agentmaker¶

一个通用的 Python 框架，用于构建 LLM Agent（大模型智能体）与多 agent 系统，内置工具（tool）、记忆、检索 / RAG（Retrieval-Augmented Generation，检索增强生成，即先检索资料再让模型作答）、上下文工程、护栏、human-in-the-loop（HITL，人在回路，即关键步骤交由人工确认）以及可观测性。

安装¶

pip install agentmaker            # core batteries, works out of the box
pip install "agentmaker[all]"     # every optional capability

需要 Python 3.12+。完整的可选附加项矩阵见安装。

30 秒示例¶

无需任何配置即可运行（无需 API key，无需联网），与 examples/01_quickstart.py 中随包提供的代码完全一致：

from agentmaker import Agent, tool
from agentmaker.testing import ScriptedLLM


@tool
def get_weather(city: str) -> str:
    """Return today's weather for a city.

    Args:
        city: The city name.
    """
    return f"{city}: sunny, 24C"


# With a real model the LLM decides when to call the tool. Here we script that decision:
# first it asks to call get_weather(city="Copenhagen"), then it writes the final answer.
llm = ScriptedLLM([
    ScriptedLLM.tool_call("get_weather", {"city": "Copenhagen"}),
    "It's sunny and 24C in Copenhagen today.",
])

agent = Agent("assistant", llm, tools=[get_weather])
result = agent.run("What's the weather in Copenhagen?")
print(result.final_output)

要使用真实模型，把 ScriptedLLM(...) 换成 LLMClient("deepseek")（或 "openai" / "anthropic" / "gemini"），并在环境中设置对应的 API key；此后由模型自己决定何时调用工具。

下一步去哪里¶

初次接触？从快速开始开始。
从指南中挑一个能力：LLM 客户端、Agent 与工作流、工具、结构化输出、记忆、检索与 RAG、上下文工程、护栏与人在回路、可观测性、提示词注册表、技能。
在 API 参考（由英文源码 docstring 生成）中查阅确切的函数签名。

版本策略¶

1.0 之前：次版本号可能引入破坏性变更，修订版本号只做修复。请锁定 agentmaker>=0.1,<0.2。参见更新日志。

许可证¶

MIT。