Manus开源复现OpenManus：开源AI Agent框架的深度解析与探索
仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
点击“蓝字”关注我们
一、OpenManus诞生的背景与契机
近期，功能强大且使用灵活的AI智能体Manus（ManusAI：全面概述）引发广泛关注，其强大的功能和灵活的使用方式吸引了众多开发者和研究人员的目光。然而，使用Manus需要邀请码，这一限制将许多人拒之门外。在开源精神的驱动下，开源社区迅速做出回应，MetaGPT团队的几位成员仅用三个小时便构建出OpenManus项目。它无需邀请码，就能实现与Manus相似的功能，为AI智能体开发带来了新的活力与可能，也为广大开发者提供了一个绝佳的学习和实践平台。
OpenManus采用模块化架构设计，这种设计理念带来了高代码可复用性、强扩展性以及清晰的职责划分。其主要包含以下几个核心组件：Agent（代理层）、LLM（语言模型层）、Memory（记忆层）、Tool（工具层）、Flow（工作流层）和Prompt（提示层）。各组件相互协作，如同精密机器中的各个零件，共同构建起一个功能完备的AI智能体（AgenticAI四大设计模式：引领智能系统进化之路）框架。
这是一个层次分明的结构，从基础的BaseAgent抽象类开始构建。BaseAgent定义了智能体的核心属性和方法，如名称、描述、系统提示、语言模型实例、记忆存储等，为整个智能体框架奠定了基础。ReActAgent在此基础上实现了“Think-Act”模式，将智能体的执行过程分为思考和行动两个阶段，使智能体能够根据当前状态进行决策并执行相应动作。ToolCallAgent进一步扩展，赋予智能体使用工具的能力，它可以调用各种外部工具来完成复杂任务。而像PlanningAgent、SWEAgent（软件工程能力代理）和Manus（通用代理）等专业化代理则基于ToolCallAgent，分别实现了任务规划、软件工程相关功能以及集成多种工具和能力，以处理更广泛的用户请求。
作为智能体的“大脑”，LLM类负责理解用户输入、生成回复并做出决策。它通过单例模式进行初始化，确保在整个应用中语言模型的一致性。OpenManus支持多种语言模型，开发者可以根据需求选择合适的模型，并通过配置文件进行参数设置，如模型名称、最大令牌数、温度系数等。LLM类提供了ask和ask_tool两个核心方法，ask用于发送常规对话请求，ask_tool则用于发送带有工具调用的请求，使智能体能够根据任务需求调用外部工具，大大增强了其处理复杂任务的能力。
Memory组件负责存储和管理智能体的对话历史，确保上下文的连贯性。它通过一个简单而有效的数据结构——消息列表来存储对话消息，并提供了添加消息和获取所有消息的方法。Memory与Agent通过BaseAgent的update_memory方法紧密集成，每当有新的消息产生（无论是用户输入、系统回复还是工具调用结果），都可以及时添加到记忆中，以便智能体在后续的交互中能够参考历史信息，做出更合理的决策。
工具是智能体与外部世界交互的接口，OpenManus基于BaseTool实现了一个灵活的工具系统。BaseTool定义了工具的基本属性，如名称、描述和参数，同时提供了执行工具和将工具转换为函数调用格式的方法。开发者可以根据实际需求继承BaseTool类，实现各种专业化工具。例如，PlanningTool用于创建、更新和管理解决复杂任务的计划；PythonExecute可以执行Python代码，实现与计算机系统的交互、数据处理和自动化任务；GoogleSearch用于进行网络信息检索；BrowserUseTool则支持打开、浏览和使用网络浏览器。这些工具极大地拓展了智能体的功能边界，使其能够处理各种实际场景中的任务。
Flow组件用于管理多个Agent的协作，实现更复杂的任务处理工作流程。BaseFlow作为工作流的基类，定义了执行流的基本结构，包括管理多个Agent的字典、工具列表以及主要Agent的键。具体的PlanningFlow则是针对规划和执行任务的工作流实现，它利用多个Agent协同工作，创建初始计划，按步骤执行计划，并在执行过程中根据任务需求动态选择合适的执行器，确保任务的顺利完成。
提示在构建智能体系统中起着至关重要的作用，它定义了智能体的行为模式，引导其决策过程和工具使用。系统提示为智能体提供了基本的角色定义和行为准则，例如，告诉智能体它是一个全能的AI助手，能够处理各种任务，并可以使用各种工具来完成这些任务。规划提示指导智能体如何分解复杂任务并创建执行计划，详细说明了智能体在规划过程中的职责和使用工具的方法。工具使用提示则向智能体介绍每个工具的功能和使用场景，帮助智能体在面对不同任务时选择最合适的工具或工具组合。此外，OpenManus还支持动态提示生成，根据智能体的当前状态（如当前计划状态）动态调整提示内容，使智能体能够做出更符合实际情况的决策。
OpenManus的Agent采用分层架构，从基础到专业逐步扩展能力。
作为整个框架的基础，BaseAgent为智能体提供了基本的状态管理和执行循环。它定义了智能体的基本属性和方法，如名称、描述、系统提示、语言模型实例、记忆存储、当前状态以及执行控制参数（如最大步骤数和当前步骤数）。这些属性和方法为智能体的运行提供了必要的基础支持，确保智能体能够在一个统一的框架下进行管理和执行任务。
ReActAgent实现了“Think-Act”模式，这是一种将智能体的执行过程清晰划分为思考和行动两个阶段的有效模式。在思考阶段，智能体根据当前的状态和任务需求，分析并决定下一步的行动方案；在行动阶段，智能体执行思考阶段确定的行动，并根据执行结果更新自身状态。这种模式使得智能体的决策过程更加清晰和可理解，有助于提高智能体的执行效率和准确性。
ToolCallAgent在ReActAgent的基础上，增加了使用工具的能力。它通过与LLM的交互，获取工具调用的信息，并根据这些信息调用相应的工具来完成任务。在思考阶段，ToolCallAgent向LLM发送包含工具信息的请求，获取工具调用的指令；在行动阶段，它根据指令执行相应的工具，并将工具执行结果返回给LLM，以便进一步处理。这种方式使得智能体能够借助外部工具的强大功能，处理更加复杂和多样化的任务。
PlanningAgent专注于任务规划和执行跟踪。它利用PlanningTool创建和管理结构化计划，将复杂任务分解为一系列可管理的步骤，并跟踪每个步骤的执行进度。在思考阶段，PlanningAgent根据当前计划状态和任务需求，决定下一步的行动；在行动阶段，它执行相应的工具或操作，并更新计划状态和执行进度。通过这种方式，PlanningAgent能够有效地处理复杂任务，确保任务按照预定计划顺利进行。
Manus作为OpenManus的核心代理，集成了多种强大的工具和能力。它不仅具备PlanningAgent的任务规划能力，还整合了Python执行、网络浏览、文件操作和信息检索等多种功能。这使得Manus能够处理广泛的用户请求，无论是编程任务、信息查询，还是文件处理和网页浏览等，都能轻松应对。
提示在OpenManus中扮演着不可或缺的角色，它是塑造智能体行为和决策的关键因素。不同类型的提示各司其职，共同引导智能体完成各种任务。
系统提示为智能体提供了基本的角色定义和行为准则。通过系统提示，智能体了解自己的身份和任务范围，例如，OpenManus的系统提示告知智能体它是一个全能的AI助手，能够解决用户提出的任何任务，并可以使用各种工具来高效完成复杂请求。这种角色定义为智能体的行为提供了基本框架，使其在与用户交互时能够明确自己的职责和能力边界。
规划提示指导智能体如何分解复杂任务并创建执行计划。在面对复杂任务时，智能体依据规划提示，分析任务范围，使用PlanningTool创建清晰、可操作的计划。规划提示还详细说明了智能体在执行计划过程中的职责，如使用可用工具执行步骤、跟踪进度并动态调整计划等。通过规划提示，智能体能够有条不紊地处理复杂任务，提高任务执行的效率和成功率。
工具使用提示向智能体介绍每个工具的功能和使用场景，帮助智能体在面对不同任务时选择最合适的工具或工具组合。在处理任务时，智能体根据工具使用提示，结合用户需求，主动选择最适合的工具，并在使用工具后清晰地解释执行结果，提出下一步的建议。这种提示方式使得智能体能够充分利用各种工具的优势，更高效地完成任务。
OpenManus支持动态提示生成，根据智能体的当前状态（如当前计划状态）动态调整提示内容。在PlanningAgent中，系统会将当前计划状态动态注入到提示中，使智能体能够根据当前计划的实际情况做出更合适的决策。这种动态提示机制增强了智能体的决策适应性，使其能够更好地应对复杂多变的任务环境。
任务规划与执行是OpenManus的核心功能之一，通过PlanningAgent和相关组件的协同工作来实现。
PlanningTool为PlanningAgent提供了创建、更新和跟踪计划的功能。PlanningAgent利用PlanningTool分析任务需求，创建结构化计划，并将计划分解为具体的步骤。在创建计划时，PlanningAgent根据任务的复杂程度和需求，合理安排每个步骤的执行顺序和依赖关系，确保计划的可行性和有效性。
在计划执行过程中，PlanningAgent会根据任务的实际进展和反馈信息，动态调整计划。如果某个步骤执行失败或出现意外情况，PlanningAgent会重新评估任务状态，调整后续步骤的执行顺序或选择其他合适的工具来完成任务。这种动态调整机制使得OpenManus能够在面对复杂多变的任务环境时，保持较高的执行效率和成功率。
PlanningAgent通过跟踪每个步骤的执行状态，确保任务按计划顺利进行。它记录每个步骤的开始时间、结束时间、执行结果等信息，以便及时发现问题并进行调整。当所有步骤都成功执行完毕时，PlanningAgent判断任务完成，并返回最终结果。这种严格的步骤状态跟踪和任务完成判断机制，保证了任务执行的完整性和准确性。
在软件开发过程中，OpenManus可以扮演多种角色。它可以作为代码生成助手，根据用户的需求描述，自动生成相应的代码框架和部分实现代码。在开发一个Web应用时，OpenManus可以根据用户对功能模块的描述，使用PythonExecute工具生成Flask或Django框架的基础代码结构，并添加必要的路由和视图函数。OpenManus还能协助进行代码审查，通过分析代码的逻辑结构和规范遵循情况，使用相关的代码分析工具（如Pylint等，可通过自定义工具扩展实现），发现潜在的问题和优化点，并提供改进建议。
OpenManus在信息检索和知识管理方面具有强大的能力。它可以利用GoogleSearch工具，快速准确地从海量的网络信息中检索出用户需要的内容，并对检索结果进行整理和分析，以更清晰的方式呈现给用户。在学术研究场景中，研究人员可以向OpenManus提出关于特定领域的研究问题，OpenManus通过检索学术数据库、相关论文和研究报告，为研究人员提供全面的信息综述和参考资料。OpenManus还可以将检索到的信息进行整理和分类，存储在本地知识库中，方便用户后续查询和使用，实现知识的有效管理。
OpenManus能够自动化处理各种重复性、规律性的任务。在数据处理领域，用户可以向OpenManus描述数据处理的需求，如数据清洗、转换和分析任务。OpenManus使用PythonExecute工具编写相应的Python代码，实现数据的自动化处理。它可以读取和处理各种格式的数据文件（如CSV、Excel等），进行数据清洗（去除重复数据、处理缺失值等），执行数据转换操作（如数据标准化、编码转换等），并进行数据分析（如统计分析、相关性分析等），大大提高了数据处理的效率和准确性。
OpenManus作为一个开源的AI智能体框架（探索HuggingFace’sSmolagents：简化Agent开发的新利器（含代码）），为开发者和研究人员提供了宝贵的学习资源和实践平台。它的出现，降低了AI智能体开发的门槛，使得更多人能够参与到智能体的开发和研究中来。通过学习OpenManus的架构和实现细节，开发者可以更好地理解AI智能体的工作原理和设计理念，掌握构建高效智能体系统的关键技术。
