Evolving Agents

什么是 Evolving Agents Framework？

Evolving Agents Framework 是一个用于代理自主性、进化和治理的工具包。它允许创建能够理解需求、通过经验进化、有效沟通，并能在治理约束下构建新代理和工具的AI代理系统。不同于传统由人类主导的AI代理管理方式，这一框架强调 “代理构建代理”，推动AI生态的自我发展和治理。

Evolving Agents的核心特性

• 自主进化：代理能从经验中学习并自我改进，无需人为干预。
• 代理自发现：代理可以识别并协作其他专业代理，以解决复杂问题。
• 治理固件：内置可执行的安全边界，确保代理在可控范围内发展。
• 自构建系统：当现有工具无法满足需求时，代理可创建新工具或新代理。
• 面向代理的架构：构建适用于代理之间协作的能力，而不仅仅是人类开发者的需求。

相比于传统的AI代理框架，Evolving Agents Framework 不再局限于人类直接控制，而是通过现有的框架（如 BeeAI）扩展代理的自主性、进化能力和自我治理能力，从而实现更高级别的AI自主系统。

Evolving Agents的应用场景

1. 文档处理：构建专门的代理来解析和分析不同类型的文档，如发票、合同、报告等。
2. 医疗健康：让AI代理在医生、药房和保险代理之间协作，提高患者护理效率。
3. 金融分析：投资组合管理代理与市场分析代理协作，提供智能金融建议。
4. 客户服务：代理系统可自动路由客户请求，并委派给不同的专业支持代理。
5. 多步推理：将复杂问题拆解为多个子任务，由多个专业代理分别处理。

主要功能

• 智能代理进化：工具内置逻辑，决定何时复用、进化或创建新组件。
• 代理间通信：代理通过能力（capabilities）而非直接引用进行交互。
• 智能库与语义搜索：基于 OpenAI 嵌入技术的组件搜索系统，带决策逻辑。
• 多策略进化：
  • 标准进化：保持核心功能的同时添加新特性。
  • 保守进化：最小化改动，确保兼容性。
  • 激进进化：优化以满足新需求。
  • 领域适应：针对不同领域进行调整。
• 人类可读的YAML工作流：定义复杂的代理协作方式，支持版本控制。
• 多框架支持：兼容 BeeAI、OpenAI 及其他代理框架。
• 治理机制：通过固件强制执行特定领域规则。
• 代理总线架构：统一代理通信系统，支持可插拔后端。

快速开始

# 克隆代码库
git clone https://github.com/yourusername/evolving-agents-framework.git
cd evolving-agents-framework

# 安装依赖
pip install -r requirements.txt
pip install -e .

# 设置代理库
python examples/setup_simplified_agent_library.py

# 运行纯 ReAct 代理演示
python examples/pure_react_system_agent.py

示例演示

Demo 1: 带嵌入决策逻辑的搜索

• 相似度 ≥ 0.8：推荐复用现有组件。
• 0.4 ≤ 相似度 < 0.8：推荐进化现有组件。
• 相似度 < 0.4：推荐创建新组件。

Demo 2: 代码生成

• 代理可自动选择框架、管理元数据，并生成代码组件。

Demo 3: 代理进化

• 通过不同策略优化代理功能，满足变化的需求。

Demo 4: 完整工作流

• 代理搜索组件 → 进行决策 → 创建/进化组件 → 代理总线注册 → 处理文档。

代码示例

# 初始化系统代理
llm_service = LLMService(provider="openai", model="gpt-4o")
library = SmartLibrary("library.json")
agent_bus = SimpleAgentBus()

# 创建纯 BeeAI ReActAgent
system_agent = await SystemAgentFactory.create_agent(
    llm_service=llm_service,
    smart_library=library,
    agent_bus=agent_bus,
    memory_type="token"
)

# 处理发票文档
response = await system_agent.run("""
I have an invoice that needs processing:

INVOICE #12345
Date: 2023-05-15
Vendor: TechSupplies Inc.
Total Due: $1,822.80

Please search for relevant components, decide whether to reuse, evolve, or 
create new components, and then process this invoice.
""")

print(response.result.text)

Evolving Agents的目标用户

• AI 研究者：探索代理自主性和进化的新方法。
• 开发者：构建智能代理系统，并提升自动化能力。
• 企业：应用AI代理以优化业务流程，如文档处理、客户支持、数据分析等。
• 数据科学家：在多步推理和数据处理任务中，利用代理来协作分析数据。

Evolving Agents的优势

✅ 自主性高：代理能进化、发现新工具，并自动适应任务。
✅ 治理机制完善：可设置严格的安全边界，确保AI发展在可控范围内。
✅ 可扩展性强：支持多个AI代理框架，能无缝集成进现有系统。
✅ 智能化程度高：具备智能搜索、决策和多策略进化能力。

替代工具推荐

1. AutoGPT – 具备自动任务执行能力的AI代理框架。
2. LangChain – 适用于构建基于 LLM 的AI代理。
3. CrewAI – 强调AI代理协作的框架。
4. BeeAI – 提供智能 ReAct 代理，Evolving Agents也基于此框架。

许可协议

本项目采用 Apache v2.0 许可协议，可自由使用、修改和分发。

社区贡献

欢迎开发者提交 Pull Request，共同改进 Evolving Agents Framework！

AI点评 🔎

Evolving Agents Framework代表了AI代理发展的新趋势——代理自治、进化和治理。它不仅让代理具备自主学习和优化能力，还确保其在安全的治理框架内运行。对于希望探索AI 代理自我进化的研究者和开发者而言，这是一个值得关注的开源框架。