backend
    environment:
      - DATABASE_URL=postgresql://...
      - REDIS_URL=redis://redis:6379
    ports:
      - "8006:8006"

  executor:
    image: autogpt/platform-backend
    command: poetry run executor

  frontend:
    image: autogpt/platform-frontend
    ports:
      - "3000:3000"

环境变量

变量	用途
DATABASE_URL	PostgreSQL 连接
REDIS_URL	Redis 连接
RABBITMQ_URL	RabbitMQ 连接
ENCRYPTION_KEY	凭据加密
SUPABASE_URL	身份验证

生成加密密钥

cd autogpt_platform/backend
poetry run cli gen-encrypt-key

最佳实践

1. 从简单开始：先使用 3-5 个节点 Agent
2. 逐步测试：每次更改后都运行并测试
3. 使用 Webhook：为事件驱动的 Agent 配置外部触发器
4. 监控成本：通过额度系统跟踪大模型 API 使用情况
5. 为 Agent 设置版本：更改前保存可用版本
6. 进行基准测试：使用 agbenchmark 验证 Agent 质量

常见问题

服务无法启动：

# Check container status
docker compose ps

# View logs
docker compose logs rest_server

# Restart services
docker compose restart

数据库连接问题：

# Run migrations
cd backend
poetry run prisma migrate deploy

Agent 执行卡住：

# Check RabbitMQ queue
# Visit http://localhost:15672 (guest/guest)

# Clear stuck executions
docker compose restart executor

参考资料

• 高级用法 - 自定义块、部署、扩展
• 故障排除 - 常见问题、调试

资源

• 文档：https://docs.agpt.co
• 代码仓库：https://github.com/Significant-Gravitas/AutoGPT
• Discord：https://discord.gg/autogpt
• 许可证：MIT（Classic）/ Polyform Shield（Platform）

Agent 操作流程

1. 检查环境。 确认框架版本、模型提供商、API 密钥和速率限制。
2. 明确输入。 确认数据或用户提供的格式、标识符和参数。任何会改变结果的值都应询问，而不是猜测。
3. 先运行小规模版本。 使用已知输入测试单次调用或链，并检查原始输出。
4. 使用上述说明和参考资料执行完整任务。
5. 验证结果。 在小型标注集上评估；根据架构检查结构化输出；记录提示词和响应。
6. 报告。 说明运行了什么（版本、命令、参数）、检查了什么，以及还有哪些不确定之处。

如果发生这种情况	请这样做
输出与预期架构不符	添加验证和重试，收紧架构，或简化提示词。
这些说明中的函数、标志或端点在已安装版本中不存在	查看已安装版本自己的文档（help()、--help、官方文档），进行适配并告知用户。切勿编造 API。
所需输入、标识符或参数含义不明确	询问用户，或在运行前明确说明假设。

完整性规则

• 切勿捏造结果、参数、标识符、引文或统计数据。如果无法运行或验证某项内容，请如实说明。
• 未经用户同意，切勿将私人或敏感数据发送到外部 API。
• 此处的特定版本信息可能已过时：请根据已安装版本的官方文档进行确认。
• 对于会产生费用、占用共享 GPU 或云配额、涉及个人或患者数据，或无法撤销的操作，必须先征求同意。

相关技能

• langchain：用于构建由大模型驱动、包含 Agent、链和 RAG 的应用程序框架。
• crewai-multi-agent：用于自主 AI 协作的多 Agent 编排框架。
• evolving-ai-agents：提供指导，帮助使用大模型驱动的演化算法，在任何领域自动演进和优化 AI Agent。