Proteus AI：多智能体工作流引擎

Proteus AI 是一个强大的、可扩展的、基于 Python 和 FastAPI 构建的多智能体工作流引擎。它旨在提供一个灵活、高效的平台，用于构建和管理复杂的自动化任务和智能代理系统。

🌊 项目名称由来

Proteus（普罗透斯）源自希腊神话中的海神，他以能够随意改变自己的形态而闻名。这个名字完美契合了本项目的核心特性：

• 强大的可变性：引擎通过不同节点类型的组合实现各种复杂的工作流
• 智能适应：Agent 系统能够智能地选择最适合的工具和执行路径
• 灵活性：引擎能够灵活处理各种任务场景和数据流

✨ 核心特性

🧠 智能对话系统

• 高级推理能力：基于 Chain-of-Thought (CoT) 推理，支持复杂的任务分解和决策
• 动态工具调用：智能体能够根据任务需求动态选择并调用内置或外部工具
• 多轮对话与上下文管理：支持多轮对话，保持上下文连贯性，提升交互体验
• 技能系统：支持技能调用和技能记忆，可扩展智能体能力
• 文件分析：支持上传文件并基于文件内容进行问答和分析

🔄 灵活的工作流编排

• 可视化工作流构建：直观的 Web 界面支持节点和边的拖拽，轻松构建复杂工作流
• 完整的生命周期管理：支持工作流的创建、启动、暂停、恢复和取消
• 智能调度：处理节点依赖关系，确保数据流和执行顺序正确
• 异步执行与实时监控：基于 SSE (Server-Sent Events) 实现实时通信，监控节点执行状态和结果
• 高级工作流结构：支持循环执行和工作流嵌套，提升复用性和灵活性

🛠️ 丰富的内置节点与可扩展性

内置多种节点类型，涵盖多种操作，并支持轻松扩展：

类别	节点类型	功能描述
数据库操作	db_query, db_execute, mysql_node	数据库查询和执行
信息检索	duckduckgo_search, arxiv_search, serper_search	多种搜索引擎集成
Web 爬虫	web_crawler	网页内容抓取
代码与自动化	python_execute	Python 代码和 Shell 脚本执行（沙箱环境）
浏览器自动化	browser_agent	浏览器操作自动化
交互与通信	api_call, chat, email_sender	API 调用、聊天节点、邮件发送
技能管理	skills_extract	技能解析与管理（列出、获取、读取技能文件）
特殊功能	weather_forecast	天气预报查询（通过经纬度获取天气数据）

📊 实时监控与可视化

• SSE 实时通信：通过 Server-Sent Events 实现前后端实时数据传输
• 节点状态实时更新：Web 界面实时展示节点执行进度、状态和结果
• 智能体思考过程可视化：实时显示智能体思考过程和操作，增强可观察性
• 历史记录管理：支持会话历史的查询、存储、摘要生成和恢复

🔌 MCP (Model Context Protocol) 支持

• 标准化外部工具集成：支持 MCP 标准，动态加载和管理外部工具和资源
• 远程 MCP 服务器集成：通过 MCP 客户端节点与外部服务无缝交互
• LLM 工具理解：标准化的工具描述便于大型语言模型 (LLM) 理解和使用工具

🛡️ 安全沙箱环境

提供独立的沙箱环境，用于安全地执行 Python 代码和终端命令，隔离潜在风险。

🎨 用户友好的界面与工具

• Web 可视化界面：提供直观的 Web 界面进行工作流构建、智能体交互和状态监控
• 命令行工具 (CLI)：功能强大的 CLI 工具，方便开发者和用户在终端中直接与 Proteus AI 系统交互

📋 实际效果展示

请查看 examples/ 文件夹中的研究报告示例，展示 Proteus 在复杂信息收集和分析方面的能力：

• 中美人工智能发展报告
• 印巴空战5.7研究报告
• 细胞膜结构与功能研究进展
• 美俄军力报告

🚀 快速开始

请严格遵循以下流程构建和启动项目。

前提条件

• Docker & Docker Compose
• OpenSSL (用于生成 SSL 证书)

构建与启动流程

1. 构建 Sandbox 镜像

首先构建用于安全执行代码的沙箱环境镜像。

cd sandbox
./build.sh
cd ..

2. 构建 Proteus 镜像

构建核心 Agent 服务的镜像。

cd proteus
docker build -t proteus-agent .

3. 生成 SSL 证书

为 Nginx 服务生成 SSL 证书，以支持 HTTPS 访问。

# 确保在 proteus 目录下
./bin/generate-ssl-cert.sh

4. 启动服务

进入 Docker 目录并启动所有服务。

cd docker

# 首次启动前，请确保配置了必要的环境变量
# 复制示例配置文件
# cp volumes/agent/.env.example volumes/agent/.env
# cp volumes/sandbox/.env.example volumes/sandbox/.env

# 启动服务
docker-compose up -d

服务启动后：

• Web 界面访问地址: https://localhost (通过 Nginx 代理) 或 http://localhost:8000
• Sandbox 服务运行在: http://localhost:8000 (容器内部端口)

⚙️ 配置说明

主要配置项位于 proteus/docker/volumes/agent/.env 文件中。您需要从 .env.example 复制并配置：

🤖 智能体模式

Proteus AI 提供多种智能体运行模式，适用于不同场景：

模式	描述
chat	纯对话模式，支持工具调用和多轮对话
task	任务模式，自动规划并完成复杂任务
workflow	工作流模式，执行可视化工作流
super-agent	超级智能体，具备更强的规划与执行能力
mcp-agent	MCP 模式，通过 Model Context Protocol 调用外部工具
browser-agent	浏览器操作模式，支持自动化网页交互
deep-research	深度研究模式，对指定主题进行系统性深度研究
deep-research-multi	多智能体协作深度研究模式
codeact-agent	代码执行智能体，通过编写和运行代码解决问题

🧠 Chat 智能体

Proteus AI 的核心是 Chat 智能体，这是一个功能强大的对话智能体，支持工具调用和上下文管理：

# 使用 Chat 智能体进行对话
chat_agent = ChatAgent(
    stream_manager=stream_manager,
    model_name="deepseek-chat",
    enable_tools=True,
    tool_choices=["serper_search", "web_crawler", "python_execute"],
    max_tool_iterations=5,
    conversation_id=conversation_id,
    conversation_round=5,
    enable_tool_memory=True,
    enable_skills_memory=True,
    user_name=user_name,
    selected_skills=selected_skills,
    workspace_path=workspace_path,  # 可选，工作区路径
)

# 运行智能体
result = await chat_agent.run(
    chat_id=chat_id,
    text="请搜索最新的人工智能发展动态并进行分析",
    file_analysis_context=file_context
)

核心特性：

• 多轮对话：支持上下文记忆，能够理解对话历史
• 动态工具调用：根据用户意图自动选择并调用合适的工具（如搜索、代码执行、网页爬取）
• 文件分析：支持上传文件并基于文件内容进行问答和分析
• 实时流式响应：通过 SSE 实时输出思考过程和回复内容
• 技能系统：支持技能调用和技能记忆，可扩展智能体能力
• 工具记忆：记录工具调用历史，优化后续交互

🛠️ 开发指南

1. 项目结构

proteus-ai/
├── proteus/                 # 主应用目录
│   ├── src/                # 源代码
│   │   ├── agent/          # 智能体系统（chat_agent.py、base_agent.py、prompt/）
│   │   ├── nodes/          # 节点实现（agent_node_config.yaml 及各节点文件）
│   │   ├── api/            # API 接口（stream_manager、llm_api、events 等）
│   │   ├── auth/           # 认证模块
│   │   ├── login/          # 登录模块
│   │   ├── manager/        # 管理器模块（会话、模型等）
│   │   ├── tasks/          # 任务处理器
│   │   └── utils/          # 工具函数
│   ├── static/             # 静态文件（Web 界面）
│   ├── conf/               # 配置文件（压缩策略、模型配置等）
│   ├── docker/             # Docker 配置及 volumes
│   ├── bin/                # 脚本工具（SSL 证书生成等）
│   ├── scripts/            # 辅助脚本
│   ├── tests/              # 测试文件
│   └── requirements.txt    # Python 依赖
├── sandbox/                # 沙箱环境（安全代码执行）
├── app/                    # Android 客户端
│   └── src/                # Kotlin/Compose 源码
├── server/                 # 轻量级 Web 服务器
│   ├── main.py             # FastAPI 主应用
│   ├── requirements.txt    # Python 依赖
│   └── .env.example        # 环境变量示例
├── examples/               # 使用示例
│   ├── deep-research/      # 深度研究报告示例
│   └── self_improving_agent/ # 自我改进智能体示例
├── AGENTS.md               # 智能体详细文档
└── README.md               # 项目说明

2. 添加新节点类型

1. 在 proteus/src/nodes/ 目录下创建新的节点文件
2. 在 proteus/src/nodes/agent_node_config.yaml 中注册 Agent 工具配置

3. 扩展 Agent 功能

1. 在 proteus/src/agent/prompt/ 中添加新的提示词模板
2. 修改 proteus/src/agent/agent.py 实现新的推理方法
3. 注册新的工具到 Agent 系统

4. 前端开发

1. 静态资源位于 proteus/static/ 目录
2. 使用 SSE 接收实时更新

5. 测试指南

# 运行测试
cd proteus
python -m pytest tests/

6. 使用 MCP 功能

1. 配置 MCP 服务器
2. 在代码中使用 MCP 管理器
3. 在 Agent 中使用 MCP 工具

📱 Android 客户端 (app/)

app/ 目录包含 Proteus AI 的官方 Android 客户端，基于 Jetpack Compose + Kotlin + Material Design 3 构建，让你随时随地通过手机使用 AI 智能体服务。详细说明见 app/README.md。

主要功能

• 实时流式对话：通过 SSE 实时接收 AI 回复，支持 Markdown 渲染和 Mermaid 图表
• 思考过程可视化：可折叠卡片展示 AI 推理链路和工具调用详情
• 三种增强模式：深度研究 🌐 / 网络搜索 🔍 / 技能调用 🛠️，按需开启
• 会话历史管理：侧边栏显示所有历史对话，点击即可加载历史记录
• Token 管理：Bearer Token 安全持久化存储
• 停止任务：AI 回复过程中可随时中断
• Material Design 3：支持深色/浅色主题自动切换

快速上手

1. 启动后端服务

按照本 README 上方的"快速开始"章节启动 Proteus AI 后端服务。

2. 编译安装应用

# 进入 app 目录
cd app

# 编译调试版 APK（需已配置 Android SDK 环境变量）
./gradlew assembleDebug

# 安装到已连接的 Android 设备
adb install app/build/outputs/apk/debug/app-debug.apk

推荐使用 Android Studio 2023.3+ 打开 app/ 目录，点击 ▶️ Run 直接安装并运行。

3. 配置服务器地址

场景	配置方式
Android 模拟器访问本机（默认）	无需修改，默认 http://10.0.2.2:8888/
真机访问局域网服务器	修改 app/build.gradle.kts 中 defaultConfig 的 BASE_URL 为局域网 IP
生产环境	修改 buildTypes.release 中的 BASE_URL

4. 首次使用

1. 启动应用，自动弹出 Token 配置对话框
2. 输入 Proteus AI 后端服务的 Bearer Token
3. 确认后自动加载历史会话，即可开始对话

更多详细说明（架构、接口文档、常见问题等）请查看 app/README.md。

---

🌐 轻量级 Web 服务器 (server/)

server/ 目录包含一个基于 FastAPI 的轻量级 Web 服务器，提供对话管理、模型配置查询、任务队列提交和 SSE 流式重放等接口，详细说明见 server/README.md。

主要接口

方法	路径	说明
GET	/conversations	获取当前用户的会话列表
GET	/conversations/{id}	获取指定会话详情
GET	/models	获取可用模型列表
GET	/replay/stream/{chat_id}	SSE 流式重放已保存的聊天记录
POST	/submit_task	提交任务到 Redis 队列
GET	/health	服务健康检查

快速启动

cd server

# 安装依赖
pip install -r requirements.txt

# 配置环境变量
cp .env.example .env
# 编辑 .env，填写 Redis 连接信息

# 启动服务
uvicorn main:app --host 0.0.0.0 --port 8000 --reload

服务启动后可访问：

• Swagger UI：http://localhost:8000/docs
• ReDoc：http://localhost:8000/redoc

认证方式

在请求头中携带 Bearer Token：

Authorization: Bearer <your_token>

---

🔮 未来计划

我们致力于不断改进 Proteus 引擎，以下是未来可能优先考虑的功能和优化：

核心功能增强

• 完善工作流的暂停和恢复机制
• 引入工作流模板系统
• 实现工作流版本控制
• 增加节点执行超时机制

节点类型扩展

• 集成更多主流 AI 模型和第三方服务 API
• 实现文件格式转换节点
• 添加邮件和消息通知节点

Agent 系统优化

• 进一步优化 Chain-of-Thought 推理
• 增强多智能体协作机制
• 实现智能体记忆系统和知识共享
• 增强错误处理和恢复能力

用户体验改进

• 优化 Web 界面交互
• 添加工作流调试工具
• 实现工作流执行日志导出功能
• 增加性能监控面板

部署和运维

• 添加集群部署支持
• 实现自动化测试框架
• 优化资源使用效率
• 增加监控告警机制

🤝 贡献指南

欢迎提交 Issue 和 Pull Request 来帮助改进项目。在提交代码前，请确保：

• 代码符合项目的编码规范
• 添加了必要的测试用例
• 更新了相关文档
• 遵循 Git 提交规范
• 通过所有 CI 检查

📄 许可证

本项目采用 MIT 许可证，详见 LICENSE 文件。

🔗 相关资源

• API 文档 (启动服务后访问)
• 示例配置
• Docker 部署指南
• 智能体详细文档
• 项目文档
• Android 客户端说明
• 轻量级 Web 服务器说明

💬 支持与反馈

如果您在使用过程中遇到问题或有改进建议，请通过以下方式联系我们：

• 提交 GitHub Issue
• 查看 项目文档
• 参与社区讨论

---

Proteus AI - 让复杂任务变得简单自动化