OpenManus代码详解(一)：app/agent

往期推荐：

1. OpenManus架构解析
2. OpenManus代码详解(一)：app/agent
3. OpenManus代码详解(二)：app/flow
4. OpenManus代码详解(三)：app/tool
5. OpenManus代码详解(四)：app/schema.py
6. OpenManus代码详解(五)：app/tool/planning.py
7. OpenManus代码详解(六)：代码调用流程

官方地址：https://github.com/mannaandpoem/OpenManus

---

agent 文件夹中的各个实现及其调用流程：

1. 核心智能体类型

继承关系图

BaseAgent (base.py)
    └── ReActAgent (react.py)
        └── ToolCallAgent (toolcall.py)
            ├── PlanningAgent (planning.py)
            ├── SWEAgent (swe.py)
            └── Manus (manus.py)

1.1. BaseAgent (base.py)

• 基础抽象类，定义了智能体的基本接口和功能
• 核心属性：
  ○ name: 智能体名称
  ○ description: 智能体描述
  ○ system_prompt: 系统级提示词
  ○ next_step_prompt: 下一步动作提示词
  ○ llm: 语言模型实例
  ○ memory: 记忆存储
  ○ state: 当前状态
• 主要方法：
  ○ think(): 思考下一步行动
  ○ act(): 执行行动
  ○ run(): 运行智能体
  ○ step(): 执行单个步骤

1.2. ReActAgent (react.py)

• 实现 ReAct（Reasoning and Acting）模式
• 特点：
  ○ 思考-行动循环
  ○ 基于观察的决策
  ○ 动态调整策略

1.3. ToolCallAgent (toolcall.py)

• 继承自 BaseAgent，专注于工具调用功能
• 核心功能：
  ○ 工具管理：available_tools
  ○ 工具选择策略：tool_choices
  ○ 工具调用追踪：tool_calls
• 主要方法：
  ○ parse_tool_calls(): 解析工具调用
  ○ execute_tool_calls(): 执行工具调用
  ○ format_tool_result(): 格式化工具结果

1.4. PlanningAgent (planning.py)

• 继承自 ToolCallAgent，增加了规划能力
• 核心特性：
  ○ 计划管理：active_plan_id
  ○ 步骤追踪：step_execution_tracker
  ○ 当前步骤：current_step_index
• 主要方法：
  ○ create_initial_plan(): 创建初始计划
  ○ update_plan_status(): 更新计划状态
  ○ get_plan(): 获取当前计划
  ○ _get_current_step_index(): 获取当前步骤索引

1.5. SWEAgent (swe.py)

• 软件工程师智能体
• 专注于：
  ○ 代码开发
  ○ 代码审查
  ○ 问题调试

1.6. Manus (manus.py)

• 继承自 ToolCallAgent，通用目的智能体
• 集成工具：
  ○ PythonExecute: Python 代码执行
  ○ GoogleSearch: 网络搜索
  ○ BrowserUseTool: 浏览器操作
  ○ FileSaver: 文件操作
  ○ Terminate: 终止操作

2. 调用流程

2.1. 初始化阶段

# 例如创建一个 Manus 代理实例
agent = Manus()

调用顺序：

• Manus 构造函数
• ToolCallAgent 构造函数
• ReActAgent 构造函数
• BaseAgent 构造函数
• BaseAgent.initialize_agent() 验证器运行

2.2. 运行阶段

result = await agent.run("用户的请求")

调用流程：

BaseAgent.run()
    │
    ├── 检查初始状态（IDLE）
    ├── 更新内存（如果有请求）
    │
    └── 进入主循环
        │
        └── 循环执行 step() 直到达到 max_steps 或状态变为 FINISHED
            │
            └── step() 调用（在 ReActAgent 中实现）
                │
                ├── think()  (由具体代理实现)
                │   │
                │   └── ToolCallAgent.think()
                │       │
                │       └── 使用 LLM 决定下一步行动
                │
                └── act()  (由具体代理实现)
                    │
                    └── ToolCallAgent.act()
                        │
                        └── 执行选定的工具

2.3. 详细执行流程

a. BaseAgent 层:

async def run(self, request: Optional[str] = None) -> str:
    # 1. 状态检查
    # 2. 处理初始请求
    # 3. 进入执行循环
    # 4. 检查是否卡住
    # 5. 收集结果

b. ReActAgent 层:

async def step(self) -> str:
    # 1. 思考（think）
    # 2. 执行（act）
    # 3. 返回结果

c. ToolCallAgent 层:

async def think(self) -> bool:
    # 1. 准备提示词
    # 2. 调用 LLM 获取响应
    # 3. 处理工具调用
    # 4. 更新内存

async def act(self) -> str:
    # 1. 执行工具调用
    # 2. 处理结果
    # 3. 更新内存

d. 具体代理实现:

• PlanningAgent: 添加计划管理功能
• SWEAgent: 添加软件工程特定工具
• Manus: 添加通用工具集合

2.4. 关键组件交互

• 内存管理:

  self.memory.add_message(Message.user_message(content))
  self.memory.add_message(Message.assistant_message(content))
  

• 工具调用:

  result = await self.available_tools.execute(name=tool_name, tool_input=args)
  

• 状态管理:

  async with self.state_context(AgentState.RUNNING):
      # 执行操作
  

2.5. 错误处理和安全机制

• 状态转换保护
• 步数限制
• 循环检测
• 工具执行错误处理

2.6. 示例完整调用链

以执行一个简单任务为例：

# 1. 创建代理
agent = Manus()

# 2. 执行任务
result = await agent.run("执行一个任务")
    # BaseAgent.run() 开始执行
        # ReActAgent.step() 处理每个步骤
            # ToolCallAgent.think() 决定使用什么工具
                # LLM.ask_tool() 获取决策
            # ToolCallAgent.act() 执行工具
                # ToolCollection.execute() 执行具体工具
        # 检查是否需要继续
    # 返回执行结果