La herramienta gratuita de código abierto Archon hace que los agentes de IA sean tan fáciles como manejar un tablero de mandos

Arconte es un proyecto para construir, optimizar y gestionar agentes de IA, y se presenta como el primer "Agenteer" del mundo, es decir, un agente de IA que puede construir, mejorar y optimizar de forma autónoma otros agentes de IA. A continuación se ofrece una descripción detallada del repositorio:

Resumen del proyecto

• funcionalidad básicaEl objetivo de Archon es demostrar tres principios clave en el desarrollo de la IA moderna: el razonamiento de agentes, la integración del conocimiento del dominio y la arquitectura escalable. Puede utilizarse como herramienta práctica para desarrolladores o como marco educativo para demostrar el desarrollo de sistemas de agentes.
• Versión IteraciónEl proyecto adopta un enfoque iterativo del desarrollo, comenzando con un simple agente de IA Pydantic y avanzando hacia un flujo de trabajo de agente completo utilizando LangGraph, capaz de construir otros agentes de IA utilizando cualquier marco de trabajo.

Versión actual (V4)

• especificidadesLa versión V4 ha supuesto una enorme renovación de la interfaz de usuario de Streamlit, que ofrece un completo panel de control para la gestión de Archon.
• Actualizaciones importantesEl sistema de variables de entorno se ha mejorado radicalmente y se ha hecho más intuitivo, dividiéndolo en secciones separadas para los proveedores LLM e integrados, lo que facilita el cambio entre proveedores y la gestión de perfiles.

Estructura del proyecto

• directorio principal (de un sitio web): Contiene los principales scripts de ejecución (p. ej. run_docker.py), archivos de dependencia (por ejemplo requisitos.txt) y scripts de interfaz de usuario (como streamlit_ui.py).
• arconte/ directorio (en el disco duro del ordenador): Incluye código funcional básico como crawl_pydantic_ai_docs.py para rastrear y procesar documentos Pydantic AI.pydantic_ai_coder.py Lógica de codificación que puede utilizarse para implementar agentes de IA Pydantic.
• streamlit_pages/ directorio (en el disco duro del ordenador): Contiene las distintas páginas de la interfaz de usuario de Streamlit, como la página servicio_agente.pyychat.pyybase de datos.py etc., que corresponden a distintos módulos funcionales.
• iteraciones/ directorio (en el disco duro del ordenador)Contiene código de varias iteraciones del proyecto, como por ejemplo v1-agente únicoyv2-agentic-workflowyv3-mcp-soporte responder cantando v4-streamlit-ui-overhaul.
• mcp/ directorio (en el disco duro del ordenador)Puede contener código y configuración relacionados con MCP (Multi - Container Platform).

Configuración de la base de datos

• Archivos SQL::utilidades/páginas_sitio.sql responder cantando iteraciones/v2-agentic-workflow/ollama_site_pages.sql Para crear y configurar una base de datos PostgreSQL, incluida la activación de la función pgvector Expansión, Creación páginas_sitio tablas, añadiendo índices y definiendo funciones de búsqueda, etc.

Soporte Docker

• guiones::run_docker.py responder cantando iterations/v4-streamlit-ui-overhaul/run_docker.py Contenedores Docker para construir y ejecutar Archon, incluyendo la construcción de contenedores MCP y contenedores maestros Archon, el manejo de variables de entorno, y la detención y eliminación de contenedores existentes cuando ya se están ejecutando.

estructura de datos

• ChatMessage se parecen a: en Archon/iterations/v1-single-agent/streamlit_ui.py se define en el papelymarca de tiempo responder cantando contenido Campos.
• TrozoProcesado se parecen aDefinido en varios documentos, como Archon/archon/crawl_pydantic_ai_docs.pyyArchon/iterations/v1-single-agent/crawl_pydantic_ai_docs.py etc., que se utilizan para representar el bloque de documento procesado que contiene el urlynúmero_chunkytítuloyresumenycontenidoymetadatos responder cantando incrustación Campos.

Inicio rápido

condiciones previas

• Docker (opcional pero recomendado)
• Python 3.11+
• Cuenta Supabase (para bases de datos vectoriales)
• Clave API de OpenAI/Anthropic/OpenRouter u Ollama para el modelado nativo de grandes lenguajes.

Pasos de la instalación

• Método Docker (recomendado)::
  1. Almacén de clonación:git clone https://github.com/coleam00/archon.git && cd archon
  2. Ejecute el script Docker:python ejecutar_docker.py
  3. Accede a la interfaz de usuario de Streamlit:http://localhost:8501
• Instalación local de Python::
  1. Almacén de clonación:git clone https://github.com/coleam00/archon.git && cd archon
  2. Cree un entorno virtual e instale las dependencias:python -m venv venv && source venv/bin/activate && pip install -r requirements.txt
  3. Inicie la interfaz de usuario de Streamlit:streamlit run streamlit_ui.py
  4. Accede a la interfaz de usuario de Streamlit:http://localhost:8501

Enlaces importantes

• Documentación V4::Documentación V4
• Foro comunitario::Archon community
• GitHub Kanban::GitHub Kanban board