CAMEL

活跃
GitHub Python Apache-2.0

简介

CAMEL 是面向多智能体协作场景的开源框架,支持角色扮演、任务分解与协同执行。

核心特性

  • 可扩展的多 Agent 系统,支持多达 100 万 Agent
  • 角色扮演和任务分解,支持协调的 Agent 执行
  • 有状态记忆,支持多步交互和历史上下文
  • 数据生成管道:CoT、Self-Instruct、Source2Synth、自改进 CoT
  • 内置工具:RAG 管道、网页浏览、代码执行和知识图谱
  • 角色扮演社会模拟,用于研究 Agent 涌现行为

适用场景

💡 研究大规模多 Agent 系统的扩展定律和涌现行为
💡 使用 CoT 和 Self-Instruct 管道生成合成训练数据
💡 构建用于社会科学和经济建模的角色扮演模拟
💡 跨专业 Agent 团队自动化复杂任务分解
💡 开发用于 Agent 交互研究的世界模拟环境

优势与不足

优势

  • 活跃维护,近期持续更新
  • 社区热度高(17.7k stars)
  • 开源许可证友好(Apache-2.0)
  • 项目有一定历史沉淀(已维护 3 年)

快速开始

pip install camel-ai

from camel.agents import ChatAgent
from camel.messages import BaseMessage

agent = ChatAgent(system_message='你是一个有用的助手。')
response = agent.step(BaseMessage(role_name='user', content='你好!'))
print(response.msgs[0].content)

相关项目

MetaGPT

70.3k · Python
不活跃 B

多智能体框架,致力于构建首个 AI 软件公司,通过自然语言编程实现多角色协作,自动完成需求分析、设计、编码和测试全流程。

multi-agentframeworkpython +2
  • · 多角色协作 — 内置产品经理、架构师、工程师等角色,模拟完整软件公司 SOP 流程
  • · 自然语言编程 — 输入一行需求描述,自动输出用户故事、竞品分析、API 设计和完整代码
  • · Data Interpreter — 支持动态代码生成与数据分析,可处理 CSV、可视化等数据任务

Ouroboros

5.8k · Python
活跃 A

Ouroboros 是一个规范驱动的多智能体开发框架,从传统的提示词工程转向规范驱动开发模式,支持多 Agent 协作、MCP 工具集成和自动化工作流编排,适用于高质量 Agent 系统构建。

multi-agentframeworkagent +4
  • · 规范优先工作流:苏格拉底式访谈 → 不可变种子规范 → 执行 → 评估
  • · 多运行时适配器,支持 Claude Code、Codex CLI、OpenCode、Hermes、Gemini、Kiro、Copilot
  • · 三层架构:内核(合约引擎)、插件(领域工作流)、Shell(TUI 驾驶舱)

DeepResearchAgent

3.5k · Python
不活跃 B

DeepResearchAgent 是一个分层多智能体系统,专为深度研究任务和通用任务求解设计。通过顶层规划 Agent 协调多个专业子 Agent,实现自动化任务分解和跨领域高效执行。

multi-agentframeworkpython +3
  • · 分层多 Agent 系统,顶层规划 Agent 协调专业子 Agent
  • · RSPL 协议层将提示、Agent、工具、环境和记忆建模为版本化资源
  • · SEPL 自进化协议,支持提议、评估和提交改进并支持回滚

AG2

4.9k · Python
活跃 A+

AG2(前身为 AutoGen)是一个开源的 AgentOS,提供多 Agent 对话框架,支持灵活的 Agent 编排、工具集成和分布式协作,适用于构建复杂的多智能体系统。

multi-agentframeworkagent +3
  • · 多智能体对话框架,支持灵活的编排模式,包括群聊、嵌套对话和自定义编排
  • · 支持多种大语言模型提供商,可配置 API 密钥和模型选择
  • · 人在回路工作流,允许人类参与智能体对话的监督和输入