链载Ai

标题: 手把手教你实现自己的“Manus”：构建基于容器的多用户Agent应用【上】 [打印本页]

作者: 链载Ai 时间: 昨天 12:38
标题: 手把手教你实现自己的“Manus”：构建基于容器的多用户Agent应用【上】

Manus火了，万元的“邀请码”最后也引起口诛笔伐，不过这多少也说明了大家对AGI的向往与期待。所谓外行看热闹，内行看门道，Manus本质上是一个运行在云端支持多用户使用的Agent as a Service应用，与Deepseek不一样的是，其技术复杂性更多体现在工程上而非底层算法。

本文将尝试构建一个基于容器（沙盒）隔离的多用户Agent系统的后台原型，以帮助理解相关的原理。

内容目录：

Manus原理乱猜
设计一个多用户的Agent后台
准备：Docker Image
准备：Docker Container管理接口
构建Tool：Python代码执行器（Docker版）
构建Tool：浏览器自动化（Docker版）
组装Prompts与ReAct Agent
测试与改进

我们分两篇介绍以上内容（配套代码获取请参考文末说明）。

Manus原理乱猜

从为数不多的演示视频看，Manus背后的一些技术的要点有：

一个自主的多Agent/多Tools系统。
由一个任务调度的Agent与多个负责任务执行的Agent（或嵌套多Agent系统）组成；不同的Agent可以根据需要使用擅长不同任务的LLM。
编程任务Agent与Web浏览Agent是核心Agent之一。

为什么？因为这两种Agent最具“通用”能力。

借助虚拟环境（比如Docker容器）做用户隔离。
为什么？一个是减少用户间的影响；一个是系统安全。你敢让用户指示AI写出的代码随便在本机环境运行吗？
目前擅长的任务流程还是以线性任务为主。
纯推测。因为非线形任务对LLM推理要求极高，或者借助Workflow来实现，但Workflow又缺乏通用型。

简单的说，每个登录用户会有一个自己的“manus”（Agent），每个"manus"有自己的电脑（虚拟机）与工作空间来完成任务。比如运行代码、浏览网络、创建文件等。

大致的工作流程：

当然，这里的细节我们在实际工程中可根据自己的实际情况参考。

设计一个多用户Agent后台

参考这些要点，我们实现一个简化版的支持多用户的Agent系统。

【基本能力】

有简单的自我规划并结合上下文的步骤推理能力
至少有编码Agent与Web Agent两种子任务能力
这两种Agent工作在动态的容器中以确保安全
可多用户同时使用，用户的容器与工作空间要隔离

【系统架构】

系统架构与大致流程设计：

这个系统中包含的组件有：

一个预建的Docker镜像：用来启动用户虚拟环境
一个容器管理器组件：用来管理多个用户虚拟环境
一个ReAct范式Agent：模拟任务步骤推理与调度
四个任务执行的Tool（也可以是Agent），用于：

CodeGenerator: 生成Python代码
WebpageCrawler:采集指定网址的内容
CodeExecutor: 虚拟环境中执行代码脚本
Browser: 执行网络自动浏览

一个Web Agent：给Browser调用的自动化浏览Agent（在虚拟环境中）
一个共享工作区：存放任务过程中输入输出文件

【工作流程】

下面以一个简单的任务，结合实际运行的效果图，说明系统工作流程。

1. 通过Docker Build创建一个用来启动用户虚拟环境的镜像（Docker Image）。你需要能在本地的Docker镜像库中看到它：

2. 用户输入任务（这里用输入用户ID来模拟不同用户）：

此时系统会：

创建一个用户ID对应的ReActAgent
启动一个用户ID对应的虚拟环境（Docker容器），注意这里的容器名：

3. ReActAgent进入任务推理循环，ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: var(--articleFontsize);letter-spacing: 0.034em;">根据上图中的输入任务，自动完成如下步骤：

首先调用WebpageCrawler采集网页内容保存到用户工作区下的一个文件。

调用CodeGenerator生成对该文件分析的python代码。

调用CodeExecutor，连接到Docker容器，在容器中执行该代码。

获得代码执行结果，并反馈用户。

以上步骤如果失败，由ReActAgent推理进行再次尝试，直到成功或到达最大迭代次数。比如这里执行发现版本问题，会自动使用pip install做更新：

4. 返回任务执行结果。如果没有新任务，则销毁agent并停止容器。

下面我们介绍核心组件的实现过程，你可以使用配套源码进行实验。

准备：Docker Image

由于需要借助AI编程来完成不同用户的任务，提供虚拟环境用于代码执行是必要的。需要注意的是，我们为了调试方便，没有把整个Agent系统都放到虚拟环境下，只把两种类型的任务执行放在容器中完成：Python代码执行与Web浏览自动化。

【Image内容】

启动Docker容器首先需要准备好必要的镜像（Build Image）。这个镜像预置如下内容：

基本的Python代码执行环境
常见的Python第三方库。比如数据分析pandas
需要在虚拟环境下使用的工具。比如我们需要Chromium用来web浏览
必要的脚本，包括shell或者预建的python代码。比如我们这里把用于自动网络浏览的Web Agent代码build到这个虚拟镜像中（agent_browser.py），用来给Browser这个Tool直接调用（为什么？因为对于复杂且需要在虚拟环境下的工作任务，你不可能每次现场编程来完成，既不稳定也不高效）

尽量把最常见的第三方库直接build进去，否则会在执行任务时现场安装，影响性能。

【构建过程】

1. 安装并启动好Docker后台。

2. 准备好Dockerfile：

Dockerfile是构建Image镜像的配置文件。除了常见的拉取基础镜像，安装必要的操作系统与Python包以外，这里有一些特殊的增加：

说明如下：

playwright install：playwright是一个自动化Web测试工具，用来实现在Docker中控制浏览器。这一步是在镜像中安装对应的chromium浏览器。
start.sh启动脚本：启动脚本是每一个容器在启动后执行的动作（ENTRYPOINT指令设置）。start.sh内容为：

#!/bin/bash
Xvfb :99 -screen 0 1024x768x16 & 
sleep 1
exec"$@"

这个脚本作用是启动一个虚拟显示服务器，用来在没有显示器（docker容器）的情况下运行图形应用，也就是Chromium浏览器，用来实现浏览自动化。

agent_browser.py：这是一个预购建的Web Agent代码，用来执行自动化web浏览任务（参考文章：Web Agent技术揭秘：如何让DeepSeek接管与控制你的浏览器？）

3. 最后使用docker build命令生成镜像。你可以使用我们代码中的build.sh来构建，等待出现提示：

ingFang SC", system-ui, -apple-system, BlinkMacSystemFont, "Helvetica Neue", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;font-size: var(--articleFontsize);letter-spacing: 0.034em;text-align: justify;">

现在，你的Docker镜像就已经准备完毕。如果后期有需要，可以修改Dockerfile后重新build即可。

Docker Container管理接口

为了方便对容器管理，比如启动、停止、执行代码等，我们来准备简单的Container管理组件与接口。

【Docker API封装】

对Docker的Container API做封装。大致接口如下（详细请参考源码包）：

......
classDockerContainer:
"""管理Docker容器的简单类"""
def__init__(
self,
image: str = "python-data-analysis:3.11",
container_name: str = "llamaindex-executor",
base_work_dir: str = "/Users/pingcy/workspace",
auto_remove: bool = True
):
...

defstart(self):
"""启动Docker容器"""
...

defset_work_dir(self, work_dir: str)-> None:
"""设置当前工作目录

Args:
work_dir: 新的工作目录
"""
...


defstop(self):
"""停止Docker容器"""
...

defexecute(self, code: str, language: str = "python", work_dir: Optional[str] = None)-> Dict[str, str]:
"""在Docker容器中执行代码

Args:
code: 要执行的代码
language: 代码语言，支持 "python", "sh", "bash"
work_dir: 执行代码的工作目录，如果不提供则使用当前工作目录

Returns:
Dict包含output和error字段
"""
...

【多用户下的Container管理接口】

现在可以在此基础上提供Container管理的方便函数给Agent使用。这里有两个要点：

支持多用户。需保留用户与容器的对应关系。
确保每个用户只有一个容器（单体）。

获取/启动容器的函数：

...

# 全局变量 - Docker容器映射表（按用户ID组织）
_docker_containers: Dict[str, DockerContainer] = {}
BASE_WORK_DIR = "/Users/"

#用来获取特定用户的容器单体实例
defget_docker_container(
user_id: str = "default",
image: str = "python_code_executor:3.11",
container_name: Optional[str] = None,
)-> DockerContainer:
"""获取或创建特定用户的Docker容器

Args:
user_id: 用户ID，用于区分不同用户
image: Docker镜像名称
container_name: 容器名称，如不提供则根据用户ID生成

Returns:
DockerContainer: 用户专属的容器实例
"""
global_docker_containers

# 如果不提供容器名称则根据用户ID生成
ifcontainer_name isNone:
container_name = f"llamaindex-executor-{user_id}"

# 为用户创建专属容器
ifuser_id notin_docker_containers or_docker_containers[user_id] isNone:
_docker_containers[user_id] = DockerContainer(
image=image,
container_name=container_name,
base_work_dir=os.path.join(BASE_WORK_DIR, user_id)
)
_docker_containers[user_id].start()

# 确保用户基本工作目录存在
user_work_dir = os.path.join(BASE_WORK_DIR, user_id)
os.makedirs(user_work_dir, exist_ok=True)

return_docker_containers[user_id]

停止容器的函数：

...

# 关闭特定用户的Docker容器
defclose_docker_container(user_id: str = "default"):
global_docker_containers
...

# 关闭所有Docker容器
defclose_all_docker_containers():
global_docker_containers
...

【测试】

使用如下代码来测试能否动态启动一个容器，并在容器中执行一段代码：

deftest_docker_container():
#启动一个容器
container = get_docker_container(user_id="test_user")

#执行的代码
code = """
import sys
print("Testing Docker container...")
print(f"ython version: {sys.version}")
""" 
try:
#在容器中执行代码
result = container.execute(code, "python")
print("Execution result:")
print(f"Output: {result['output']}")
print(f"Error: {result['error']}")
finally:

#关闭容器
close_docker_container("test_user")

你应该可以看到如下的输出：

欢迎光临链载Ai (https://www.lianzai.com/)