🤖 生产级多智能体框架 - 工具响应协议、上下文工程、会话持久化、子代理机制等16项核心能力

HelloAgents 是一个基于 OpenAI 原生 API 构建的生产级多智能体框架，集成了工具响应协议（ToolResponse）、上下文工程（HistoryManager/TokenCounter）、会话持久化（SessionStore）、子代理机制（TaskTool）、乐观锁（文件编辑）、熔断器（CircuitBreaker）、Skills 知识外化、TodoWrite 进度管理、DevLog 决策记录、流式输出（SSE）、异步生命周期、可观测性（TraceLogger）、日志系统（四种范式）、LLM/Agent 基类重构等 16 项核心能力，为构建复杂智能体应用提供完整的工程化支持。

重要提示：本仓库目前维护两个版本

• 📚 学习版本（推荐初学者）：learn_version 分支 与 Datawhale Hello-Agents 教程 正文完全对应的稳定版本，适合跟随教程学习使用。

• 🚀 开发版本（当前分支）：持续迭代中的最新代码(V1.0.0)，包含新功能和改进，部分实现可能与教程内容存在差异。如需学习教程，请切换到 learn_version 分支。

• 📦 历史版本：Releases 页面 提供从 v0.1.1 到 v0.2.9 的所有版本，每个版本对应教程的特定章节，可根据学习进度选择对应版本。

• 🐹 Golang 开发版本：HelloAgents-go 社区贡献的HelloAgents 的 Go 语言重实现版本，适合 Go 语言开发者使用。

pip install hello-agents

from hello_agents import ReActAgent, HelloAgentsLLM, ToolRegistry from hello_agents.tools.builtin import ReadTool, WriteTool, TodoWriteTool llm = HelloAgentsLLM() registry = ToolRegistry() registry.register_tool(ReadTool()) registry.register_tool(WriteTool()) registry.register_tool(TodoWriteTool()) agent = ReActAgent("assistant", llm, tool_registry=registry) agent.run("分析项目结构并生成报告")

创建 .env 文件：

LLM_MODEL_ID=your-model-name LLM_API_KEY=your-api-key-here LLM_BASE_URL=your-api-base-url

# 自动检测provider llm = HelloAgentsLLM() # 框架自动检测为modelscope print(f"检测到的provider: {llm.provider}")

💡 智能检测: 框架会根据API密钥格式和Base URL自动选择合适的provider

框架基于 3 种适配器 支持所有主流 LLM 服务：

支持所有提供 OpenAI 兼容接口的服务：

💡 自动适配：框架根据 base_url 自动选择适配器，无需手动指定。

hello-agents/ ├── hello_agents/ # 主包 │ ├── core/ # 核心组件 │ │ ├── llm.py # LLM 基类与配置 │ │ ├── llm_adapters.py # 三种适配器（OpenAI/Anthropic/Gemini） │ │ ├── agent.py # Agent 基类（Function Calling 架构） │ │ ├── session_store.py # 会话持久化 │ │ ├── lifecycle.py # 异步生命周期 │ │ └── streaming.py # SSE 流式输出 │ ├── agents/ # Agent 实现 │ │ ├── simple_agent.py # SimpleAgent │ │ ├── react_agent.py # ReActAgent │ │ ├── reflection_agent.py # ReflectionAgent │ │ └── plan_solve_agent.py # PlanAndSolveAgent │ ├── tools/ # 工具系统 │ │ ├── registry.py # 工具注册表 │ │ ├── response.py # ToolResponse 协议 │ │ ├── circuit_breaker.py # 熔断器 │ │ ├── tool_filter.py # 工具过滤（子代理机制） │ │ └── builtin/ # 内置工具 │ │ ├── file_tools.py # 文件工具（乐观锁） │ │ ├── task_tool.py # 子代理工具 │ │ ├── todowrite_tool.py # 进度管理 │ │ ├── devlog_tool.py # 决策日志 │ │ └── skill_tool.py # Skills 知识外化 │ ├── context/ # 上下文工程 │ │ ├── history.py # HistoryManager │ │ ├── token_counter.py # TokenCounter │ │ ├── truncator.py # ObservationTruncator │ │ └── builder.py # ContextBuilder │ ├── observability/ # 可观测性 │ │ └── trace_logger.py # TraceLogger │ └── skills/ # Skills 系统 │ └── loader.py # SkillLoader ├── docs/ # 文档 ├── examples/ # 示例代码 └── tests/ # 测试用例 

欢迎贡献代码！请遵循以下步骤：

1. Fork 本仓库
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 开启 Pull Request

本项目采用 CC BY-NC-SA 4.0 许可证 - 查看 LICENSE 文件了解详情。

许可证要点：

• ✅ 署名 (Attribution): 使用时需要注明原作者
• ✅ 相同方式共享 (ShareAlike): 修改后的作品需使用相同许可证
• ⚠️ 非商业性使用 (NonCommercial): 不得用于商业目的

如需商业使用，请联系项目维护者获取授权。

• 感谢 Datawhale 提供的优秀开源教程
• 感谢 Hello-Agents 教程 的所有贡献者
• 感谢所有为智能体技术发展做出贡献的研究者和开发者

详细了解 HelloAgents v1.0.0 的 16 项核心能力：

• 工具响应协议 - ToolResponse 统一返回格式
• 上下文工程 - HistoryManager/TokenCounter/Truncator

• 可观测性 - TraceLogger 追踪系统
• 熔断器 - CircuitBreaker 容错机制
• 会话持久化 - SessionStore 会话管理

• 子代理机制 - TaskTool 与 ToolFilter
• Skills 知识外化 - 技能系统使用指南
• 乐观锁 - 文件编辑工具的并发控制
• TodoWrite 进度管理 - 任务进度追踪

• DevLog 决策日志 - 开发决策记录
• 异步生命周期 - 异步 Agent 实现

• 流式输出 - SSE 流式响应
• Function Calling 架构 - LLM/Agent 基类重构
• 日志系统 - 四种日志范式

• 自定义工具扩展 - 三种工具实现方式（函数式/标准类/可展开）