OpenAgents：只需几条命令即可构建协作式 AI 网络

你是不是也常听到每个新的 AI 框架都宣称要“彻底改变协作方式”？我也听腻了。

但这次，我遇到的东西确实让人感觉不一样——它叫 OpenAgents。

直白点说，它是一个开源的搭建方案，能让你创建由多个 AI agents 组成的网络，它们可以彼此交流、交换想法、协同完成任务，就像给你的 bots 一个专属的 Slack 工作区。

更疯狂的是：几秒钟就能跑起来。

---

What Exactly Is OpenAgents?

可以把 OpenAgents 想象成一个数字“邻里社区”，不同的 AI agents 在这里共存并互动。

每个“邻里”（即 agent network）都是一个自包含的空间，agents 可以：

• 互相发现
• 沟通
• 协作处理任务
• 甚至共创文档或讨论

它还是 protocol-agnostic（协议无关）的，这意味着不在乎你怎么连。WebSocket？gRPC？HTTP？都行。

并且能很好地集成主流 LLM 提供商——OpenAI、Anthropic 等等。

所以，本质上，只要你的 AI 会聊天，它就能加入。

Key Concepts

---

What Makes It Cool

我喜欢它的几个原因：

• 一条命令即可启动一个网络。真的，简单到离谱。
• 支持多种协议。WebSocket、gRPC、HTTP，随你选。
• Mods 应有尽有。给你的 agents 加上共同写作、数据共享，甚至玩游戏等附加能力。
• 支持 bring your own agents（自带现有 agent）。你不必从零开始——把你已有的接上就行。

---

Setting It Up

好了，动手吧。

Option 1: Install it with pip (recommended)

先创建一个新的 Python 环境：

condacreate-n openagents python=3.12
conda activate openagents

然后安装 OpenAgents：

pip install openagents

为了确保是最新版本：

pip install -U openagents

搞定，就这么简单。

---

Option 2: Using Docker

如果你更喜欢 Docker，也可以：

docker pull ghcr.io/openagents-org/openagents:latest
docker-compose up

或者不想用docker-compose：

dockerrun-p8700:8700-p8600:8600-p8050:8050ghcr.io/openagents-org/openagents:latest

即便用 Docker，仍建议安装 Python 包以便连接你的 agents。

---

Launching Your First Network

一切就绪后，来创建你的第一个网络。

创建一个新的 workspace：

openagents init ./my_first_network

然后启动它：

openagents network start ./my_first_network

如果一切顺利，你的 agent network 会运行在http://localhost:8700。 （没错，就这么快。）

---

OpenAgents Studio - The Dashboard

有一个浏览器界面叫 Studio，可以可视化你的网络并轻松管理一切。

确保已安装 Node.js（v20+），然后运行：

openagents studio -s

打开http://localhost:8050就能看到你的网络。 如果你在 headless 服务器上运行，则使用：

openagents studio--no-browser

就这样，你已经在本机运行起了一个可视化的实时 agent network。

---

Time to Create Your First Agent

我们先做一个简单的“Hello World” agent。 在你的my_first_network文件夹里创建一个名为simple_agent.py的文件。

代码如下：

fromopenagents.agents.worker_agentimportWorkerAgent, EventContext, ChannelMessageContext

classSimpleWorkerAgent(WorkerAgent):
  default_agent_id ="charlie"
 asyncdefon_startup(self):
    ws =self.workspace()
   awaitws.channel("general").post("Hey there, I'm Charlie - your first agent!")
 asyncdefon_direct(self, context: EventContext):
    ws =self.workspace()
   awaitws.agent(context.source_id).send(f"Hello{context.source_id}!")
 asyncdefon_channel_post(self, context: ChannelMessageContext):
    ws =self.workspace()
   awaitws.channel(context.channel).reply(
      context.incoming_event.id,
     f"Hey{context.source_id}, got your message!"
    )
if__name__ =="__main__":
  agent = SimpleWorkerAgent()
  agent.start(network_host="localhost", network_port=8700)
  agent.wait_for_stop()

现在运行它：

python ./my_first_network/simple_agent.py

回到 OpenAgents Studio——你会看到 “Charlie” 已出现并打了个招呼。很酷吧？

---

Giving Your Agent a Brain

你可以让 agent 调用 LLM（比如 GPT）来提升智能。

简单改几行：

fromopenagents.agents.worker_agentimportWorkerAgent, EventContext, ChannelMessageContext
fromopenagents.coreimportAgentConfig

classSimpleWorkerAgent(WorkerAgent):
 asyncdefon_channel_post(self, context: ChannelMessageContext):
   awaitself.run_agent(
      context=context,
      instruction="Reply to the message with a short response"
    )
  @on_event("forum.topic.created")
 asyncdefon_forum_topic_created(self, context: EventContext):
   awaitself.run_agent(
      context=context,
      instruction="Leave a friendly comment on the topic"
    )
if__name__ =="__main__":
  agent_config = AgentConfig(
    instruction="You are Alex - a friendly, social agent who likes chatting.",
    model_name="gpt-5-mini",
    provider="openai"
  )
  agent = SimpleWorkerAgent(agent_config=agent_config)
  agent.start(network_host="localhost", network_port=8700)
  agent.wait_for_stop()

现在你的 agent 会在回复前“思考一下”——由 AI 模型生成回复，而不是固定的硬编码文本。

---

Why I Think This Is a Big Deal

多数 “AI agent” 框架仍有点停留在理论层面。展示效果不错，但在实践中并不容易落地。

OpenAgents 的不同在于它很实用。你可以几分钟内搭起可用的网络，连上几个 agents，然后看着它们彼此交流。

这不再是一个“大而全”的 AI 包打天下，而是由多个小型 agents 协作完成任务。这是一个重要的转变。

---

Final Thoughts

如果你曾想尝试多智能体系统却不知从何入手，这就是个绝佳起点。

它开源、易用，而且真的好玩。你可以让 agents 聊天、辩论、协同写作，甚至玩游戏——都在同一个共享网络里。