OWL - 优化劳动力学习的通用智能体
GitHub：https://github.com/camel-ai/owl
更多AI开源软件：发现分享好用的AI工具、AI开源软件、AI模型、AI变现 - 小众AI
OWL 是一个前沿的多智能体协作框架，推动任务自动化的边界，构建在 CAMEL-AI Framework。愿景是彻底变革 AI 智能体协作解决现实任务的方式。通过利用动态智能体交互，OWL 实现了跨多领域更自然、高效且稳健的任务自动化。 OWL 在 GAIA 基准测试中取得 58.18 平均分，在开源框架中排名 ️ #1！
主要功能
- 在线搜索：支持多种搜索引擎（包括维基百科、Google、DuckDuckGo、百度、博查等），实现实时信息检索与知识获取
- 多模态处理：支持互联网或本地视频、图片、语音处理
- 浏览器操作：借助Playwright框架开发浏览器模拟交互，支持页面滚动、点击、输入、下载、历史回退等功能
- 文件解析：word、excel、PDF、PowerPoint信息提取，内容转文本/Markdown
- 代码执行：编写python代码，并使用解释器运行
- 丰富工具包：提供丰富的工具包，包括ArxivToolkit（学术论文检索）、AudioAnalysisToolkit（音频分析）、CodeExecutionToolkit（代码执行）、DalleToolkit（图像生成）、DataCommonsToolkit（数据共享）、ExcelToolkit（Excel处理）、GitHubToolkit（GitHub交互）、GoogleMapsToolkit（地图服务）、GoogleScholarToolkit（学术搜索）、ImageAnalysisToolkit（图像分析）、MathToolkit（数学计算）、NetworkXToolkit（图形分析）、NotionToolkit（Notion交互）、OpenAPIToolkit（API操作）、RedditToolkit（Reddit交互）、SearchToolkit（搜索服务）、SemanticScholarToolkit（语义学术搜索）、SymPyToolkit（符号计算）、VideoAnalysisToolkit（视频分析）、WeatherToolkit（天气查询）、BrowserToolkit（网页交互）等多种专业工具，满足各类特定任务需求。
️ 安装
选项1：使用 uv（推荐）
# 克隆 GitHub 仓库
git clone https://github.com/camel-ai/owl.git
# 进入项目目录
cd owl
# 如果你还没有安装 uv，请先安装
pip install uv
# 创建虚拟环境并安装依赖
# 我们支持使用 Python 3.10、3.11、3.12
uv venv .venv --python=3.10
# 激活虚拟环境
# 对于 macOS/Linux
source .venv/bin/activate
# 对于 Windows
.venv\Scripts\activate
# 安装 CAMEL 及其所有依赖
uv pip install -e .
# 完成后退出虚拟环境
deactivate
选项2：使用 venv 和 pip
# 克隆 GitHub 仓库
git clone https://github.com/camel-ai/owl.git
# 进入项目目录
cd owl
# 创建虚拟环境
# 对于 Python 3.10（也适用于 3.11、3.12）
python3.10 -m venv .venv
# 激活虚拟环境
# 对于 macOS/Linux
source .venv/bin/activate
# 对于 Windows
.venv\Scripts\activate
# 从 requirements.txt 安装
pip install -r requirements.txt --use-pep517
选项3：使用 conda
# 克隆 GitHub 仓库
git clone https://github.com/camel-ai/owl.git
# 进入项目目录
cd owl
# 创建 conda 环境
conda create -n owl python=3.10
# 激活 conda 环境
conda activate owl
# 选项1：作为包安装（推荐）
pip install -e .
# 选项2：从 requirements.txt 安装
pip install -r requirements.txt --use-pep517
# 完成后退出 conda 环境
conda deactivate
设置环境变量
OWL 需要各种 API 密钥来与不同的服务进行交互。owl/.env_template 文件包含了所有必要 API 密钥的占位符，以及可以注册这些服务的链接。
选项 1：使用 .env 文件（推荐）
-
复制并重命名模板：
cd owl cp .env_template .env -
配置你的 API 密钥： 在你喜欢的文本编辑器中打开 .env 文件，并在相应字段中插入你的 API 密钥。
注意：对于最小示例（examples/run_mini.py），你只需要配置 LLM API 密钥（例如，OPENAI_API_KEY）。
选项 2：直接设置环境变量
或者，你可以直接在终端中设置环境变量：
-
macOS/Linux (Bash/Zsh)：
export OPENAI_API_KEY="你的-openai-api-密钥" -
Windows (命令提示符)：
set OPENAI_API_KEY="你的-openai-api-密钥" -
Windows (PowerShell)：
$env:OPENAI_API_KEY = "你的-openai-api-密钥"
注意：直接在终端中设置的环境变量仅在当前会话中有效。
使用Docker运行
OWL可以通过Docker轻松部署，Docker提供了跨不同平台的一致环境。
设置说明
# 克隆仓库
git clone https://github.com/camel-ai/owl.git
cd owl
# 配置环境变量
cp owl/.env_template owl/.env
# 编辑.env文件，填入您的API密钥
部署选项
选项1：使用预构建镜像（推荐）
# 此选项从Docker Hub下载一个即用型镜像
# 最快速且推荐给大多数用户
docker-compose up -d
# 在容器中运行OWL
docker-compose exec owl bash
cd .. && source .venv/bin/activate
playwright install-deps
xvfb-python examples/run.py
选项2：本地构建镜像
# 适用于需要自定义Docker镜像或无法访问Docker Hub的用户：
# 1. 打开docker-compose.yml
# 2. 注释掉"image: mugglejinx/owl:latest"行
# 3. 取消注释"build:"部分及其嵌套属性
# 4. 然后运行：
docker-compose up -d --build
# 在容器中运行OWL
docker-compose exec owl bash
cd .. && source .venv/bin/activate
playwright install-deps
xvfb-python examples/run.py
选项3：使用便捷脚本
# 导航到容器目录
cd .container
# 使脚本可执行并构建Docker镜像
chmod +x build_docker.sh
./build_docker.sh
# 使用您的问题运行OWL
./run_in_docker.sh "您的问题"
MCP Desktop Commander设置
如果在Docker中使用MCP Desktop Commander，请运行：
npx -y @wonderwhy-er/desktop-commander setup --force-file-protocol
更多详细的Docker使用说明，包括跨平台支持、优化配置和故障排除，请参阅 DOCKER_README.md
开始使用
基本用法
运行以下示例：
python examples/run.py
我们还提供了一个最小化示例，只需配置LLM的API密钥即可运行：
python examples/run_mini.py
使用不同的模型
模型要求
- 工具调用能力：OWL 需要具有强大工具调用能力的模型来与各种工具包交互。模型必须能够理解工具描述、生成适当的工具调用，并处理工具输出。
- 多模态理解能力：对于涉及网页交互、图像分析或视频处理的任务，需要具备多模态能力的模型来解释视觉内容和上下文。
支持的模型
有关配置模型的信息，请参阅我们的 CAMEL 模型文档。
注意：为获得最佳性能，我们强烈推荐使用 OpenAI 模型（GPT-4 或更高版本）。我们的实验表明，其他模型在复杂任务和基准测试上可能表现明显较差，尤其是那些需要多模态理解和工具使用的任务。
OWL 支持多种 LLM 后端，但功能可能因模型的工具调用和多模态能力而异。您可以使用以下脚本来运行不同的模型：
# 使用 Qwen 模型运行
python examples/run_qwen_zh.py
# 使用 Deepseek 模型运行
python examples/run_deepseek_zh.py
# 使用其他 OpenAI 兼容模型运行
python examples/run_openai_compatiable_model.py
# 使用 Azure OpenAI模型运行
python examples/run_azure_openai.py
# 使用 Ollama 运行
python examples/run_ollama.py
你可以通过修改 examples/run.py 脚本来运行自己的任务：
# Define your own task
question = "Task description here."
society = construct_society(question)
answer, chat_history, token_count = run_society(society)
print(f"\033[94mAnswer: {answer}\033[0m")
上传文件时，只需提供文件路径和问题：
# 处理本地文件（例如，文件路径为 `tmp/example.docx`）
question = "给定的 DOCX 文件中有什么内容？文件路径如下：tmp/example.docx"
society = construct_society(question)
answer, chat_history, token_count = run_society(society)
print(f"答案：{answer}")
OWL 将自动调用与文档相关的工具来处理文件并提取答案。
你可以尝试以下示例任务：
- "查询苹果公司的最新股票价格"
- "分析关于气候变化的最新推文情绪"
- "帮我调试这段 Python 代码：[在此粘贴你的代码]"
- "总结这篇研究论文的主要观点：[论文URL]"
工具包与功能
模型上下文协议（MCP）
OWL 的 MCP 集成为 AI 模型与各种工具和数据源的交互提供了标准化的方式。 在使用MCP前，需要先安装Node.js。
安装 Node.js
Windows
下载官方安装包：Node.js。
安装时，勾选 "Add to PATH" 选项。
Linux
sudo apt update
sudo apt install nodejs npm -y
Mac
brew install node
安装 MCP 服务
npm install -g @executeautomation/playwright-mcp-server
npx playwright install-deps
查看我们的综合示例 examples/run_mcp.py 来体验这些功能！
可用工具包
重要提示：有效使用工具包需要具备强大工具调用能力的模型。对于多模态工具包（Web、图像、视频），模型还必须具备多模态理解能力。
OWL支持多种工具包，可通过修改脚本中的tools列表进行自定义：
# 配置工具包
tools = [
*BrowserToolkit(headless=False).get_tools(), # 浏览器自动化
*VideoAnalysisToolkit(model=models["video"]).get_tools(),
*AudioAnalysisToolkit().get_tools(), # 需要OpenAI API密钥
*CodeExecutionToolkit(sandbox="subprocess").get_tools(),
*ImageAnalysisToolkit(model=models["image"]).get_tools(),
SearchToolkit().search_duckduckgo,
SearchToolkit().search_google, # 如果不可用请注释
SearchToolkit().search_wiki,
SearchToolkit().search_bocha,
SearchToolkit().search_baidu,
*ExcelToolkit().get_tools(),
*DocumentProcessingToolkit(model=models["document"]).get_tools(),
*FileWriteToolkit(output_dir="./").get_tools(),
]
主要工具包
关键工具包包括：
多模态工具包（需要模型具备多模态能力）
- BrowserToolkit：浏览器自动化，用于网页交互和导航
- VideoAnalysisToolkit：视频处理和内容分析
- ImageAnalysisToolkit：图像分析和解释
基于文本的工具包
- AudioAnalysisToolkit：音频处理（需要 OpenAI API）
- CodeExecutionToolkit：Python 代码执行和评估
- SearchToolkit：网络搜索（Google、DuckDuckGo、维基百科）
- DocumentProcessingToolkit：文档解析（PDF、DOCX等）
其他专用工具包：ArxivToolkit、GitHubToolkit、GoogleMapsToolkit、MathToolkit、NetworkXToolkit、NotionToolkit、RedditToolkit、WeatherToolkit等。完整工具包列表请参阅CAMEL工具包文档。
自定义配置
自定义可用工具的方法：
# 1. 导入工具包
from camel.toolkits import BrowserToolkit, SearchToolkit, CodeExecutionToolkit
# 2. 配置工具列表
tools = [
*BrowserToolkit(headless=True).get_tools(),
SearchToolkit().search_wiki,
*CodeExecutionToolkit(sandbox="subprocess").get_tools(),
]
# 3. 传递给助手代理
assistant_agent_kwargs = {"model": models["assistant"], "tools": tools}
选择必要的工具包可优化性能并减少资源使用。
网页界面
全新升级的网页界面现已发布！
体验更稳定的系统性能和优化后的执行效率。 通过我们直观的界面，开启OWL强大功能的探索之旅！
OWL 现在包含一个基于网页的用户界面，使与系统交互变得更加容易。要启动网页界面，请运行：
# 中文版本
python owl/webapp_zh.py
# 英文版本
python owl/webapp.py
网页界面提供以下功能：
- 便捷的模型选择：选择不同的模型（OpenAI、Qwen、DeepSeek等）
- 环境变量管理：直接从界面配置API密钥和其他设置
- 交互式聊天界面：通过用户友好的界面与OWL智能体交流
- 任务历史：查看交互的历史记录和结果
网页界面使用Gradio构建，在您的本地机器上运行。除了您配置的模型API调用所需的数据外，不会向外部服务器发送任何数据。
实验
我们提供了一个脚本用于复现 GAIA 上的实验结果。 要复现我们在 GAIA 基准测试中获得的 58.18 分：
- 切换到 gaia58.18 分支：
git checkout gaia58.18
- 运行评估脚本：
python examples/run_gaia_roleplaying.py