JarvisCore icon

JarvisCore

JarvisCore 是供開發者打造自主多代理系統的開源 Python 框架,提供代理設定檔、點對點協作、持久記憶、憑證隔離、可觀測性與人工審核流程。

JarvisCore

用於自主多代理系統的開源框架

JarvisCore 是供開發者打造自主多代理 AI 系統的開源 Python 框架。它在共用的代理執行環境中整合代理執行、點對點通訊、記憶、憑證處理、人工審核與追蹤,適用於可能在無持續監督下運作的代理。

此框架提供兩種運作模式:AutoAgent 管理認知迴圈,適用於研究、分析、內容工作與資料擷取等任務;CustomAgent 則將執行流程交給開發者,讓其使用純 Python 撰寫 API 工作程式與具決定性的流程。最基本的設定需要 Python 3.10 或更新版本,以及一個已設定的 LLM 提供者;其他功能則可透過選用的套件額外功能與服務啟用。

核心功能

兩種代理設定檔

選擇 AutoAgent,使用由框架管理的觀察、定位、決策與行動迴圈;或選擇 CustomAgent,直接且可預測地控制執行流程。

分層記憶

工作暫存區、情節記錄、壓縮的長期摘要,以及選用的跨工作階段語意記憶,可在重新啟動後保留上下文。可透過 `ATHENA_URL` 連接 Athena MemOS。

點對點協作

代理透過 SWIM gossip 與 ZMQ 上的 PeerClient API 互相探索並傳送訊息,讓節點無需中央協調器即可加入、失效及重新加入。

憑證隔離

Nexus 管理 OAuth2、API 金鑰與基本驗證,讓第三方憑證保持在代理推理流程之外。

營運可觀測性

代理回合、工具呼叫與 LLM 請求會自動追蹤,並提供 Redis PubSub 即時串流、供合規工作流程使用的 JSONL 輸出,以及選用的 Prometheus 指標端點。

人工審核檢查點

HITLQueue 可以暫停超出設定信心門檻的決策,將其傳送至審核收件匣,並在收到人工回應後繼續執行。

實際使用情境

  • 自主研究與分析

    使用 AutoAgent 執行研究與分析任務,設定角色、能力清單與系統提示;設定記憶服務後,還能在不同工作階段之間保留上下文。

  • 具決定性的 API 工作程式

    使用 CustomAgent 以明確的 Python 執行邏輯封裝現有 API 或服務,適合可預測的控制比框架管理的推理更重要的情境。

  • 分散式代理工作流程

    將數個專業代理作為研究或營運網路執行。點對點探索與訊息傳遞讓代理能在單一程序或分散式機器之間協作。

  • 連接工具的業務流程

    透過整合目錄連接服務操作與第三方 API,同時將 OAuth2、API 金鑰與基本驗證保留在 Nexus 憑證層中。

  • 人工監督的自動化

    在需要人工核准特定決策的工作流程中加入審核檢查點,提交回應後再讓代理繼續執行。

Pros and Cons

Pros

  • 同時支援由框架管理的自主代理,以及由開發者控制、具決定性的代理。
  • 提供單一程序或分散式部署的點對點協作,而不要求使用中央協調器。
  • 在同一框架中整合持久記憶、憑證隔離、可觀測性與人在迴圈中的審核。
  • 只需 LLM API 金鑰即可從最精簡的代理開始,基本工作流程可選擇使用 Docker。

Cons

  • 進階功能可能需要選用的 Python 額外套件、外部服務或 Redis、Athena、Nexus 或沙箱等本機基礎架構。
  • 此框架以 Python 為基礎,並需要 Python 3.10 或更新版本。
  • 現有產品資料未說明價格、方案限制、部署保證或團隊支援條款。

FAQ

開始使用 JarvisCore 需要哪些條件?

JarvisCore 需要 Python 3.10 或更新版本。最精簡的代理只需 LLM API 金鑰即可執行;除非使用本機基礎架構或容器化沙箱,否則 Docker 為選用項目。

如何建立第一個代理?

使用 pip 安裝套件,執行 `jarviscore init`,將 `.env.example` 複製為 `.env`,設定一個受支援的 LLM 提供者,然後執行 `jarviscore check`。網站提供使用 `Mesh` 與 `AutoAgent` 建立第一個代理的範例。

AutoAgent 與 CustomAgent 有何不同?

AutoAgent 提供框架完整的認知迴圈,包括 LLM 推理、沙箱化程式碼產生與自我修復。CustomAgent 則公開執行迴圈,讓開發者直接實作具決定性的 Python 邏輯。

JarvisCore 能執行分散式多代理系統嗎?

此框架可以在單一程序中執行代理,也可以跨分散式機器執行。分散式部署使用 SWIM gossip 協定與 ZMQ 傳輸;設定完成後,Redis 可支援分散式工作流程、跨工作階段狀態與點對點路由。

Quick Facts

類別
開發者工具/AI 代理框架
授權模式
開源
主要語言
Python
最低執行環境
Python 3.10 或更新版本
代理設定檔
AutoAgent 與 CustomAgent
基本設定
一個 LLM 提供者金鑰;最精簡的代理可選擇使用 Docker