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
前言
github仓库地址如下：
https ://github. com/camel-ai/camelhttps ://github. com/camel-ai/owl
官方提供的系统架构图如下所示，可以看到OWL是一个多agent架构，useragent和assistantagent不断的交互，去完善问题的答案。assistantagent比较好理解，去调用各种工具解决用户提出的问题，这些工具自己本身也可以是一个agent，比如webagent，采用了ReACT架构，比assistantAgent还要复杂。aserAgent则是人类用户的一个代理，帮助人类用户去监督assistantagent更好的解决问题。
OWL在具体的代码实现上流程更加复杂一些，笔者看的代码入口为：owl\examples\run. py，应该是最简单的一个启动demo了，所有agent使用的模型都是GPT4O，结构图如下所示。
框架中涉及到agent都是通过设置systemprompt告诉他们需要做什么工作的，所有角色的systemprompt在camel/camel/prompts/ai_society. py路径下。
除了上文提到的assiatantagent和useragent不断交互外，在任务开始时候，还有任务改写和任务计划两个环节，这两个环节是非必须的。
任务改写由TaskSpecifyAgent类完成，目的是借助LLM充分理解人类用户的意图，并细化任务，实现原理也很简单，只是去调用一次LLM，没有什么复杂的流程，使用的systemprompt如下。细化后的任务描述会替换掉原来的人类提供的任务描述，供下游UserAgent和AssistantAgent使用。
UserAgent和AssistantAgent之间的交互
本小节笔者用一个例子来展示UserAgent和AssistantAgent之间的交互细节，具体任务如下。由于任务比较简单，没涉及TaskSpecifyAgent和TaskPlannerAgent。
帮我查询一下作家王小波的3部作品
首先看下useragent和assistantagent的systemprompt，这是理解这两个agent需要干什么的核心，也同时给出了中文翻译方便读者阅读。
useragent的systemprompt：
AssistantAgent的SystemPrompt：
1
ROUND1
useragent输入：这块强调了尽量使用工具来回答任务，不然模型会优先用自身知识进行回答。
useragent输出&assistantagent输入
assistantagent输出：assistantagent触发了工具调用，尝试调用duckduckgo搜索工具，但是因为网络问题没有检索成功，最终反馈自己没有检索成功。
2
ROUND2
useragent输入：useragent输入为上一轮assistant的输出，同时agent保存了历史的对话内容，也会一并输入到模型里（这块省略了没有粘贴）。
useragent输出&assistantagent的输入：既然检索失败，useragent指导assistantagent根据自己的内在知识进行回答。
assistantagent的输出：assiantagent根据自身知识回答了王小波的三部作品是啥。
3
ROUND3
useragent输入：round2assistant的输出，同时也有历史的交互记录。
useragent的输出：useragent判断问题已经被成功解答，输出，交互跳出循环。
OWL的agent及工具
1
agent父类的实现
所有的Agent的实现都是继承自ChatAgent类，路径在camel/camel/agents/chat_agent. py。ChatAgent类除了负责调用LLM接口外还主要负责如下两个功能：
ChatHistoryMemory：返回最近的_window_size条（不是轮数）历史对话。
LongtermAgentMemory：结合了ChatHistoryMemory和VectorDBMemory的记忆召回特性，既返回最近时间窗口的内容也返回向量化召回的内容，具体实现如下：
2
agent子类
以ChatAgent为父类的所有agent实现都在camel库的camel/agents路径下，按照功能主要大致分为如下两类：
1. 专门化Agent类：
CriticAgent：专门用于评估和批评响应或解决方案的智能体
EmbodiedAgent：为具身AI场景设计的智能体，能够理解和响应物理世界上下文
KnowledgeGraphAgent：专门构建和利用知识图谱进行增强推理的智能体
MCPAgent：支持ModelContextProtocol的智能体
RepoAgent：用于代码仓库操作的智能体
RoleAssignmentAgent：负责角色分配的智能体
SearchAgent：专注于信息检索和搜索任务的智能体
2. 任务管理Agent类：
TaskCreationAgent：任务创建智能体
TaskPlannerAgent：任务规划智能体
TaskPrioritizationAgent：任务优先级排序智能体
TaskSpecifyAgent：任务细化智能体
3
工具组件
OWL的工具组件在camel/camel/toolkits路径下实现，大致可分为以下11类，各家agent框架整体流程花样并不多，效果的核心壁垒主要在于工具性能是否强大，可以看到camel-ai提供的工具组件非常全面：
1. 搜索与网络工具：
SearchToolkit：支持多种搜索引擎（Google、DuckDuckGo、Wikipedia、Bing、百度、WolframAlpha）
BrowserToolkit：网页浏览和交互，包括浏览器模拟和内容提取
SearxNGToolkit：基于SearxNG的搜索工具
BrowserNonVisualToolkit：非可视化浏览器工具
Crawl4AIToolkit：网页爬取工具
2. 学术研究工具
ArxivToolkit：与arXivAPI交互，搜索和下载学术论文
GoogleScholarToolkit：从GoogleScholar检索作者和出版物信息
SemanticScholarToolkit：与SemanticScholarAPI交互获取论文和作者数据
PubMedToolkit：与PubMed的E-utilitiesAPI交互访问MEDLINE数据
3. 开发与代码工具
CodeExecutionToolkit：代码执行，支持多种沙箱环境（Python、Jupyter、Docker、subprocess、e2b）
GitHubToolkit：与GitHub仓库交互，包括检索issues和创建pullrequests
TerminalToolkit：终端操作，如按名称或内容搜索文件、执行shell命令
OpenAPIToolkit：处理OpenAPI规范和RESTAPIs
4. 社交媒体与通信工具
TwitterToolkit：Twitter操作，包括创建推文、删除推文和检索用户资料
LinkedInToolkit：LinkedIn操作，包括创建帖子、删除帖子和检索用户资料
SlackToolkit：Slack操作，包括创建频道、加入频道和管理频道成员
WhatsAppToolkit：与WhatsAppBusinessAPI交互
RedditToolkit：Reddit操作，包括收集热门帖子、评论情感分析
5. 文档处理工具
ExcelToolkit：从Excel文件提取和处理内容，包括转换为markdown表格
PPTXToolkit：创建和操作PowerPoint文件，包括添加幻灯片、文本和图像
FileWriteToolkit：创建、写入和修改文本文件
MinerUToolkit：使用MinerUAPI提取和处理文档内容，支持OCR、公式识别和表格检测
MarkItDownToolkit：文档转换工具
6. AI与多媒体工具
DalleToolkit：使用OpenAI的DALL-E模型生成图像
ImageAnalysisToolkit：使用视觉语言模型进行综合图像分析和理解
VideoAnalysisToolkit：使用视觉语言模型分析视频内容，包括帧提取和视频问答
AudioAnalysisToolkit：音频处理和分析，包括转录和音频内容问答
VideoDownloaderToolkit：下载视频并可选择分割成块
7. 数据分析与计算工具
MathToolkit：执行基本数学运算，如加法、减法和乘法
SymPyToolkit：使用SymPy进行符号计算，包括代数操作、微积分和线性代数
NetworkXToolkit：使用NetworkX库进行图操作和分析
OpenBBToolkit：通过OpenBB平台访问和分析金融市场数据
DataCommonsToolkit：查询和检索DataCommons知识图谱数据
8. 云服务与API集成工具
GoogleMapsToolkit：访问GoogleMaps服务，包括地址验证、海拔数据和时区信息
GoogleCalendarToolkit：创建、检索、更新和删除Google日历事件
NotionToolkit：使用NotionAPI从Notion页面和工作区检索信息
StripeToolkit：通过Stripe处理支付和管理金融交易
ZapierToolkit：与Zapier的NLAAPI交互，通过自然语言命令执行操作
9. 新闻与信息工具
AskNewsToolkit：使用AskNewsAPI根据用户查询获取新闻、故事和其他内容
DappierToolkit：搜索实时数据并获取跨关键垂直领域的AI推荐
WeatherToolkit：使用OpenWeatherMapAPI获取城市天气数据
10. 协议与框架工具
MCPToolkit：使用ModelContextProtocol与外部工具交互
RetrievalToolkit：基于指定查询从本地向量存储系统检索信息
MemoryToolkit：保存、加载和清除ChatAgent的记忆
HumanToolkit：促进AI系统中的人机交互和反馈
11. 专业化工具
MeshyToolkit：处理3D网格数据和操作
JinaRerankerToolkit：基于与给定查询的相关性对文档进行重新排序
KlavisToolkit：与KavisAI的API交互创建远程托管的生产就绪MCP服务器
2. planning_agent：用于计划浏览器的操作步骤，使用的systemprompt如下：
除此之外，在交互流程上，BrowserToolkit使用了ReAct框架，主流程中的useragent和assistantagent都没有实现的这么复杂。
进技术交流群请添加AINLP小助手微信（id:ainlp2)
请备注具体方向+所用到的相关技术点
关于AINLP
AINLP是一个有趣有AI的自然语言处理社区，专注于AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括LLM、预训练模型、自动生成、文本摘要、智能问答、聊天机器人、机器翻译、知识图谱、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLP小助手微信(id：ainlp2)，备注工作/研究方向+加群目的。
