answeryt

Jumping-Agent-platform

<div align="center"> <img src="8315c2b3b7fabe9b0e95a8c6c7b4f9db.jpg" alt="Jumping Agent：超级简单的Agent构建平台（Task split → Community / Code / Data agent → Aggregator）" width="90%"> <h1>Jumping-Agent</h1> <p><strong>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</strong></p> <p> <a href="README_EN.md">English</a> | <a href="README.md">中文</a> </p> </div> ## 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。  ## 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 ```bash git clone https://github.com/answeryt/Jumping-Agent-platform.git cd Jumping-Agent-platform ``` ### Install Frontend Dependencies ```bash cd Frontend npm install cd .. ``` ### Install Backend Dependencies 建议先创建虚拟环境： ```bash python -m venv .venv ``` Windows: ```bash .venv\Scripts\activate ``` macOS / Linux: ```bash source .venv/bin/activate ``` 安装 Python 依赖： ```bash 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: ```powershell $env:OPENAI_API_KEY="your_api_key_here" ``` macOS / Linux: ```bash export OPENAI_API_KEY="your_api_key_here" ``` 方式二：使用项目脚本。 ```bash 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 ```bash 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`。 ```bash cd back_agent python -m uvicorn api:app --host 0.0.0.0 --port 8000 ``` 终端 B：启动 `backend` / Orchestrator。 ```bash cd backend python -m uvicorn orchestrator:app --host 0.0.0.0 --port 8001 ``` 终端 C：启动前端。 ```bash cd Frontend npm run server -- --host 0.0.0.0 --port 6301 --allowed-hosts all ``` 打开浏览器访问： ```text 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： ```powershell ipconfig ``` macOS / Linux 查看 IP： ```bash 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： ```text 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： ```bash 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](https://github.com/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。