引言

Monica团队近期发布的Manus被誉为全球首个通用型AI智能体。该项目推出后迅速爆红，邀请码一号难求，随之而来的是各路开发者快速构建了众多类似的开源替代方案。其中，MetaGPT团队仅用3小时就开发完成了一个开源版本——OpenManus，短短几天时间便获得超过3万的GitHub星标，再次引发行业广泛关注。

本文将深入解析OpenManus的核心技术原理、架构设计和实际使用体验，带领读者一起探索这个备受瞩目的AI智能体框架。

OpenManus项目全面概述

OpenManus是一个完全开源的通用AI智能体框架，其核心理念是 No fortress, purely open ground

OpenManus核心特点：

  • 完全开源，无需任何邀请码即可立即使用
  • 支持多种复杂任务类型的智能处理
  • 提供强大的浏览器自动化能力
  • 内置Python代码执行环境
  • 实现了高效的多智能体协作流程
  • 提供丰富且可扩展的工具调用机制

OpenManus 技术原理

精心设计的架构体系

OpenManus采用了高度模块化、分层的架构设计，大量运用了面向对象的设计模式和最佳实践。系统按照模块职责清晰划分为多个功能层次：

  • 应用层：主入口和运行文件（main.py、run_flow.py等）
  • 智能体层：实现各种代理的核心行为（app/agent/）
  • 工具层：提供各种功能工具的实现（app/tool/）
  • 基础设施层：配置管理、日志系统、LLM接口等

项目目录结构一览

1
2
3
4
5
6
7
8
├── app                             # 核心应用代码
|    ├── agent                      # 各类智能体实现（Manus、Browser、Tool call等）
|    ├── tool                       # 工具集合实现（Python执行器、浏览器操作、文件处理等）
|    ├── flow                       # 多智能体协作的流程管理系统
|    └── prompt                     # 存储系统提示模板和指令集
├── config                          # 配置文件目录
├── examples                        # 示例代码和使用案例
└── workspace                       # 工作区文件夹，用于存储智能体生成的所有文件

OpenManus 工作流程详解

智能体工作流程分为两大类，具体可以看。 OpenManus的工作流程主要遵循 plan --> action --> review --> action --> review ... 的循环模式，直到触发结束条件。具体流程如下：

用户输入处理阶段

  • 用户输入prompt后，系统自动创建智能体实例并传递用户指令
  • 智能体将用户输入存储到内部记忆系统 Memory 中

任务计划制定阶段

  • 专门的规划智能体调用LLM针对 prompt 进行系统化的任务拆分
  • 将复杂问题科学地拆解成一系列逻辑连贯的子任务序列

思考与行动循环阶段

  • 思考（Think）： 分析当前状态和历史记录，智能选择最合适的工具
  • 行动（Act）： 精确执行选定的工具完成特定任务
  • 观察（Observe）： 全面收集工具执行的所有结果数据
  • 更新记忆： 将执行结果记录到内部记忆系统

结果输出阶段

  • 当满足终止条件（达到最大步数或任务完成标志）时，返回完整结果给用户

以下是OpenManus核心工作流程的详细流程图

OpenManus 工作流程

OpenManus代码全链路过程

初始化阶段

  • 用户通过 main.py 启动程序，输入提示（prompt）
  • 系统创建 Manus 代理实例，Manus 继承自 ToolCallAgent，提供了多种工具能力
  • Manus 代理调用 run(prompt) 方法开始处理用户请求

执行阶段

  • BaseAgent 的 run 方法将用户输入存入内存，并设置代理状态为 RUNNING
  • 系统进入主循环，在不超过最大步骤数且未完成的情况下，执行 step 方法
  • ReActAgent 的 step 方法分为两个阶段：思考（think）和行动（act）
  • ToolCallAgent 的 think 方法调用 LLM 获取响应和工具调用
  • 如果有工具调用，ToolCallAgent 的 act 方法会执行相应的工具
  • 工具执行结果会被添加到代理的内存中
  • 系统检查是否需要继续执行或已完成任务

规划执行阶段（当使用 PlanningFlow 时）

  • lanningFlow 的 execute 方法首先创建初始计划
  • 然后获取当前步骤信息，检查是否所有步骤已完成
  • 如果未完成，选择合适的执行器代理执行当前步骤
  • 执行完成后，标记步骤为已完成，并继续下一步骤
  • 当所有步骤完成后，完成计划并返回结果

工具调用阶段

  • ToolCallAgent 通过 execute_tool 方法执行工具调用
  • 工具调用通过 ToolCollection 找到对应的工具实例
  • 工具执行后返回 ToolResult，包含输出或错误信息
  • 工具结果被格式化为消息添加到代理的内存中

完成阶段

  • 当任务完成或达到最大步骤数时，代理状态设置为 FINISHED
  • 系统收集所有步骤的结果，并返回给用户
  • 用户可以继续输入新的提示或退出程序

核心组件

BaseAgent

  • 提供了代理的基础功能，如状态管理、内存管理和执行循环
  • 实现了 run 方法作为代理执行的入口点
  • 提供了上下文管理器 state_context 用于管理代理状态

ReActAgent

  • 实现了 ReAct（Reasoning and Acting）模式
  • 将执行过程分为思考（think）和行动（act）两个阶段
  • 提供了 step 方法作为执行单个步骤的入口点

ToolCallAgent

  • 扩展了 ReActAgent，增加了工具调用功能
  • 实现了 think 方法用于获取 LLM 的响应和工具调用
  • 实现了 act 方法用于执行工具调用
  • 提供了 execute_tool 方法用于执行单个工具调用

Manus

  • 继承自 ToolCallAgent，是一个通用的智能代理
  • 配置了多种工具，如 Python 执行、Google 搜索、浏览器工具等
  • 使用特定的系统提示和下一步提示来指导 LLM 的行为

PlanningFlow

  • 实现了基于规划的任务执行流程
  • 使用 PlanningTool 创建和管理执行计划
  • 支持多个代理协作执行不同类型的任务
  • 提供了计划创建、步骤执行和计划完成的功能

LLM

  • 负责与大型语言模型的交互
  • 提供了 ask 和 ask_tool 方法用于获取 LLM 的响应
  • 处理消息格式化和响应解析
  • 支持流式响应和工具调用

ToolCollection

  • 管理多个工具实例
  • 提供了工具查找、执行和参数转换的功能
  • 支持添加新工具和批量执行工具

OpenManus详细安装与使用

安装指南

我们提供两种安装方式。推荐使用方式二（uv），因为它能提供更快的安装速度和更好的依赖管理。

方式一：使用 conda

  1. 创建新的 conda 环境：
1
2
conda create -n open_manus python=3.12
conda activate open_manus
  1. 克隆仓库：
1
2
git clone https://github.com/FoundationAgents/OpenManus.git
cd OpenManus
  1. 安装依赖：
1
pip install -r requirements.txt

方式二：使用 uv（推荐）

  1. 安装 uv（一个快速的 Python 包管理器）：
1
curl -LsSf https://astral.sh/uv/install.sh | sh
  1. 克隆仓库：
1
2
git clone https://github.com/FoundationAgents/OpenManus.git
cd OpenManus
  1. 创建并激活虚拟环境：
1
2
3
4
uv venv --python 3.12
source .venv/bin/activate  # Unix/macOS 系统
# Windows 系统使用：
# .venv\Scripts\activate
  1. 安装依赖：
1
uv pip install -r requirements.txt

浏览器自动化工具（可选）

1
playwright install

配置说明

OpenManus 需要配置使用的 LLM API，请按以下步骤设置：

  1. 在 config 目录创建 config.toml 文件（可从示例复制）：
1
cp config/config.example.toml config/config.toml
  1. 编辑 config/config.toml 添加 API 密钥和自定义设置：
1
2
3
4
5
6
7
8
9
10
11
12
13
# 全局 LLM 配置
[llm]
model = "gpt-4o"
base_url = "https://api.openai.com/v1"
api_key = "sk-..."  # 替换为真实 API 密钥
max_tokens = 4096
temperature = 0.0

# 可选特定 LLM 模型配置
[llm.vision]
model = "gpt-4o"
base_url = "https://api.openai.com/v1"
api_key = "sk-..."  # 替换为真实 API 密钥

快速启动

一行命令运行 OpenManus：

1
python main.py

然后通过终端输入你的创意！

如需使用 MCP 工具版本，可运行：

1
python run_mcp.py

如需体验不稳定的多智能体版本，可运行：

1
python run_flow.py

添加自定义多智能体

目前除了通用的 OpenManus Agent, 我们还内置了DataAnalysis Agent，适用于数据分析和数据可视化任务，你可以在config.toml中将这个智能体加入到run_flow中

1
2
3
# run-flow可选配置
[runflow]
use_data_analysis_agent = true     # 默认关闭，将其改为true则为激活

除此之外，你还需要安装相关的依赖来确保智能体正常运行：具体安装指南