OxyGent：快速构建智能系统的Python开源框架

OxyGent 是京东开源（JD Open Source）推出的一款开源 Python 框架，专注于帮助开发者快速构建生产就绪的智能系统。它通过模块化的 Oxy 组件，统一管理工具、模型和智能体，提供端到端的开发流程。OxyGent 支持快速搭建、部署和优化多智能体系统，具备高扩展性和透明性。最新版本（2025年7月15日）在 GAIA 基准测试中得分 59.14，接近顶级开源系统 OWL 的 60.8。它的设计简化了复杂 AI 系统的开发，适合企业和个人开发者使用。

功能列表

• 模块化开发 ：提供标准化的 Oxy 组件，类似乐高积木，支持快速组装智能体，允许热插拔和跨场景复用。
• 智能协作 ：支持动态任务分解，智能体可实时协商和适应变化，确保决策可审计。
• 弹性架构 ：支持多种智能体拓扑结构（如 ReAct 和混合规划），提供自动化依赖管理和可视化调试工具。
• 持续进化 ：内置评估引擎，自动生成训练数据，智能体通过反馈循环不断优化。
• 高扩展性 ：分布式调度器实现线性成本增长，支持大规模实时决策和优化。

使用帮助

OxyGent 的核心目标是让开发者专注于业务逻辑，快速构建和部署智能系统。以下是详细的安装和使用指南，涵盖主要功能和操作流程。

安装流程

OxyGent 支持 Python 3.10 环境，可通过 conda 或 uv 安装。以下是具体步骤：

使用 Conda 安装

1. 创建并激活虚拟环境：

   conda create -n oxy_env python=3.10
   conda activate oxy_env
   

2. 安装 OxyGent 包：

   pip install oxygent
   

使用 uv 安装

1. 安装 uv 工具：

   curl -LsSf https://astral.sh/uv/install.sh | sh
   

2. 创建并激活虚拟环境：

   uv python install 3.10
   uv venv .venv --python 3.10
   source .venv/bin/activate
   

3. 安装 OxyGent 包：

   uv pip install oxygent
   

开发环境设置

若需要本地开发，额外安装 Node.js 和依赖：

1. 下载并安装 Node.js。
2. 安装项目依赖：

   pip install -r requirements.txt
   

   对于 macOS 用户，可能需安装 coreutils：

   brew install coreutils
   

配置语言模型

OxyGent 需连接大型语言模型（LLM）以运行智能体。配置方式如下：

1. 创建 .env 文件，填入 LLM 参数：

   echo 'DEFAULT_LLM_API_KEY="your_api_key"' > .env
   echo 'DEFAULT_LLM_BASE_URL="your_base_url"' >> .env
   echo 'DEFAULT_LLM_MODEL_NAME="your_model_name"' >> .env
   

2. 或者通过环境变量配置：

   export DEFAULT_LLM_API_KEY="your_api_key"
   export DEFAULT_LLM_BASE_URL="your_base_url"
   export DEFAULT_LLM_MODEL_NAME="your_model_name"
   

使用方法

OxyGent 提供简单 Python 接口，开发者可通过几行代码实现复杂功能。以下是一个示例脚本 demo.py，展示如何查询时间并保存到文件：

import os
from oxygent import MAS, Config, oxy, preset_tools
Config.set_agent_llm_model("default_llm")
oxy_space = [
oxy.HttpLLM(
name="default_llm",
api_key=os.getenv("DEFAULT_LLM_API_KEY"),
base_url=os.getenv("DEFAULT_LLM_BASE_URL"),
model_name=os.getenv("DEFAULT_LLM_MODEL_NAME"),
llm_params={"temperature": 0.01},
semaphore=4,
),
preset_tools.time_tools,
oxy.ReActAgent(
name="time_agent",
desc="查询时间的工具",
tools=["time_tools"],
),
preset_tools.file_tools,
oxy.ReActAgent(
name="file_agent",
desc="操作文件系统的工具",
tools=["file_tools"],
),
preset_tools.math_tools,
oxy.ReActAgent(
name="math_agent",
desc="执行数学计算的工具",
tools=["math_tools"],
),
oxy.ReActAgent(
is_master=True,
name="master_agent",
sub_agents=["time_agent", "file_agent", "math_agent"],
),
]
async def main():
async with MAS(oxy_space=oxy_space) as mas:
await mas.start_web_service(first_query="当前时间是多少？请保存到 time.txt 文件。")
if __name__ == "__main__":
import asyncio
asyncio.run(main())

运行示例

1. 保存上述代码为 demo.py。
2. 确保已配置 LLM 参数。
3. 运行脚本：

   python demo.py
   

4. 输出结果：系统将查询当前时间并保存到 time.txt 文件。运行后可通过浏览器访问 web 服务查看结果。

特色功能操作

1. 模块化智能体开发 ：
   • OxyGent 的 Oxy 组件允许开发者快速定义智能体。例如，添加新工具：

     oxy.NewTool(name="custom_tool", desc="自定义工具", func=custom_function)
     

   • 智能体支持热插拔，运行时可动态替换工具或模型，无需重启系统。
2. 动态任务分解 ：
   • 主智能体（master_agent）可将复杂任务分解为子任务，分配给子智能体。例如，输入“分析销售数据并生成报告”，主智能体会协调 math_agent 计算数据、file_agent 保存结果。
   • 任务分解过程透明，日志记录每一步决策，开发者可通过 MAS 的监控接口查看。
3. 可视化调试 ：
   • OxyGent 提供可视化工具，展示智能体交互和依赖关系。访问 http://localhost:port/debug 查看拓扑图。
4. 持续优化 ：
   • 内置评估引擎记录每次任务的执行效果，生成训练数据。例如，数学智能体可通过多次计算优化精度。
   • 开发者可手动调整 llm_params（如 temperature）以优化输出质量。

注意事项

• 确保网络连接稳定，LLM API 需要实时访问。
• 本地开发时，建议分配至少 8GB 内存以支持多智能体运行。
• 参考官方文档（http://oxygent.jd.com/docs/）获取更多配置选项。

应用场景

1. 企业级 AI 系统开发
   OxyGent 适合构建企业级智能系统，如客服机器人或数据分析平台。开发者可快速集成多个智能体，处理复杂业务逻辑。
2. 自动化任务处理
   个人开发者可使用 OxyGent 自动化日常任务。例如，配置智能体监控文件夹变化并生成报告，节省手动操作时间。
3. 实时决策支持
   在金融或物流领域，OxyGent 的分布式调度支持实时优化。例如，智能体可动态调整物流路径，降低成本。

QA

1. OxyGent 支持哪些语言模型？
   支持任何提供 HTTP API 的 LLM，开发者可通过 .env 文件配置 API 密钥和模型名称。
2. 如何扩展智能体功能？
   在 oxy_space 中添加新智能体或工具，定义其 name 和 tools 属性即可。例如，添加天气查询智能体：

   oxy.ReActAgent(name="weather_agent", desc="查询天气的工具", tools=["weather_tools"])
   

3. 是否适合小型项目？
   是的，OxyGent 的模块化设计支持小型项目，单智能体即可运行简单任务，同时也支持扩展到复杂系统。