# CodeFuse-muAgent **Repository Path**: etmoc/CodeFuse-muAgent ## Basic Information - **Project Name**: CodeFuse-muAgent - **Description**: No description available - **Primary Language**: Unknown - **License**: Apache-2.0 - **Default Branch**: feat_memory - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2024-10-10 - **Last Updated**: 2024-10-10 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README
中文  |  English 
#muAgent: An Innovative Agent Framework Driven by KG Engine
## 🔔 更新 - [2024.04.01] CodeFuse-muAgent 开源,支持知识库、代码库、工具使用、代码解释器等功能 - [2024.09.05] 发布 muAgent v2.0 - EKG:一款由知识图谱引擎驱动的创新代理框架 ## 📜 目录 - [🤝 介绍](#-介绍) - [🚀 快速使用](#-快速使用) - [🧭 关键技术](#-关键技术) - [🤗 贡献指南](#-贡献指南) - [🗂 其他](#-其他) - [📱 联系我们](#-联系我们) ## 🤝 介绍 全新体验的 Agent 框架,将KG从知识获取来源直接升级为Agent编排引擎!基于 LLM+ EKG(Eventic Knowledge Graph 行业知识承载)驱动,协同 MultiAgent、FunctionCall、CodeInterpreter等技术,通过画布式拖拽、轻文字编写,让大模型在人的经验指导下帮助你实现各类复杂 SOP 流程。兼容现有市面各类 Agent 框架,同时可实现复杂推理、在线协同、人工交互、知识即用四大核心差异技术功能。这套框架目前在蚂蚁集团内多个复杂DevOps场景落地验证,同时来体验下我们快速搭建的谁是卧底游戏吧。  ## 🚀 快速使用 完整文档见:[CodeFuse-muAgent](https://codefuse.ai/zh-CN/docs/api-docs/MuAgent/overview/multi-agent) 更多[demo](https://codefuse.ai/zh-CN/docs/api-docs/MuAgent/connector/customed_examples) ### EKG服务 ```bash # 使用我们的EKG服务只需要三步!(beta版本,需要将本地代码打包到容器中) # 第一步. 加载代码 git clone https://github.com/codefuse-ai/CodeFuse-muAgent.git # 第二步. cd CodeFuse-muAgent # 第三步. 启动所有容器服务,EKG基础镜像构建需要花费点时间 docker-compose up -d ``` 当前镜像版本仅包含了EKG基础服务。我们将会在9月底提供前端交互和后端交互的镜像服务。 敬请期待! ### SKD版本 1. 安装 ``` pip install codefuse-muagent ``` 2. 代码问答和相关配置,可以看 [docs](https://codefuse.ai/docs/api-docs/MuAgent/connector/customed_examples) 和代码示例 [examples](https://github.com/codefuse-ai/CodeFuse-muAgent/tree/main/examples) ## 🧭 关键技术 - **图谱构建**:通过虚拟团队构建、场景意图划分,让你体验在线文档VS本地文档的差别;同时,文本语义输入的节点使用方式,让你感受有注释代码VS无注释代码的差别,充分体现在线协同的优势;面向海量存量文档(通用文本、流程画板等),支持文本智能解析、一键导入 - **图谱资产**:通过场景意图、事件流程、统一工具、组织人物四部分的统一图谱设计,满足各类SOP场景所需知识承载;工具在图谱的纳入进一步提升工具选择、参数填充的准确性,人物/智能体在图谱的纳入,让人可加入流程的推进,可灵活应用于多人文本游戏 - **图谱推理**:相比其他Agent框架纯模型推理、纯人工编排的推理模式,让大模型在人的经验/设计指导下做事,灵活、可控,同时面向未知局面,可自由探索,同时将成功探索经验总结、图谱沉淀,面向相似问题,少走弯路;整体流程唤起支持平台对接(规则配置)、语言触发,满足各类诉求 - **调试运行**:图谱编辑完成后,可视调试,快速发现流程错误、修改优化,同时面向调试成功路径,关联配置自动沉淀,减少模型交互、模型开销,加速推理流程;此外,在线运行中,我们提供全链路可视化监控 - **记忆管理**:统一消息池设计,支持各类场景所需分门别类消息投递、订阅,隔离且互通,便于多Agent场景消息管理使用;同时面向超长上下文,支持消息检索、排序、蒸馏,提升整体问答质量 - **操作空间**:遵循Swagger协议,提供工具注册、权限管理、统一分类,方便LLM在工具调用中接入使用;提供安全可信代码执行环境,同时确保代码精准生成,满足可视绘图、数值计算、图表编辑等各类场景诉求 ## 🤗 贡献指南 非常感谢您对 Codefuse 项目感兴趣,我们非常欢迎您对 Codefuse 项目的各种建议、意见(包括批评)、评论和贡献。 您对 Codefuse 的各种建议、意见、评论可以直接通过 GitHub 的 Issues 提出。 参与 Codefuse 项目并为其作出贡献的方法有很多:代码实现、测试编写、流程工具改进、文档完善等等。任何贡献我们都会非常欢迎,并将您加入贡献者列表。详见[Contribution Guide...](https://codefuse-ai.github.io/zh-CN/contribution/issue) ## 🗂 其他 ### 📱 联系我们