OpenManus 代码分析

项目分析：OpenManus

这是github地址

OpenManus 是一个基于 LLM（大型语言模型）的智能代理系统，它采用了模块化的设计，支持工具调用、规划和执行等功能。下面我将通过时序图和流程图来详细分析整个系统的工作流程。

系统架构

OpenManus 采用了分层架构设计，主要包括以下几个核心组件：

1. Agent 层：实现了不同类型的智能代理，包括基础代理（BaseAgent）、ReAct 代理（ReActAgent）、工具调用代理（ToolCallAgent）和 Manus 代理。
2. Flow 层：管理代理的执行流程，主要实现了规划流程（PlanningFlow）。
3. Tool 层：提供各种工具供代理使用，如 Python 执行、Google 搜索、浏览器工具等。
4. LLM 层：负责与大型语言模型的交互，处理消息格式化和响应解析。
5. Schema 层：定义了系统中使用的数据结构，如消息（Message）、工具调用（ToolCall）等。

时序图

下面是 OpenManus 系统的主要执行流程时序图：

流程图

下面是 OpenManus 系统的主要执行流程图：

规划流程图

下面是 PlanningFlow 的执行流程图：

代码全链路过程

1. 初始化阶段：

   • 用户通过 main.py 启动程序，输入提示（prompt）
   • 系统创建 Manus 代理实例，Manus 继承自 ToolCallAgent，提供了多种工具能力
   • Manus 代理调用 run(prompt) 方法开始处理用户请求

2. 执行阶段：

   • BaseAgent 的 run 方法将用户输入存入内存，并设置代理状态为 RUNNING
   • 系统进入主循环，在不超过最大步骤数且未完成的情况下，执行 step 方法
   • ReActAgent 的 step 方法分为两个阶段：思考（think）和行动（act）
   • ToolCallAgent 的 think 方法调用 LLM 获取响应和工具调用
   • 如果有工具调用，ToolCallAgent 的 act 方法会执行相应的工具
   • 工具执行结果会被添加到代理的内存中
   • 系统检查是否需要继续执行或已完成任务

3. 规划执行阶段（当使用 PlanningFlow 时）：

   • PlanningFlow 的 execute 方法首先创建初始计划
   • 然后获取当前步骤信息，检查是否所有步骤已完成
   • 如果未完成，选择合适的执行器代理执行当前步骤
   • 执行完成后，标记步骤为已完成，并继续下一步骤
   • 当所有步骤完成后，完成计划并返回结果

4. 工具调用阶段：

   • ToolCallAgent 通过 execute_tool 方法执行工具调用
   • 工具调用通过 ToolCollection 找到对应的工具实例
   • 工具执行后返回 ToolResult，包含输出或错误信息
   • 工具结果被格式化为消息添加到代理的内存中

5. 完成阶段：

   • 当任务完成或达到最大步骤数时，代理状态设置为 FINISHED
   • 系统收集所有步骤的结果，并返回给用户
   • 用户可以继续输入新的提示或退出程序

核心组件详解

1. BaseAgent：

   • 提供了代理的基础功能，如状态管理、内存管理和执行循环
   • 实现了 run 方法作为代理执行的入口点
   • 提供了上下文管理器 state_context 用于管理代理状态

2. ReActAgent：

   • 实现了 ReAct（Reasoning and Acting）模式
   • 将执行过程分为思考（think）和行动（act）两个阶段
   • 提供了 step 方法作为执行单个步骤的入口点

3. ToolCallAgent：

   • 扩展了 ReActAgent，增加了工具调用功能
   • 实现了 think 方法用于获取 LLM 的响应和工具调用
   • 实现了 act 方法用于执行工具调用
   • 提供了 execute_tool 方法用于执行单个工具调用

4. Manus：

   • 继承自 ToolCallAgent，是一个通用的智能代理
   • 配置了多种工具，如 Python 执行、Google 搜索、浏览器工具等
   • 使用特定的系统提示和下一步提示来指导 LLM 的行为

5. PlanningFlow：

   • 实现了基于规划的任务执行流程
   • 使用 PlanningTool 创建和管理执行计划
   • 支持多个代理协作执行不同类型的任务
   • 提供了计划创建、步骤执行和计划完成的功能

6. LLM：

   • 负责与大型语言模型的交互
   • 提供了 ask 和 ask_tool 方法用于获取 LLM 的响应
   • 处理消息格式化和响应解析
   • 支持流式响应和工具调用

7. ToolCollection：

   • 管理多个工具实例
   • 提供了工具查找、执行和参数转换的功能
   • 支持添加新工具和批量执行工具

通过这些组件的协作，OpenManus 系统能够接收用户输入，规划任务执行步骤，调用合适的工具完成任务，并将结果返回给用户。系统的模块化设计使其具有良好的扩展性，可以通过添加新的代理、工具和流程来增强其功能。