FoundationAgents/OpenManus

English | [中文](README_zh.md) | [한국어](README_ko.md) | [日本語](README_ja.md) # 👋 OpenManus Manus 非常出色，但 OpenManus 无需 *Invite Code* 即可实现任何想法 🛫！ 我们的团队成员 [@Xinbin Liang](https://github.com/mannaandpoem) 和 [@Jinyu Xiang](https://github.com/XiangJinyu)（核心作者），以及 [@Zhaoyang Yu](https://github.com/MoshiQAQ)、[@Jiayi Zhang](https://github.com/didiforgithub) 和 [@Sirui Hong](https://github.com/stellaHSR)，我们来自 [@MetaGPT](https://github.com/geekan/MetaGPT)。该原型在 3 小时内推出，我们正在持续构建！ 这只是一个简单的实现，因此我们欢迎任何建议、贡献和反馈！ 使用 OpenManus 享受属于你自己的 agent 吧！ 我们还很高兴地向大家介绍 [OpenManus-RL](https://github.com/OpenManus/OpenManus-RL)，这是一个致力于基于强化学习（RL）（例如 GRPO）的 LLM agent 微调方法的开源项目，由来自 UIUC 和 OpenManus 的研究人员共同开发。 ## 项目演示 ## 安装说明 我们提供了两种安装方法。推荐使用方法 2（使用 uv），因为它能提供更快的安装速度和更好的依赖管理。 ### 方法 1：使用 conda 1. 创建新的 conda 环境： ``` conda create -n open_manus python=3.12 conda activate open_manus ``` 2. 克隆仓库： ``` git clone https://github.com/FoundationAgents/OpenManus.git cd OpenManus ``` 3. 安装依赖： ``` pip install -r requirements.txt ``` ### 方法 2：使用 uv（推荐） 1. 安装 uv（一个快速的 Python 包安装程序和解析器）： ``` curl -LsSf https://astral.sh/uv/install.sh | sh ``` 2. 克隆仓库： ``` git clone https://github.com/FoundationAgents/OpenManus.git cd OpenManus ``` 3. 创建新的虚拟环境并激活： ``` uv venv --python 3.12 source .venv/bin/activate # On Unix/macOS # 或者在 Windows 上： # .venv\Scripts\activate ``` 4. 安装依赖： ``` uv pip install -r requirements.txt ``` ### 浏览器自动化工具（可选） ``` playwright install ``` ## 配置 OpenManus 需要配置其使用的 LLM API。请按照以下步骤进行配置： 1. 在 `config` 目录下创建 `config.toml` 文件（你可以从示例文件复制）： ``` cp config/config.example.toml config/config.toml ``` 2. 编辑 `config/config.toml` 以添加你的 API key 并自定义设置： ``` # Global LLM 配置 [llm] model = "gpt-4o" base_url = "https://api.openai.com/v1" api_key = "sk-..." # Replace with your actual API key max_tokens = 4096 temperature = 0.0 # 特定 LLM 模型的可选配置 [llm.vision] model = "gpt-4o" base_url = "https://api.openai.com/v1" api_key = "sk-..." # Replace with your actual API key ``` ## 快速开始 运行 OpenManus 只需一行命令： ``` python main.py ``` 然后通过终端输入你的想法！ 对于 MCP 工具版本，你可以运行： ``` python run_mcp.py ``` 对于不太稳定的 multi-agent 版本，你也可以运行： ``` python run_flow.py ``` ### 自定义添加多个 Agent 目前，除了通用的 OpenManus Agent 外，我们还集成了 DataAnalysis Agent，它非常适合数据分析和数据可视化任务。你可以将此 agent 添加到 `config.toml` 的 `run_flow` 中。 ``` # run-flow 的可选配置 [runflow] use_data_analysis_agent = true # Disabled by default, change to true to activate ``` 此外，你还需要安装相关依赖以确保 agent 正常运行：[详细安装指南](app/tool/chart_visualization/README.md##Installation) ## 致谢 感谢 [anthropic-computer-use](https://github.com/anthropics/anthropic-quickstarts/tree/main/computer-use-demo)、[browser-use](https://github.com/browser-use/browser-use) 和 [crawl4ai](https://github.com/unclecode/crawl4ai) 为本项目提供了基础支持！ 此外，我们还要感谢 [AAAJ](https://github.com/metauto-ai/agent-as-a-judge)、[MetaGPT](https://github.com/geekan/MetaGPT)、[OpenHands](https://github.com/All-Hands-AI/OpenHands) 和 [SWE-agent](https://github.com/SWE-agent/SWE-agent)。 我们还要感谢 stepfun(阶跃星辰) 对我们的 Hugging Face demo 空间的支持。 OpenManus 由 MetaGPT 的贡献者构建。非常感谢这个 agent 社区！ ## 引用 ``` @misc{openmanus2025, author = {Xinbin Liang and Jinyu Xiang and Zhaoyang Yu and Jiayi Zhang and Sirui Hong and Sheng Fan and Xiao Tang and Bang Liu and Yuyu Luo and Chenglin Wu}, title = {OpenManus: An open-source framework for building general AI agents}, year = {2025}, publisher = {Zenodo}, doi = {10.5281/zenodo.15186407}, url = {https://doi.org/10.5281/zenodo.15186407}, } ```

标签：AI智能体, DLL 劫持, 人工智能, 大语言模型, 特征检测, 用户模式Hook绕过, 网络调试, 自动化, 逆向工具