一个支持多 AI Agent 协作的平台，Agent 们可以通过聊天频道通信，协作完成复杂任务。

• 🤖 多 Agent 协作：支持创建不同角色的 Agent，它们可以协作完成任务
• 💬 聊天室系统：每个项目自动创建独立聊天室，Agent 间实时通信
• 🧠 记忆系统：Agent 具备长期和短期记忆能力
• 🛠️ 工具调用：Agent 可以调用各种工具和技能
• 🌐 OpenAI 兼容：支持任何 OpenAI 兼容的 LLM 接口
• 🎨 Web 界面：友好的 Web 界面用于监控和交互

• Python 3.10+
• Node.js 18+
• pip 和 npm

cd backend
pip install -r requirements.txt

cd frontend
npm install

复制环境变量文件并配置：

cd backend
cp .env.example .env

编辑 .env 文件，设置你的 LLM API 密钥：

# LLM 配置
LLM_API_KEY=your_api_key_here
LLM_BASE_URL=https://api.openai.com/v1
LLM_MODEL=gpt-4

# 服务器配置
HOST=0.0.0.0
PORT=8000

Linux/Mac:

chmod +x start.sh
./start.sh

Windows:

start.bat

选择 "Both (Full stack)" 选项同时启动前后端。

启动后端:

cd backend
uvicorn main:app --reload --host 0.0.0.0 --port 8000

启动前端（新终端）:

cd frontend
npm run dev

• 🌐 Web 界面: http://localhost:3000
• 📚 API 文档: http://localhost:8000/docs
• 🏠 后端首页: http://localhost:8000

catown/
├── backend/              # 后端服务
│   ├── agents/          # Agent 核心模块
│   ├── chatrooms/       # 聊天室系统
│   ├── llm/             # LLM 集成
│   ├── models/          # 数据模型
│   ├── routes/          # API 路由
│   ├── tools/           # 工具集合
│   └── main.py         # 应用入口
├── frontend/            # 前端应用
│   ├── src/
│   │   ├── components/  # React 组件
│   │   ├── pages/       # 页面
│   │   └── hooks/       # 自定义 Hooks
│   └── public/
├── data/               # 数据存储
└── logs/              # 日志目录

通过 Web 界面或 API 创建新项目：

curl -X POST http://localhost:8000/api/projects \
  -H "Content-Type: application/json" \
  -d '{
    "name": "我的第一个项目",
    "description": "测试项目",
    "agents": ["assistant", "coder", "reviewer"]
  }'

在 Web 界面中选择项目，发送消息到聊天室，Agent 们会自动协作回复。

• Assistant: 通用助手，处理日常任务
• Coder: 代码专家，编写和审查代码
• Reviewer: 审核专家，提供反馈和建议
• Researcher: 研究专家，信息收集和分析

启动服务后访问 http://localhost:8000/docs 查看完整的 API 文档

• GET /api/agents - 获取所有可用 Agent
• GET /api/agents/{id} - 获取 Agent 详情
• GET /api/agents/{id}/memory - 获取 Agent 记忆

• GET /api/projects - 获取所有项目
• POST /api/projects - 创建新项目
• GET /api/projects/{id} - 获取项目详情
• DELETE /api/projects/{id} - 删除项目

• GET /api/chatrooms/{id}/messages - 获取聊天消息
• POST /api/chatrooms/{id}/messages - 发送消息

• GET /api/status - 获取系统状态
• GET /api/health - 健康检查

• WS /ws - WebSocket 实时通信

在 backend/agents/registry.py 中添加新的 Agent 配置：

AgentConfig(
    name="my_agent",
    role="我的专家角色",
    system_prompt="""You are a specialized agent...
    
    Your capabilities:
    - Capability 1
    - Capability 2
    
    Guidelines:
    - Always be helpful
    - Provide clear explanations
    """,
    tools=["web_search", "custom_tool"]
)

然后重启后端服务即可。

cd backend
pip install -r requirements-test.txt
pytest tests/ -v

查看 backend/examples/demo.py 了解如何使用 API：

cd backend/examples
python demo.py

✅ 1. Web 页面用于同 Agent 交互

• Dashboard 页面：项目管理、Agent 列表、项目列表
• Chat 页面：实时聊天界面
• Agents 页面：Agent 详细信息和记忆查看
• Status 页面：系统状态监控

✅ 2. 使用与 OpenAI 兼容的 LLM

• 支持任何 OpenAI 兼容的 API
• 可配置的 base_url 和 model
• 统一的 LLM 客户端封装

✅ 3. Agent 具备调用 tool/skills 能力

• 工具注册机制
• 工具调用和结果处理
• 内置工具：web_search, execute_code, retrieve_memory

✅ 4. Agent 具备记忆能力

• 短期记忆（最近对话）
• 长期记忆（重要信息）
• 程序性记忆（技能和经验）
• 记忆重要性评分系统

• Agent 间自动协作机制
• 更多内置工具
• Agent 学习和适应能力
• 分布式部署支持
• 插件系统
• 可视化工作流编排

欢迎贡献代码！请遵循以下步骤：

1. Fork 项目
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 开启 Pull Request

MIT License

这个项目由 Catown 团队开发。感谢所有贡献者！