王子主页
项目概述
Archon 是一个开创性的 AI 开发框架，旨在通过代理推理（Agentic Reasoning）和领域知识整合，实现 AI 智能体的自主构建与优化。作为全球首个“Agenteer”，Archon 不仅能够自动生成 AI 智能体，还能通过迭代反馈和领域知识的深度嵌入，显著提升智能体的性能和可靠性。它既是开发者手中的实用工具，也是一个展示现代 AI 系统演进的教育框架。
核心功能与特色
1. 代理推理（Agentic Reasoning）
Archon 通过规划、迭代反馈和自我评估，克服了传统反应式 AI 系统的局限性。它能够动态调整智能体的行为逻辑，确保其在复杂任务中表现更加智能和高效。
2. 领域知识整合
Archon 深度整合了 Pydantic AI 和 LangGraph 等框架，支持开发者将领域知识无缝嵌入到智能体的自主工作流中。这种整合使得智能体能够更好地理解和处理特定领域的任务。
3. 可扩展架构
Archon 采用模块化设计，支持可维护性、成本优化和符合伦理的 AI 实践。开发者可以根据需求灵活扩展智能体的功能，而无需重构整个系统。
4. MCP 集成
通过与 MCP（Model Context Protocol）的集成，Archon 能够与 AI IDE（如 Windsurf 和 Cursor）无缝协作，自动化文件创建和依赖管理，大幅提升开发效率。
5. 工具库与模板
在最新版本 V6 中，Archon 引入了预构建工具库和 MCP 服务器集成，开发者可以复用现有组件，显著减少开发时间和错误率。
使用方法
安装与运行
方法一：Docker（推荐）
-
克隆仓库：
git clone https://github.com/coleam00/archon.git cd archon
-
运行 Docker 脚本：
python run_docker.py
-
脚本会自动构建 MCP 服务器容器和主 Archon 容器，并启动服务。
-
如果存在
.env文件，脚本会加载其中的环境变量。 -
访问 Streamlit UI： 打开浏览器并访问 http://localhost:8501。
方法二：本地 Python 安装
-
克隆仓库：
git clone https://github.com/coleam00/archon.git cd archon
-
安装依赖：
python -m venv venv source venv/bin/activate # Windows: venv\Scripts\activate pip install -r requirements.txt
-
启动 Streamlit UI：
streamlit run streamlit_ui.py
-
访问 Streamlit UI： 打开浏览器并访问 http://localhost:8501。
设置流程
安装完成后，通过 Streamlit UI 的引导设置流程完成以下步骤：
-
环境配置：设置 API 密钥和模型参数，所有配置保存在
workbench/env_vars.json。 -
数据库设置：配置 Supabase 向量数据库。
-
文档爬取：爬取并索引 Pydantic AI 文档。
-
智能体服务：启动智能体生成服务。
-
MCP 配置（可选）：配置与 AI IDE 的集成。
更新 Archon
Docker 更新
git pull python run_docker.py
本地 Python 更新
git pull source venv/bin/activate pip install -r requirements.txt streamlit run streamlit_ui.py
项目演进与版本迭代
V1：单代理基础
-
基于 Pydantic AI 的简单 RAG（检索增强生成）代理。
-
使用 Supabase 向量数据库存储文档。
-
简单的代码生成，无验证功能。
V2：代理工作流（LangGraph）
-
多代理系统，分离规划与执行。
-
使用 LangGraph 编排工作流。
-
支持通过 Ollama 使用本地 LLM。
V3：MCP 支持
-
集成 AI IDE（如 Windsurf 和 Cursor）。
-
自动化文件创建和依赖管理。
-
改进项目结构。
V4：Streamlit UI 重构
-
提供全面的 Streamlit 界面，简化设置流程。
-
支持 Docker 部署。
V5：多代理编码工作流
-
引入专门的优化代理（如提示优化代理、工具优化代理）。
-
改进工作流编排。
V6：当前版本 – 工具库与 MCP 集成
-
提供预构建工具库和 MCP 服务器集成。
-
自动推荐相关工具和示例。
-
减少开发时间，提升组件复用率。
未来规划
V7 至 V13 的迭代方向
-
V7：支持生成 Pydantic AI 和 LangGraph 智能体。
-
V8：引入自我反馈循环，实现自动验证和错误修正。
-
V9：在隔离环境中测试和迭代智能体。
-
V10：支持多框架智能体生成。
-
V11：实现框架适配器的自动更新。
-
V12：采用高级 RAG 技术，增强文档检索能力。
-
V13：构建 MCP 智能体市场，支持智能体发布和共享。
未来集成
-
LangSmith
-
MCP 市场
-
其他框架（如非 Pydantic AI）
-
其他向量数据库（如非 Supabase）
-
本地 AI 包
项目架构
Archon 的核心架构包括以下几个部分：
-
Streamlit UI：提供全面的 Web 界面，管理所有功能。
-
Graph Service：处理代理工作流的 FastAPI 服务。
-
MCP 集成：与 AI IDE 交互的 Model Context Protocol 服务器。
-
智能体包：包含主编码代理和优化代理的实现。
-
工具库：预构建工具和模板的集合。
部署选项
Docker 容器
-
主容器：运行 Streamlit UI 和 Graph Service。
-
MCP 容器：提供 MCP 服务器功能，与主容器通信。
本地 Python
-
使用 Python 虚拟环境直接运行。
数据库设置
Archon 使用 Supabase 数据库，表结构如下：
CREATE TABLE site_pages ( id UUID PRIMARY KEY DEFAULT uuid_generate_v4(), url TEXT, chunk_number INTEGER, title TEXT, summary TEXT, content TEXT, metadata JSONB, embedding VECTOR(1536) -- 根据需要调整维度 );
相关链接
-
GitHub 仓库：https://github.com/coleam00/Archon
-
V6 文档：V6 文档
-
社区论坛：oTTomator Think Tank
-
项目路线图：GitHub Kanban 板
总结
Archon 采用 MIT 开源许可证，允许自由使用和修改代码。通过 Archon，开发者可以轻松构建和优化 AI 智能体，探索自动化智能体的新前沿。无论是个人项目还是企业应用，Archon 都是一个强大的工具和框架。
