OxyGent 是一个开源框架,将工具、模型、智能体统一为可插拔的原子算子——Oxy。专为开发者设计,OxyGent 让你像搭乐高一样构建灵活的多智能体系统,极致可扩展,每一步决策全链路可追溯。从构建、推理到持续进化,OxyGent 打造了一个闭环智能体流水线——无缝集成 Oxy,弹性扩展,协同创新,驱动 AI 生态无限可能。
🏎️ 高效开发 - OxyGent 是模块化多智能体框架,极致高效构建、部署、进化 AI 团队。标准化 Oxy 组件像乐高一样拼装,支持热插拔与跨场景复用:纯净 Python 接口,无需繁杂配置。
🤝 智能协作 - 动态规划范式,智能体可智能分解任务、协商解法、实时适应变化。区别于刚性流程,OxyGent 智能体自然应对突发挑战,每一步决策全链路可审计。
🕸️ 弹性架构 - 底层弹性架构支持任意智能体拓扑:从简单 ReAct 到复杂混合规划。自动依赖映射与可视化调试,轻松优化分布式系统性能。
🔁 持续进化 - 每一次交互都是学习机会:内置评估引擎自动生成训练数据。智能体通过知识反馈持续自我进化,且全过程透明可追溯。
📈 无限扩展 - 按 Metcalfe 定律线性扩容:分布式调度器让协作智能指数级增长。系统轻松应对全域优化与实时决策,任意规模无压力。
OxyGent最新版本 (July 15, 2025) 在GAIA榜单中分数为59.14,目前开源框架第一OWL为60.8分。


bash
conda create -n oxy_env python==3.10
conda activate oxy_envbash
curl -LsSf https://astral.sh/uv/install.sh | sh
uv python install 3.10
uv venv .venv --python 3.10
source .venv/bin/activatebash
pip install oxygentbash
uv pip install oxygentbash
git clone https://github.com/jd-opensource/OxyGent.git
cd OxyGent
pip install -r requirements.txt # or in uv
brew install coreutils # maybe essentialConfig.set_agent_llm_model("default_llm")
oxy_space = [ oxy.HttpLLM( name="default_llm", api_key=os.getenv("DEFAULT_LLM_API_KEY"), base_url=os.getenv("DEFAULT_LLM_BASE_URL"), model_name=os.getenv("DEFAULT_LLM_MODEL_NAME"), ), preset_tools.time_tools, oxy.ReActAgent( name="time_agent", desc="A tool that can query the time", tools=["time_tools"], ), preset_tools.file_tools, oxy.ReActAgent( name="file_agent", desc="A tool that can operate the file system", tools=["file_tools"], ), preset_tools.math_tools, oxy.ReActAgent( name="math_agent", desc="A tool that can perform mathematical calculations.", tools=["math_tools"], ), oxy.ReActAgent( is_master=True, name="master_agent", sub_agents=["time_agent", "file_agent", "math_agent"], ), ]
async def main(): async with MAS(oxy_space=oxy_space) as mas: await mas.start_web_service( first_query="What time is it now? Please save it into time.txt." )
if name == "main": import asyncio asyncio.run(main()) ```
bash
export DEFAULT_LLM_API_KEY="your_api_key"
export DEFAULT_LLM_BASE_URL="your_base_url"
export DEFAULT_LLM_MODEL_NAME="your_model_name"bash
DEFAULT_LLM_API_KEY="your_api_key"
DEFAULT_LLM_BASE_URL="your_base_url"
DEFAULT_LLM_MODEL_NAME="your_model_name"bash
python demo.py
您可以通过以下方法为 OxyGent 作出贡献:
感谢您的贡献! 🎉🎉🎉 如果您在开发中遇到问题,请参阅 OxyGent中文指南 或者 OxyGent 文档
如果你在OxyGent的开发或使用过程中遇到任何问题,欢迎在项目的Issue区域提交可复现的步骤或日志片段。 如果您有企业内部Slack,请直接联系OxyGent Core团队。
欢迎沟通和联系我们:
感谢以下为OxyGent作出贡献的开发者
OxyGent 是什么? OxyGent 是一个开源框架,将工具、模型和智能体统一为模块化的 Oxy 组件。它为开发者提供透明的端到端流水线,用于构建、运行和持续进化多智能体系统。
OxyGent 与其他多智能体框架有什么不同? OxyGent 使用独特的 "Oxy" 抽象来标准化智能体组件,支持热插拔和跨场景复用。与刚性的工作流系统不同,OxyGent 支持动态规划范式,智能体可以智能分解任务并实时适应变化。
什么是 Oxy 抽象? Oxy 是一种标准化的组件模型,可以像乐高积木一样拼装。每个 Oxy 封装了特定的能力(工具、模型或智能体),通过简洁的 Python 接口,实现 AI 团队的快速组装和持续进化。
系统要求是什么? - Python 3.10+ - pip 包管理器 - LLM 供应商的 API Key(OpenAI、Anthropic 等)
如何安装 OxyGent?
pip install oxygent
OxyGent 支持本地模型吗?
支持!OxyGent 兼容任何提供兼容 API 的 LLM 供应商。通过环境变量(DEFAULT_LLM_BASE_URL、DEFAULT_LLM_MODEL_NAME)配置本地模型即可。
如何创建自定义 Oxy? 创建一个继承 Oxy 基类的新类,并实现所需的方法。详见文档。
OxyGent 支持哪些规划范式? OxyGent 支持多种规划范式: - ReAct:推理 + 行动模式,适用于简单任务 - 动态规划:智能体智能分解任务并协商解决方案 - 混合规划:组合多种范式以应对复杂场景
OxyGent 如何处理智能体协作? OxyGent 的弹性架构支持任意智能体拓扑。智能体通过标准化接口通信,配合自动依赖映射和可视化调试工具进行优化。
如何部署 OxyGent 应用?
OxyGent 应用可以作为标准 Python 应用部署:
- 本地开发:运行 python demo.py 进行本地测试
- 生产环境:使用分布式调度器实现多节点扩展
- Docker:将 OxyGent 应用容器化以实现一致的部署
OxyGent 适合企业使用吗? 适合!OxyGent 专为企业场景设计,具备以下特性: - 分布式调度实现水平扩展 - 每一步决策全链路可审计 - 内置评估引擎持续改进 - 支持全域优化和实时决策
常见问题: - 导入错误:确保已安装 Python 3.10+ 且依赖是最新版本 - API Key 错误:检查 LLM 供应商的 API Key 是否正确配置 - 智能体通信异常:确认所有 Oxy 组件已正确注册
在哪里获取帮助? - 官方文档 - GitHub Issues - 企业内部 Slack(京东员工)
$ claude mcp add OxyGent \
-- python -m otcore.mcp_server <graph>