Skillget

Jumping-Agent-platform

agent
Guvenlik Denetimi
Uyari
Health Uyari
  • No license — Repository has no license file
  • Description — Repository has a description
  • Active repo — Last push 0 days ago
  • Community trust — 193 GitHub stars
Code Uyari
  • fs module — File system access in Frontend/js/agent-chat/_fix-tags.js
  • network request — Outbound network request in Frontend/js/agent-chat/api.js
  • network request — Outbound network request in Frontend/js/game/index.js
Permissions Gecti
  • Permissions — No dangerous permissions requested

Bu listing icin henuz AI raporu yok.

SUMMARY

Build your own AI agent through gameplay.

README.md
Jumping Agent：超级简单的Agent构建平台（Task split → Community / Code / Data agent → Aggregator）

Jumping-Agent

通过游戏方式，将平面智能体构建改为空间化智能体构建，让小白轻松上手

English | 中文

项目简介

这是一个非常有趣的项目，以跳一跳游戏式的交互与呈现，帮助零基础用户在移动端（先以平板为主）简单、快速地搭建属于自己的 Agent，把抽象的流程变成可点、可跳跃的步骤，极大降低上手门槛。

本项目把传统平面 workflow 转换为空间化、游戏化流程，通过跳一跳这个载体更动态地演示 Agent 的运行过程。

在这里，你看不到错综复杂的连线与箭头；只需按压屏幕、操控棋子一次次跳跃，就能直观地体会 Agent 工作流是如何一环接一环向前推进的。

跳一跳式 Agent 构建界面：按压跳跃操控棋子，直观感受工作流如何推进

架构说明

  • Frontend/：跳一跳式 Agent 构建界面，负责 workflow 展示、节点配置和聊天入口。
  • agent_builder/：Agent 骨架与模板，包括流程模板、Agent 模板、项目模板和配置生成逻辑。
  • back_agent/：读取骨架代码，并结合用户在前端输入的需求，对 Agent 进行补全、改写与落地。
  • backend/：编排服务。orchestrator.py 负责串联前端请求、动态加载 agent_builder、生成 Agent workspace，并通过本地 HTTP 调用 back_agent。
  • sandbox/ / sandbox-main/：为生成后的 Agent 提供沙盒工具能力，例如文件操作、Shell 和浏览器自动化，避免 Agent 直接操作宿主机。非常感谢这个沙盒项目提供者：https://github.com/agent-infra/sandbox.git 😊

默认服务关系：

  • Frontend: http://localhost:6301
  • back_agent: http://localhost:8000/chat
  • backend / Orchestrator: http://localhost:8001
  • Sandbox: http://localhost:8080

Quick Start

Prerequisites

  • Git
  • Python 3.11+
  • Node.js 18+
  • npm
  • Docker

Clone

git clone https://github.com/answeryt/Jumping-Agent-platform.git
cd Jumping-Agent-platform

Install Frontend Dependencies

cd Frontend
npm install
cd ..

Install Backend Dependencies

建议先创建虚拟环境：

python -m venv .venv

Windows:

.venv\Scripts\activate

macOS / Linux:

source .venv/bin/activate

安装 Python 依赖：

python -m pip install "fastapi" "uvicorn[standard]" "pydantic" "openai"

Configure API Key

back_agent/config/model_config.toml 默认读取 OPENAI_API_KEY 环境变量。你可以直接设置环境变量，也可以使用项目内置脚本写入 .env。

方式一：使用环境变量。

Windows PowerShell:

$env:OPENAI_API_KEY="your_api_key_here"

macOS / Linux:

export OPENAI_API_KEY="your_api_key_here"

方式二：使用项目脚本。

python backend/set_agent_api_key.py

脚本会要求你输入 API Key，并更新 back_agent/.env 以及已生成 workspace 的 .env。

Start Sandbox

docker run --security-opt seccomp=unconfined --rm -it -p 8080:8080 ghcr.io/agent-infra/sandbox:latest

Start Services

需要打开 3 个终端，并都在仓库根目录下执行。

终端 A：启动 back_agent。

cd back_agent
python -m uvicorn api:app --host 0.0.0.0 --port 8000

终端 B：启动 backend / Orchestrator。

cd backend
python -m uvicorn orchestrator:app --host 0.0.0.0 --port 8001

终端 C：启动前端。

cd Frontend
npm run server -- --host 0.0.0.0 --port 6301 --allowed-hosts all

打开浏览器访问：

http://localhost:6301

iPad / 局域网访问

如果希望在 iPad 上访问前端，需要确保 iPad 和电脑处于同一局域网，并使用电脑的局域网 IP 访问。

Windows 查看 IP：

ipconfig

macOS / Linux 查看 IP：

ifconfig

找到当前网卡的 IPv4 地址，例如 192.168.x.x，然后在 iPad 浏览器中访问：

http://192.168.x.x:6301

CLI 计划

当前仓库可以通过上面的源码命令运行。为了让 GitHub 用户更容易上手，推荐后续把这些步骤封装成 CLI，例如：

agent-jump setup
agent-jump config set OPENAI_API_KEY
agent-jump dev

理想情况下：

  • agent-jump setup 安装前端和后端依赖。
  • agent-jump config set OPENAI_API_KEY 写入模型 API Key。
  • agent-jump dev 同时启动 Sandbox、back_agent、backend 和 Frontend。

在 CLI 正式实现前，请使用 Quick Start 中的手动启动方式。

致谢与说明

本项目由我个人独立开发。沙盒能力得益于 agent-infra/sandbox，在此表示感谢。

受限于个人精力和能力，当前版本仍有不少不足，例如：沙盒操作偶发失败、Agent Workflow 目前仅提供 7 种模板、跳台编排与最终构建流程尚不够稳定等。我会持续迭代完善。

若您愿意一起把项目做得更好，欢迎提交 Issue 或 PR。或者您可以直接联系我：[email protected]。中国朋友可以通过微信联系我：answerYTAarun
也期待更多小白能用它发挥想象力，搭建属于自己的 Agent。

Yorumlar (0)

Sonuc bulunamadi