最近，AI圈子里有個詞兒特別火——Agent（智能體）。隨著大模型在推理與生成上的能力不斷提升，Agent技術也迎來了它的“高光時刻”。特別是3月初，Manus展示的多智能體Demo，直接讓整個行業沸騰了。緊接著，國內的DeepWisdom MetaGPT團隊和CAMEL AI團隊也迅速跟進，開源了OpenManus和OWL，瞬間在社交媒體和GitHub上掀起了一股多智能體技術的熱潮。

今天，我們就來聊聊這個開源項目OpenManus，看看它到底有什么魔力，能在短短幾天內收獲過萬Star。

3小時上線初版

OpenManus的研發團隊在1小時內實現了核心功能，3小時內上線了初版本。我覺得這種高效并非偶然，而是源于團隊在多智能體框架上的長期技術積累，以及系統內部設計的高度抽象和可組合性。

OpenManus的核心設計思路非常清晰：極簡、可插拔、工具驅動。它通過Prompt（提示詞）和Tools（工具）的組合，快速“拼裝”出新的Agent，賦予其處理不同類型任務的能力。這種設計不僅降低了開發門檻，還讓Agent的定制變得異常靈活。

設計理念

OpenManus本質上是一個多智能體系統（Multi-Agent System）。與單一大模型的“大而全”不同，多智能體系統通過“規劃—執行—反饋”的循環，逐步解決復雜的現實問題。它的設計思路可以概括為以下幾點：

1. 極簡可插拔框架OpenManus的核心是一個精簡的Agent框架，強調模塊化和可擴展性。通過Prompt和Tools的自由組合，開發者可以快速定義Agent的行為邏輯和功能。比如，Prompt決定了Agent的思考方式，而Tools則提供了具體的行動能力（如代碼執行、搜索、文件操作等）。
2. 工具驅動的ReAct AgentOpenManus基于ReAct（Reason + Act）模式，以工具為核心驅動Agent的行動。Prompt引導Agent的推理和邏輯，而Tools則賦予Agent行動能力。這種設計讓Agent不僅能“想”，還能“做”。
3. 規劃能力處理復雜任務OpenManus延續了Manus的多智能體規劃優勢，通過PlanningTool對用戶需求進行高層規劃。它將復雜任務分解為線性的子任務計劃，顯著提升了任務的成功率。這種“先規劃，后執行”的思路，在處理長鏈任務時尤為有效。
4. 動態Agent分配與工具調度當一個任務被拆解為多個子任務后，系統會根據任務類型，動態分配給預先定義或適配的Agent。這種“臨時分配 + 工具協作”的機制，最大化利用了多模型、多工具的組合優勢，提高了系統的靈活性和效率。

工作流程

OpenManus的運行流程非常清晰，可以概括為以下幾個步驟：

1. 用戶需求輸入用戶在前端或命令行中輸入復雜需求，比如“寫一段代碼并自動部署到服務器上”。
2. PlanningTool規劃系統調用PlanningTool，對需求進行分析與分解，形成一個線性結構的任務序列。比如，將需求拆解為“分析需求→編寫代碼→測試修復→部署驗證”。
3. 任務分配與執行系統根據任務類型，動態分配給最合適的Agent。每個Agent采用ReAct循環與Tools交互，完成子任務。
4. 結果匯總與狀態更新子任務執行完畢后，系統會將結果進行總結與壓縮，存入共享內存。如果任務順利完成，進入下一子任務；如果失敗，系統會進行自動調試或重新規劃。
5. 整體產出所有子任務執行完畢后，系統對整體結果進行匯總并返回給用戶。

架構

OpenManus的工程結構非常簡潔，截止到目前核心僅包含約30個文件，依賴庫也相對簡單（如pydantic、openai、playwright等）。它的架構由四個主要模塊構成：

1. 核心多智能體框架（Agent）采用清晰的繼承層次，自底向上逐步增強功能。從BaseAgent到ReActAgent，再到ToolCallAgent，最后到Manus，每一層都通過定制Prompt和Tools賦予Agent不同的能力。
2. 工具層（Tools）工具模塊是OpenManus的行動基礎，包括Python執行、網絡搜索、文件讀寫、任務規劃等。每個工具都繼承自BaseTool，具有高度的可擴展性。
3. 提示詞模塊（Prompt）Prompt模塊包含了各種Agent使用的指令模板，定義了Agent的行為邏輯和思考方式。
4. 執行流程模塊（Flow）Flow模塊負責任務的高層編排和執行流程管理，確保任務按計劃逐步完成。

不同模型實測效果

通過測試，我發現不同模型在OpenManus的使用效果差異明顯：

踩坑記錄

1. google_search 無法調用

?? Tool 'google_search' encountered a problem: HTTPSConnectionPool(host='www.google.com', port=443): Max retries exceeded with url: /search?q=Google+homepage&num=12&hl=en&start=0&safe=active (Caused by ConnectTimeoutError(<urllib3.connection.HTTPSConnection object at 0x0000020960CF1520>, 'Connection to www.google.com timed out. (connect timeout=5)'))

解決方式：

• 科學上網全局代理，或者切換穩定的谷歌代理站點
• 已經有issue提供了pr, 支持將google search替換成baidu搜索

2. 缺少瀏覽器組件

Error: Browser action 'navigate' failed: BrowserType.launch: Executable doesn't exist at C:\Users\admin\AppData\Local\ms-playwright\chromium-1148\chrome-win\chrome.exe
╔════════════════════════════════════════════════════════════╗
║ Looks like Playwright was just installed or updated.       ║
║ Please run the following command to download new browsers: ║
║                                                            ║
║     playwright install                                     ║
║                                                            ║
║ <3 Playwright Team                                         ║
╚════════════════════════════════════════════════════════════╝

需要先下載瀏覽器組件

python -m playwright install chromium

pip install playwright

如果依然安裝失敗，可以嘗試：

pip install --no-deps -r requirements.txt
# 對于playwright，我使用這個方法成功解決了問題 
pip install playwright==1.40.0 --no-build-isolation 
playwright install chromium
# 如果仍然遇到問題，嘗試手動安裝核心依賴
pip install pydantic==2.5.2 langchain==0.1.6 beautifulsoup4==4.12.3

3. conda環境

我用的版本是python3.10，沒有使用python3.12, 沒有出現一些issue中提到的conda環境問題

總結

當面對高度復雜、邏輯交織的任務時，OpenManus 的任務規劃能力有時會顯得力有不逮。以涉及多部門協同、多環節銜接的大型項目為例，系統在梳理任務優先級和優化執行順序時，可能會出現偏差，從而導致任務執行過程中出現資源浪費、進度延誤等問題，影響整體效率。

此外，在實際測試中，OpenManus 偶爾會在任務執行過程中出現卡頓或報錯，尤其是在多任務并行且負載較高的情況下，這種現象更為突出。

本文轉載自公眾號AI 博物院 作者：longyunfeigu

原文鏈接：??https://mp.weixin.qq.com/s/2Wm3nGzSNU6EWpKrzUfJLw??