MCPcopy Index your code
hub / github.com/PySpur-Dev/pyspur

github.com/PySpur-Dev/pyspur @v0.1.18 sqlite

repository ↗ · DeepWiki ↗ · release v0.1.18 ↗
1,775 symbols 5,671 edges 300 files 473 documented · 27%
README

PySpur

PySpur ist ein KI-Agenten-Builder in Python. KI-Entwickler nutzen ihn, um Agenten zu erstellen, sie Schritt für Schritt auszuführen und vergangene Durchläufe zu analysieren.

README auf Englisch README auf vereinfachtem Chinesisch README auf Japanisch README auf Koreanisch Deutsche Version der README README auf Französisch README auf Spanisch

Dokumentation Treffen Sie uns Cloud Discord beitreten

https://github.com/user-attachments/assets/1ebf78c9-94b2-468d-bbbb-566311df16fe

🕸️ Warum PySpur?

  • Testgetrieben: Erstellen Sie Workflows, führen Sie Testfälle aus und iterieren Sie.
  • 👤 Human in the Loop: Persistente Workflows, die auf Genehmigung oder Ablehnung des Users warten.
  • 🔄 Loops: Wiederholte Toolaufrufe mit Zwischenspeicherung.
  • 📤 Datei-Upload: Laden Sie Dateien hoch oder fügen Sie URLs ein, um Dokumente zu verarbeiten.
  • 📋 Strukturierte Outputs: UI-Editor für JSON-Schemata.
  • 🗃️ RAG: Daten parsen, in Abschnitte unterteilen, einbetten und in eine Vektor-Datenbank einfügen/aktualisieren.
  • 🖼️ Multimodal: Unterstützung für Video, Bilder, Audio, Texte, Code.
  • 🧰 Tools: Slack, Firecrawl.dev, Google Sheets, GitHub und mehr.
  • 🧪 Evaluierungen: Bewerten Sie Agenten anhand von realen Datensätzen.
  • 🚀 One-Click Deploy: Veröffentlichen Sie Ihre Lösung als API und integrieren Sie sie überall.
  • 🐍 Python-basiert: Fügen Sie neue Knoten hinzu, indem Sie eine einzige Python-Datei erstellen.
  • 🎛️ Support für jeden Anbieter: Über 100 LLM-Anbieter, Einbettungslösungen und Vektor-Datenbanken.

⚡ Schnellstart

Dies ist der schnellste Weg, um loszulegen. Python 3.11 oder höher wird benötigt.

  1. PySpur installieren: sh pip install pyspur

  2. Ein neues Projekt initialisieren: sh pyspur init my-project cd my-project Dadurch wird ein neues Verzeichnis mit einer .env-Datei erstellt.

  3. Den Server starten: sh pyspur serve --sqlite Standardmäßig startet dies die PySpur-App unter http://localhost:6080 mit einer SQLite-Datenbank. Wir empfehlen, in der .env-Datei eine PostgreSQL-Instanz-URL zu konfigurieren, um eine stabilere Erfahrung zu gewährleisten.

  4. [Optional] Umgebung konfigurieren und API-Schlüssel hinzufügen:

    • App-Oberfläche: Navigieren Sie zum Tab „API Keys", um Anbieter-Schlüssel hinzuzufügen (OpenAI, Anthropic usw.)
    • Manuelle Konfiguration: Bearbeiten Sie die .env-Datei (empfohlen: PostgreSQL konfigurieren) und starten Sie mit pyspur serve neu

✨ Kernvorteile

Mensch-im-Regelkreis-Haltepunkte:

Diese Haltepunkte pausieren den Workflow, wenn sie erreicht werden, und setzen ihn fort, sobald ein Mensch ihn genehmigt. Sie ermöglichen menschliche Aufsicht für Workflows, die Qualitätssicherung erfordern: Überprüfen Sie kritische Ausgaben, bevor der Workflow fortgesetzt wird.

https://github.com/user-attachments/assets/98cb2b4e-207c-4d97-965b-4fee47c94ce8

Debuggen auf Node-Ebene:

https://github.com/user-attachments/assets/6e82ad25-2a46-4c50-b030-415ea9994690

Multimodal (Dateien hochladen oder URLs einfügen)

PDFs, Videos, Audio, Bilder, ...

https://github.com/user-attachments/assets/83ed9a22-1ec1-4d86-9dd6-5d945588fd0b

Loops

Loops

RAG

Schritt 1) Erstellen einer Dokumentensammlung (Chunking + Parsing)

https://github.com/user-attachments/assets/c77723b1-c076-4a64-a01d-6d6677e9c60e

Schritt 2) Erstellen eines Vektorindex (Einbettung + Einfügen/Aktualisieren in der Vektor-Datenbank)

https://github.com/user-attachments/assets/50e5c711-dd01-4d92-bb23-181a1c5bba25

Modulare Bausteine

https://github.com/user-attachments/assets/6442f0ad-86d8-43d9-aa70-e5c01e55e876

Endgültige Leistung bewerten

https://github.com/user-attachments/assets/4dc2abc3-c6e6-4d6d-a5c3-787d518de7ae

Demnächst: Selbstverbesserung

https://github.com/user-attachments/assets/5bef7a16-ef9f-4650-b385-4ea70fa54c8a

🛠️ PySpur Entwicklungs-Setup

[ Anweisungen für die Entwicklung auf Unix-ähnlichen Systemen. Entwicklung auf Windows/PC wird nicht unterstützt ]

Für die Entwicklung folgen Sie diesen Schritten:

  1. Das Repository klonen: sh git clone https://github.com/PySpur-com/pyspur.git cd pyspur

  2. Mit docker-compose.dev.yml starten: sh docker compose -f docker-compose.dev.yml up --build -d Dadurch wird eine lokale Instanz von PySpur mit aktiviertem Hot-Reloading für die Entwicklung gestartet.

  3. Ihre Einrichtung anpassen: Bearbeiten Sie die .env-Datei, um Ihre Umgebung zu konfigurieren. Standardmäßig verwendet PySpur eine lokale PostgreSQL-Datenbank. Um eine externe Datenbank zu nutzen, ändern Sie die POSTGRES_*-Variablen in der .env.

⭐ Unterstützen Sie uns

Sie können uns bei unserer Arbeit unterstützen, indem Sie einen Stern hinterlassen! Vielen Dank!

star

Ihr Feedback wird sehr geschätzt. Bitte sagen Sie uns, welche Funktionen aus dieser Liste Sie als Nächstes sehen möchten oder schlagen Sie ganz neue vor.

Extension points exported contracts — how you extend this code

Node (Interface)
(no doc)
frontend/src/types.ts
NodeData (Interface)
(no doc)
frontend/src/types.ts
RunOutputData (Interface)
(no doc)
frontend/src/types.ts
RunOutputs (Interface)
(no doc)
frontend/src/types.ts
RunStatusResponse (Interface)
(no doc)
frontend/src/types.ts

Core symbols most depended-on inside this repo

query
called by 90
backend/pyspur/rag/datastore/datastore.py
write
called by 22
backend/pyspur/utils/redis_cache_wrapper.py
add_mime_categories
called by 21
backend/pyspur/nodes/llm/_model_info.py
delete
called by 20
backend/pyspur/rag/vector_index.py
onAlert
called by 19
frontend/src/components/Dashboard.tsx
handleInputChange
called by 19
frontend/src/components/nodes/nodeSidebar/NodeSidebar.tsx
update_task
called by 19
backend/pyspur/execution/task_recorder.py
run
called by 17
backend/pyspur/nodes/base.py

Shape

Function 793
Class 371
Method 300
Interface 215
Route 94
Enum 2

Languages

Python57%
TypeScript43%

Modules by API surface

frontend/src/utils/api.ts88 symbols
frontend/src/components/nodes/nodeSidebar/SchemaEditor.tsx38 symbols
backend/pyspur/api/rag_management.py37 symbols
backend/pyspur/api/workflow_run.py35 symbols
frontend/src/components/nodes/nodeSidebar/NodeSidebar.tsx30 symbols
backend/pyspur/execution/workflow_executor.py30 symbols
backend/pyspur/api/workflow_management.py28 symbols
backend/pyspur/api/key_management.py24 symbols
frontend/src/utils/JSPydanticModel.js22 symbols
frontend/src/components/Dashboard.tsx22 symbols
frontend/src/utils/flowUtils.tsx21 symbols
backend/pyspur/nodes/base.py18 symbols

Dependencies from manifests, versioned

@babel/core7.26.0 · 1×
@babel/preset-react7.26.3 · 1×
@codemirror/lang-json6.0.1 · 1×
@codemirror/lang-python6.1.6 · 1×
@codemirror/theme-one-dark6.1.2 · 1×
@dagrejs/dagre1.1.4 · 1×
@emotion/react11.13.3 · 1×
@emotion/styled11.13.0 · 1×
@heroui/react2.6.14 · 1×
@heroui/theme2.4.6 · 1×
@iconify/react5.0.2 · 1×
@radix-ui/react-dialog1.1.1 · 1×

For agents

$ claude mcp add pyspur \
  -- python -m otcore.mcp_server <graph>

⬇ download graph artifact