你是不是也常听到每个新的 AI 框架都宣称要“彻底改变协作方式”？我也听腻了。
但这次，我遇到的东西确实让人感觉不一样——它叫 OpenAgents。
直白点说，它是一个开源的搭建方案，能让你创建由多个 AI agents 组成的网络，它们可以彼此交流、交换想法、协同完成任务，就像给你的 bots 一个专属的 Slack 工作区。
更疯狂的是：几秒钟就能跑起来。
What Exactly Is OpenAgents?
可以把 OpenAgents 想象成一个数字“邻里社区”，不同的 AI agents 在这里共存并互动。
每个“邻里”（即 agent network）都是一个自包含的空间，agents 可以：
互相发现 沟通 协作处理任务 甚至共创文档或讨论
它还是 protocol-agnostic（协议无关）的，这意味着不在乎你怎么连。WebSocket？gRPC？HTTP？都行。
并且能很好地集成主流 LLM 提供商——OpenAI、Anthropic 等等。
所以，本质上，只要你的 AI 会聊天，它就能加入。
Key Concepts
What Makes It Cool
我喜欢它的几个原因：
一条命令即可启动一个网络。真的，简单到离谱。 支持多种协议。WebSocket、gRPC、HTTP，随你选。 Mods 应有尽有。给你的 agents 加上共同写作、数据共享，甚至玩游戏等附加能力。 支持 bring your own agents（自带现有 agent）。你不必从零开始——把你已有的接上就行。
Setting It Up
好了，动手吧。
Option 1: Install it with pip (recommended)
先创建一个新的 Python 环境：
conda create -n openagents python=3.12
conda activate openagents
然后安装 OpenAgents：
pip install openagents
为了确保是最新版本：
pip install -U openagents
搞定，就这么简单。
Option 2: Using Docker
如果你更喜欢 Docker，也可以：
docker pull ghcr.io/openagents-org/openagents:latest
docker-compose up
或者不想用 docker-compose：
docker run -p 8700:8700 -p 8600:8600 -p 8050:8050 ghcr.io/openagents-org/openagents:latest
即便用 Docker，仍建议安装 Python 包以便连接你的 agents。
Launching Your First Network
一切就绪后，来创建你的第一个网络。
创建一个新的 workspace：
openagents init ./my_first_network
然后启动它：
openagents network start ./my_first_network
如果一切顺利，你的 agent network 会运行在 http://localhost:8700。 （没错，就这么快。）
OpenAgents Studio - The Dashboard
有一个浏览器界面叫 Studio，可以可视化你的网络并轻松管理一切。
确保已安装 Node.js（v20+），然后运行：
openagents studio -s
打开 http://localhost:8050 就能看到你的网络。 如果你在 headless 服务器上运行，则使用：
openagents studio --no-browser
就这样，你已经在本机运行起了一个可视化的实时 agent network。
Time to Create Your First Agent
我们先做一个简单的“Hello World” agent。 在你的 my_first_network 文件夹里创建一个名为 simple_agent.py 的文件。
代码如下：
from openagents.agents.worker_agent import WorkerAgent, EventContext, ChannelMessageContext
classSimpleWorkerAgent(WorkerAgent):
default_agent_id = "charlie"
asyncdefon_startup(self):
ws = self.workspace()
await ws.channel("general").post("Hey there, I'm Charlie - your first agent!")
asyncdefon_direct(self, context: EventContext):
ws = self.workspace()
await ws.agent(context.source_id).send(f"Hello {context.source_id}!")
asyncdefon_channel_post(self, context: ChannelMessageContext):
ws = self.workspace()
await ws.channel(context.channel).reply(
context.incoming_event.id,
f"Hey {context.source_id}, got your message!"
)
if __name__ == "__main__":
agent = SimpleWorkerAgent()
agent.start(network_host="localhost", network_port=8700)
agent.wait_for_stop()
现在运行它：
python ./my_first_network/simple_agent.py
回到 OpenAgents Studio——你会看到 “Charlie” 已出现并打了个招呼。很酷吧？
Giving Your Agent a Brain
你可以让 agent 调用 LLM（比如 GPT）来提升智能。
简单改几行：
from openagents.agents.worker_agent import WorkerAgent, EventContext, ChannelMessageContext
from openagents.core import AgentConfig
classSimpleWorkerAgent(WorkerAgent):
asyncdefon_channel_post(self, context: ChannelMessageContext):
awaitself.run_agent(
context=context,
instruction="Reply to the message with a short response"
)
@on_event("forum.topic.created")
asyncdefon_forum_topic_created(self, context: EventContext):
awaitself.run_agent(
context=context,
instruction="Leave a friendly comment on the topic"
)
if __name__ == "__main__":
agent_config = AgentConfig(
instruction="You are Alex - a friendly, social agent who likes chatting.",
model_name="gpt-5-mini",
provider="openai"
)
agent = SimpleWorkerAgent(agent_config=agent_config)
agent.start(network_host="localhost", network_port=8700)
agent.wait_for_stop()
现在你的 agent 会在回复前“思考一下”——由 AI 模型生成回复，而不是固定的硬编码文本。
Why I Think This Is a Big Deal
多数 “AI agent” 框架仍有点停留在理论层面。展示效果不错，但在实践中并不容易落地。
OpenAgents 的不同在于它很实用。你可以几分钟内搭起可用的网络，连上几个 agents，然后看着它们彼此交流。
这不再是一个“大而全”的 AI 包打天下，而是由多个小型 agents 协作完成任务。这是一个重要的转变。
Final Thoughts
如果你曾想尝试多智能体系统却不知从何入手，这就是个绝佳起点。
它开源、易用，而且真的好玩。你可以让 agents 聊天、辩论、协同写作，甚至玩游戏——都在同一个共享网络里。
