快速上手 Python 自主 AI 智能体框架：GPT-Computer-Assistant（Upsonic）实战指南

快速上手 Python 自主 AI 智能体框架GPT-Computer-AssistantUpsonic实战指南【免费下载链接】gpt-computer-assistantBuild autonomous AI agents in Python.项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistant需要让 AI 自动读日志、调 API、连续多轮分析并产出报告但自己从零写工具链、会话存储和编排逻辑很费时间试试 GPT-Computer-AssistantUpsonic——一个 Python 开源 AI 智能体框架Agent、Task、Team三个类就能覆盖从单智能体到多智能体协作的完整链路MIT 协议可免费商用。三步跑通第一个 AI 智能体装框架uv pip install upsonic在项目根目录建.env填入至少一个模型提供商的密钥ANTHROPIC_API_KEYyour_key写一个 5 行的脚本跑一下确认环境通了from upsonic import Agent, Task agent Agent(modelanthropic/claude-sonnet-4-5, name分析助手) task Task(description总结最近7天服务器日志中的错误模式) agent.print_do(task)到这里智能体已经能自主决定调用哪些内置工具、如何拆解任务并输出结果。自主智能体把 workspace 直接交给模型它能帮你做什么处理需要读文件、跑命令、反复迭代的任务比如日志异常检测、批量数据清洗不需要你预先写死工具编排。关键实现思路AutonomousAgent在构造时指定一个workspace目录所有文件读写和 shell 操作都被限制在这个目录内路径穿越和危险命令会被安全引擎直接拦截可以放心把整块地盘交给模型。from upsonic import AutonomousAgent, Task agent AutonomousAgent( modelanthropic/claude-sonnet-4-5, workspace/path/to/logs ) agent.print_do(Task(分析服务器日志并找出异常模式))工具集成即用型金融与搜索工具它能帮你做什么接真实数据源。框架在 tools/common_tools/ 内置了一批现成工具比如YFinanceTools股价、财报、技术指标和 Tavily / DuckDuckGo 搜索工具不用自己封装 function-calling。关键实现思路工具类直接放进Agent的tools参数即可模型根据任务描述自己决定调哪个函数需要私有工具时用tool装饰器把普通 Python 函数包一层。from upsonic import Agent from upsonic.tools.common_tools import YFinanceTools agent Agent( modelanthropic/claude-sonnet-4-5, name金融分析智能体, tools[YFinanceTools(enable_allTrue)] )记忆与多智能体协作搭一个持续工作的分析团队它能帮你做什么让智能体记得上下文以及把复杂任务拆给多个专业智能体流水线式完成。关键实现思路Memory实例负责持久化——换SqliteStorage就落盘到本地文件下次启动继续用同一个session_id恢复记忆Team把多个Agent按sequential顺序、coordinate协调者分派或route路由器分派三种模式组合详见 team/ 模块。from upsonic import Agent, Task from upsonic.storage import Memory, SqliteStorage memory Memory( storageSqliteStorage(db_file./analysis.db), session_idsports_session, full_session_memoryTrue )from upsonic import Agent, Task, Team analyst Agent(openai/gpt-4o, name数据分析师) writer Agent(openai/gpt-4o, name报告撰写) team Team(agents[analyst, writer], modesequential) result team.do([Task(分析最近10场比赛的数据), Task(整理成结构化报告)])效果对比传统做法 vs GPT-Computer-Assistant环节传统做法UpsonicLLM 工具调用循环手写 function-calling 循环100 行起步AgentTask5 行会话记忆持久化自建会话表 上下文拼接逻辑一个Memory实例换存储后端一行代码多智能体流水线自建编排、状态传递、失败重试Team(modesequential)一行文档解析逐个集成 OCR 库并写前处理内置 OCR 分层管线uv pip install upsonic[ocr]即开避坑 进阶模型名写法报找不到模型用提供商/模型名的完整前缀格式如anthropic/claude-sonnet-4-5只写claude-sonnet-4-5会失败。AutonomousAgent 跑不了预期外的命令这是设计而非 bug文件与 shell 操作被锁在workspace内路径穿越和危险命令会被安全引擎safety_engine/拦截需要更大权限时扩大 workspace 范围即可。进阶给Team传ask_other_team_membersTrue每个成员会自动变成其他成员可调用的工具再往上接 MCP 协议可以把智能体连到成千上万外部数据源。Upsonic 是专为快速构建生产级 AI 智能体设计的 Python 框架官方完整示例都在仓库的 tests/doc_examples/ 目录对照着改参数即可。跑一下上面三步的脚本今天就能让你的第一个 AI 智能体上线干活。【免费下载链接】gpt-computer-assistantBuild autonomous AI agents in Python.项目地址: https://gitcode.com/GitHub_Trending/gp/gpt-computer-assistant创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考