一个轻量级的 ReAct（Reasoning and Acting）智能体框架，让您轻松构建能够思考、使用工具并采取行动的智能代理。 1
- 🚀 轻量级设计：核心功能仅依赖少量库，保持框架简洁高效
- 🔧 灵活工具系统：自动从函数中提取参数和文档，轻松集成自定义工具
- 🧠 智能轨迹管理：自动管理推理过程，支持上下文窗口智能截断
- 🌊 流式响应：支持实时流式输出，提供更好的用户体验
- 🔌 多模型支持：支持 OpenAI、Ollama、OpenRouter 等多种语言模型提供商
- 💾 智能缓存：内置预测结果缓存，提升性能并降低 API 成本
- 🛡️ 错误恢复：完善的错误处理机制，确保系统稳定运行
minireact 基于模块化架构设计，所有组件都继承自统一的 Module 基类： 2
minireact/
├── Module # 所有组件的基类
├── ReAct # 核心推理-行动循环
├── Tool # 工具封装和执行
├── Signature # 输入输出规范定义
├── Predict # 语言模型交互
├── LM # 多提供商语言模型接口
└── streamify # 流式响应包装器
pip install -e .import minireact as mr
# 定义任务签名
signature = mr.Signature(
{"query": mr.InputField()},
{"answer": mr.OutputField()},
instructions="回答用户的问题"
)
# 定义工具函数
def search_tool(query: str):
"""搜索相关信息"""
return f"搜索到关于 {query} 的相关信息"
def calculator(expression: str):
"""计算数学表达式"""
try:
return str(eval(expression))
except:
return "计算错误"
# 创建 ReAct 智能体
agent = mr.ReAct(signature, tools=[search_tool, calculator])
# 执行任务
result = agent(query="计算 15 * 23 + 45")
print(result.answer)# 使用流式包装器
streaming_agent = mr.streamify(agent)
async for response in streaming_agent(query="今天天气如何？"):
if isinstance(response, mr.ThoughtResponse):
print(f"💭 思考: {response.thought}")
elif isinstance(response, mr.ToolCallResponse):
print(f"🔧 调用工具: {response.tool_name}")
elif isinstance(response, mr.ObservationResponse):
print(f"👀 观察: {response.observation}")
elif isinstance(response, mr.FinishResponse):
print(f"✅ 完成: {response.outputs}")import minireact as mr
# 设置 OpenAI 模型
mr.set_model("gpt-4o-mini")
mr.lm_config.set_api_key("your-openai-api-key")# 设置 Ollama
mr.setup_ollama(model="qwen3:8b", api_base="http://localhost:11434")# 设置 OpenRouter
mr.setup_openrouter(api_key="your-openrouter-key", model="qwen/qwq-32b-preview")ReAct 类实现了推理-行动-观察的核心循环： 3
# 创建智能体时的关键参数
agent = mr.ReAct(
signature=signature, # 任务定义
tools=[tool1, tool2], # 可用工具列表
max_iters=5, # 最大迭代次数
lm=custom_lm # 自定义语言模型
)工具系统自动处理函数封装和参数验证： 4
# 函数会自动转换为 Tool 对象
def my_tool(param1: str, param2: int = 10):
"""工具描述"""
return f"处理 {param1} 和 {param2}"
# 或者手动创建 Tool
tool = mr.Tool(
func=my_function,
name="custom_name",
desc="自定义描述"
)签名定义了任务的输入输出规范： 5
signature = mr.Signature(
input_fields={"question": mr.InputField()},
output_fields={"answer": mr.OutputField()},
instructions="根据问题提供准确答案"
)- 输入验证：根据签名验证输入参数
- 推理循环：执行思考-行动-观察循环
- 工具调用：选择并执行合适的工具
- 轨迹管理：记录完整的推理过程
- 结果提取：从轨迹中提取最终答案
- 错误处理：处理各种异常情况 6
当上下文窗口超出限制时，系统会智能截断轨迹： 7
内置缓存系统提升性能： 8
完善的错误处理和重试机制： 9
mini-react/
├── minireact/
│ ├── __init__.py # 包初始化和导出
│ ├── module.py # 模块基类
│ ├── react.py # ReAct 核心实现
│ ├── tool.py # 工具系统
│ ├── signature.py # 签名系统
│ ├── predict.py # 预测模块
│ ├── lm.py # 语言模型接口
│ ├── streamify.py # 流式响应
│ └── prompt.py # 提示模板
├── examples/ # 使用示例
├── setup.py # 安装配置
└── README.md # 项目说明
欢迎提交 Issue 和 Pull Request 来改进这个项目！
MIT License
minireact - 让智能体开发变得简单而强大 🚀
这个 README 基于项目的实际代码结构和功能编写，突出了 minireact 框架的核心特性：轻量级设计、模块化架构、流式响应支持和多语言模型集成。 10 相比原有的 README，新版本更加结构化，增加了更多实用的代码示例和配置说明，同时保持了中文文档的特色。