Skillget

MiniAgent

mcp
SUMMARY

🚀「 5分钟手搓一个 AI Coding 助手 + 命令行版 Manus」 ⚡️Build an AI Coding Assistant + CLI-based Manus in 5 Minutes!

README.md

MiniAgent

🚀 5分钟手搓一个 AI Coding 助手 + 命令行版 Manus！ | English

MiniAgent

License
Python
GitHub stars

💡 核心特性

一个 agent.py 核心文件，复刻 Claude Code 的编程能力 + Manus 的系统操控能力！

MiniAgent 是一个极简、透明、强大的 CLI Agent 框架，拒绝臃肿的依赖和复杂的架构：

  • 🧠 Code Agent: 像 Claude Code 一样写代码、修 Bug、跑测试
  • 🦾 OS Agent: 像 Manus 一样操控浏览器、编辑文档、管理应用
  • ⚡ 极简实现: 核心引擎 agent.py 完全透明可控，适合学习和魔改
  • 🤖 全模型支持: DeepSeek、OpenAI、Claude 等所有兼容 OpenAI 接口的模型
  • 🔌 高扩展性: 极简装饰器模式，3行代码即可挂载自定义工具
  • 🔄 双模式工具调用: 文本解析模式（透明可学习）+ 原生 Function Calling 模式（更可靠）
  • 🎯 Skill 系统: 可复用的 Agent 配置，内置 coder/researcher/reviewer/tester 四个角色
  • 🛡️ 安全防护: 危险命令自动拦截确认，防止 LLM 幻觉导致破坏性操作
  • 💬 流式输出: 打字机效果实时输出，长对话自动压缩上下文
  • 🔗 MCP 协议: 支持连接 MCP 工具服务器，接入社区生态
  • 🤝 Agent 编排: 内置编排器，支持任务分解 + 多角色协同

🤔 Why MiniAgent?

MiniAgent smolagents pydantic-ai LangChain
核心定位 CLI Agent 教科书 HuggingFace 生态 企业级类型安全 万能框架
核心代码 单文件可读 ~1,000行 182MB 10万+行
工具调用 文本解析 + 原生FC Code Agent 原生FC 多层抽象
学习曲线 ⭐ 30分钟上手 ⭐⭐ ⭐⭐⭐ ⭐⭐⭐⭐⭐
依赖 7个 ~20个 ~15个 50+
OS 控制 bash 万能 需扩展 需扩展 需插件

MiniAgent 的独特价值：最好的 AI Agent 教科书。 没有魔法、没有抽象，初学者可以完全理解 Agent 是如何工作的。

设计哲学

MiniAgent 不内置 100 个工具，而是用 6 个代码工具 + bash 实现无限可能。

  • 要截图？LLM 会 bash: python -c "from mss import mss; mss().shot()"
  • 要控制鼠标？LLM 会 bash: python -c "import pyautogui; pyautogui.click(100,200)"
  • 要爬网页？LLM 会 bash: curl ... | python -c "..."

这就是极简的力量：让 LLM 做它最擅长的事 — 思考和组合。

快速开始

git clone https://github.com/ZhuLinsen/MiniAgent.git && cd MiniAgent
pip install -r requirements.txt && pip install -e .
cp .env.example .env  # 填入你的 API Key
miniagent              # 启动！
📋 详细安装说明

安装

git clone https://github.com/ZhuLinsen/MiniAgent.git
cd MiniAgent
pip install -r requirements.txt
pip install -e .  # 安装 miniagent 命令

配置

创建 .env 文件（参考 .env.example）：

LLM_API_KEY=your_api_key_here
LLM_MODEL=deepseek-chat
LLM_API_BASE=https://api.deepseek.com/v1

运行

miniagent          # 或 python -m miniagent

使用示例

you: 帮我创建一个 hello.py 文件
  ● write hello.py (1 lines)
    → ok
🤖 已创建 hello.py 文件！

you: 运行一下
  ● bash python hello.py
    → Hello World!
🤖 运行成功！

⚡ 演示

1. 操控浏览器搜索

Prompt: "Open the browser, then search for 'zhulinsen/miniagent' on Google."

Browser Automation Demo

2. 自动化办公 (Word)

Prompt: "Write a 500-word overview of AI agents in Word and format"

Word Creation Demo

3. 代码生成 (Coding)

Prompt: "Create a ppo.py implementation and perform testing"

Coding Demo

内置工具

类别 工具 描述
Coding read 读取文件内容
write 创建/覆盖文件
edit 编辑文件指定行
grep 搜索文件内容
glob 列出匹配的文件
bash 执行 Shell 命令（支持超时控制）
OS open_browser 打开网页或搜索
open_app 启动本地应用 (calc, notepad...)
create_docx 创建 Word 文档
clipboard_copy 复制到剪贴板
clipboard_read 读取剪贴板内容
System system_info 系统信息
system_load CPU/内存/磁盘负载
process_list 进程列表
disk_usage 磁盘使用情况
env_get 读取环境变量
env_set 设置环境变量
Misc calculator 数学计算（AST 安全求值）
get_current_time 当前时间
web_search 网页搜索
http_request HTTP 请求
file_stats 文件/目录统计

项目结构

miniagent/
├── agent.py        # 🧠 核心 Agent 引擎（从这里开始读！）
│                   #    LLM 循环 + 工具调用 + 上下文管理
├── cli.py          # 💬 交互式命令行界面（Rich + 流式输出）
├── tools/          # 🔧 工具集
│   ├── code_tools.py   # 代码工具 (read/write/edit/grep/glob/bash)
│   └── basic_tools.py  # 基础工具 (calculator/browser/clipboard/docx...)
├── extensions/     # 🔌 可选扩展
│   ├── mcp_client.py   # MCP 协议客户端
│   └── orchestrator.py # 多 Agent 编排器
├── skills.py       # 🎯 Skill 系统（可复用的 Agent 角色配置）
├── config.py       # ⚙️ 配置管理（.env + JSON + 环境变量）
├── memory.py       # 💾 轻量会话记忆
└── utils/          # 工具函数
    ├── json_utils.py   # 健壮 JSON 解析
    ├── text_utils.py   # 文本处理
    └── reflector.py    # 反思机制（可选）

双模式工具调用

MiniAgent 支持两种工具调用模式，便于学习和对比：

文本模式（默认）

LLM 在响应中输出结构化文本，Agent 解析执行 — 完全透明，最佳教学模式：

agent.run("计算 2+2")  # 默认文本模式

原生 Function Calling 模式

使用 OpenAI 兼容的 tools 参数 — 更可靠，支持并行工具调用：

agent.run("计算 2+2", mode="native")  # 原生 FC 模式

MCP 协议支持

连接任意 MCP 工具服务器，一行代码接入社区生态：

from miniagent import MiniAgent, load_mcp_tools

agent = MiniAgent(model="deepseek-chat", api_key="...")

# 加载 MCP 文件系统工具
for tool in load_mcp_tools("npx @anthropic/mcp-server-filesystem /tmp"):
    agent.add_tool(tool)

Agent 编排

内置编排器，自动分解复杂任务并分配给专业 Worker（基于 Skill 系统）：

from miniagent import Orchestrator

orch = Orchestrator(model="deepseek-chat", api_key="...", base_url="...")
result = orch.run("研究 Python 异步模式，写一个 demo 并测试")
# 自动规划: researcher → coder → tester

Skill 系统

Skill 是可复用的 Agent 配置：prompt + 工具白名单 + 参数。内置 4 个 Skill，也可自定义：

from miniagent import MiniAgent, Skill, register_skill

# 使用内置 Skill
agent = MiniAgent(model="deepseek-chat", api_key="...", base_url="...")
agent.load_all_tools()
agent.load_skill("coder")  # 自动设置代码专家 prompt + 只保留代码工具

# 自定义 Skill
register_skill(Skill(
    name="devops",
    prompt="You are a DevOps engineer. Focus on CI/CD, Docker, and infrastructure.",
    tools=["bash", "read", "write"],
    temperature=0.3,
))

自定义工具

from miniagent import MiniAgent
from miniagent.tools import register_tool

@register_tool
def my_tool(arg: str) -> str:
    """我的自定义工具"""
    return f"处理: {arg}"

agent = MiniAgent(...)
agent.load_builtin_tool("my_tool")

与同类项目对比

特点 MiniAgent smolagents pydantic-ai LangChain
核心代码 单文件可读 ~1,000行 182MB 10万+行
工具调用 文本解析 + 原生FC 双模式 Code Agent 原生FC 多层抽象
可读性 ⭐⭐⭐⭐⭐ 初学者友好 ⭐⭐⭐⭐ 紧凑 ⭐⭐⭐ 企业级 ⭐⭐ 复杂
OS 控制 bash 万能 + 专用工具 需扩展 需扩展 需插件
教学价值 最好的 Agent 教科书 HuggingFace 生态强 类型安全最佳 过于复杂
模型支持 全模型兼容 全模型 全模型 全模型
Skill 系统 ✅ 内置 ❌ ❌ ❌
MCP 支持 ✅ ❌ ✅ 需插件

致谢

MiniAgent 的 Code Tools 设计参考了 nanocode 项目，感谢其优雅的极简实现思路！

许可证

Apache License 2.0

⭐ 如果这个项目对你有帮助，请给个 Star！

Yorumlar (0)

Sonuc bulunamadi