V1-MultiAgent - 多Agent协作框架，让AI Agents协同工作
V1-MultiAgent 是一个轻量级的多 Agent 协作框架，支持 Agent 通信、DAG 任务编排和记忆系统。
🚀 特性
- 🤖 Agent 通信：同步/异步消息传递、RPC 调用、广播
- 📊 DAG 编排：任务依赖管理、并行执行、智能重试
- 🧠 记忆系统：短期记忆、长期记忆、向量检索
- 🔌 可扩展：模块化设计，易于扩展
📦 安装
pip install v1-multiagent⚡ 快速开始
Agent 通信
import asyncio
from v1_multiagent import Agent, AgentNetwork, Message
class MyAgent(Agent):
async def process(self, message):
return Message(
sender=self.name,
receiver=message.sender,
content=f"处理: {message.content}"
)
async def main():
network = AgentNetwork()
agent = MyAgent("assistant", network.bus)
network.add_agent(agent)
await network.start()
# RPC 调用
response = await network.call("client", "assistant", "Hello")
print(response.content)
asyncio.run(main())asyncio.run(main())
DAG 任务编排
from v1_multiagent import WorkflowBuilder, DAGExecutor
async def task1(context):
return {"data": [1, 2, 3]}
async def task2(context):
return {"result": sum(context["results"]["task1"]["data"])}
workflow = (
WorkflowBuilder("pipeline")
.task("fetch", task1)
.task("sum", task2)
.build()
)
executor = DAGExecutor(max_parallel=2)
result = await executor.execute(workflow)
print(result)executor = DAGExecutor(max_parallel=2)
result = await executor.execute(workflow)
print(result)
记忆系统
from v1_multiagent import MemorySystem, MemoryType, MemoryImportance
memory = MemorySystem()
存储记忆
await memory.remember("用户问题", MemoryType.EPISODIC, MemoryImportance.HIGH)
检索记忆
results = await memory.recall("用户")
print(results)results = await memory.recall("用户")
print(results)
📊 与主流框架对比
| 框架 | 通信方式 | DAG | 记忆 | 代码量 | 特点 |
|---|---|---|---|---|---|
| V1-MultiAgent | RPC+广播 | ✓ | ✓ | ~1000行 | 轻量级 |
| AutoGen | 对话 | - | - | ~5000行 | Microsoft |
| CrewAI | 任务分解 | ✓ | - | ~3000行 | 结构化 |
| LangChain | 工具调用 | ✓ | ✓ | ~10000行 | 生态丰富 |
🛠 技术栈
- Python 3.10+
- asyncio 异步编程
- SQLite 本地存储
📄 许可证
MIT License
⭐ Star us on GitHub if you find this useful!
GitHub: github.com/V1MultiAgen…
