今年以來，Agent 的開發熱潮已經一發不可收拾。
不少朋友都在問，別老都是歪果仁的。確實，有不少優秀的國產框架，比如 Camel AI、MetaGPT等等。
不過今天，小編又遇到了一款很別緻的框架，分享給大家。想要自己手搓AI產品的朋友，不妨細讀一下。
這個多 Agent 框架，就是京東團隊開發的 OxyGent。
你可能沒聽說過，這不怪你，因為這款工具今天剛剛在 Github 上開源！
小編看完了官網的介紹和 demo，果斷決定立刻試用了（注意：得會 Python）。
據悉，OxyGent 在 GAIA 測評體系中獲得 59.14 分，已逼近當前開源領先系統 OWL 的 60.8 分。
「多智能體構建自由」，可以說是有了趁手的「原子武器」了。
先說 highlight
OxyGent 是一個專門為開發者設計的高級 Python 框架，它將工具、模型與智能體統一為模塊化的原子操作單元 —— Oxy。通過這些 Oxy，你就可以快速構建靈活的多智能體系統，而且注意，這套框架還有兩個重要的特點：無限可擴展性，全流程可追溯。
即，從構建、推理到持續演化，OxyGent 提供閉環的智能體開發流程，支持無縫集成、無限擴展以及跨 AI 生態的協同創新。
OxyGent 能做什麼？
首先，OxyGent 將構建複雜 AI 這件事變得像拼積木一樣簡單、靈活。
- 只需 Python，不用寫繁雜的 YAML
- 標準組件即插即用：ReActAgent、Tool、Memory 模塊一鍵拼裝
- 支持熱插拔、可視化架構、實時運行與調試
總之體感上一句話：比 LangChain 更純粹，比 CrewAI 更自由。如果各位想要面向生產環境，獲得系統級 AI 架構的開發體驗，OxyGent 更合適。
不妨看下主界面。
主界面包含以下內容：
- 多智能體系統結構（Structure of MAS）：展示智能體與工具之間的調用關係。
- 對話區（Conversation）：以聊天形式展示用戶與智能體、以及智能體之間的消息交流。
- 思考詳情（Thinking Details）：展示智能體內部大語言模型的思考過程與輸出結果。
- 文件工具（File tools）：用於管理你的多智能體系統，包括保存與載入功能。
其次，隨時暫停修改，一鍵並行跑多模型版本。
- 隨時暫停系統，查看任意智能體的內部狀態（Prompt、記憶、調用棧）
- 修改變數，回溯決策，分支推理路徑，無需重啟整個系統
- 模擬失敗注入、並行運行多模型版本，用於調優和對比分析
這就像開了個「AI 量子實驗室」：你可以問無數個「如果」，每一個選擇都可以追蹤並重演。
第三、你還可以透視、拆解智能體的「思維過程」，像用 X 光看大腦一樣。
- 實時可視化智能體的推理樹
- 記錄每一次思考背後的「神經觸發器」
- 追蹤每一次工具調用、外部操作
系統會自動構建一張可審計的決策圖譜，讓你真正理解「它為什麼這麼做」。
在詳情頁頂部，可以查看其內部結構及工作流程，有兩種可視化方案：按調用順序和按活躍生命周期，可以切換展示。
最後，這款框架還配套了多智能體的性能監控的功能，非常方便。
- 你可以看到每個智能體在哪個步驟耗了多少時間
- 實時監測瓶頸：是哪個工具卡了、哪個 Agent 遲鈍了
- 用依賴圖查出「交接延遲」、「資源阻塞」等隱性 bug
例如，你可以點擊任意思維過程，即可進入對應智能體的詳情頁。
詳情頁中，LLM 或工具的配置信息、詳細的對話過程，完整的 JSON 輸出結果，你都可以查看。還可以通過上方的節點圖，快速切換想要查看的 LLM 或工具。
可以說，OxyGent 連 Agent 系統的生產級可觀測性都考慮到了。
從好感度拉滿的體驗，看底層設計哲學
一、導入即用、部署迅速，開發體驗絲滑，從零搭建，只需要幾分鐘。
絲滑靈活的體驗，得益於「模塊化」的設計，OxyGent 的核心設計是原子組件 Oxy，支持標準化拼接、跨場景復用、熱插拔更新，徹底告別流程綁定。
二、人的過程干預性更便捷了、可控性更強了。
如上文所說，OxyGent 可支持回溯、分支和試驗 AI 的決策過程，甚至還可以注入失敗場景，或同時在不同模型上運行平行模擬，所有變化都將自動記錄為可復現的研究數據。
三、智能體之間的智能協作。
OxyGent 引入了動態規劃範式，顯著提升了多智能體之間的協作效率。它能夠智能拆解任務、協商解決方案，並在變化中實時適應。不同於傳統的剛性流程系統，OxyGent 的智能體可自然應對突發挑戰，並對每一步決策實現完整可審計。
四、易擴展。
OxyGent 的擴展遵循 Metcalfe 定律：協作智能指數級增長，而系統成本僅線性上升。
在 OxyGent 中，分散式調度器讓系統可以輕鬆處理全域優化和大規模實時決策任務，具備真正的生產級可擴展性。
這裡科普一下 Metcalfe 定律，它是用來描述網路價值與其用戶數量之間關係的一個經典定律，原由乙太網發明人 Robert Metcalfe 提出。
核心觀點是指：網路價值 ∝ n²，即一個網路的價值與網路節點的平方成正比。
同樣的，對於多智能體系統而言，每個 Agent 都可以和其他 Agent 協同、對話、交互。如果有 n 個 Agent，它們的協作可能性也近似是 n² 級別增長。
五、自進化。
就像 ChatGPT 有了長期記憶一樣，OxyGent 讓每一次交互都成為學習機會。
其內置的評估引擎可自動生成訓練數據，通過知識反饋機制推動智能體不斷自我優化——全過程保持透明、可追溯。
軟體架構也公開了
官網上曬出了這款開發神器的軟體架構圖。分為四部分：倉庫、生產框架、服務框架、工程基礎四部分。
倉庫（Repository）：統一存儲智能體、工具、大語言模型（LLMs）、數據及系統文件。
生產框架（Production Framework）：涵蓋註冊、構建、運行、評估與演化的完整生產鏈。
服務框架（Service Framework）：完整的業務系統伺服器，提供全面的存儲和監控支持。
工程基礎（Engineering Base）：豐富的外部支持，包含資料庫、推理引擎等集成模塊。
最重要的：開源
Agent 構建開發已經成為了全球各大行業巨頭的共識。所以一款開源的真正面向企業生產環境的多 Agent 系統框架意義不言而喻。
同時，不止服務開發者，其實這個框架想要上手，難度可以說是小白也能上。
「我們的項目致力於為所有用戶創建一個多智能體開發平台，因此無論您是各自領域的專家還是項目的普通用戶，我們都歡迎您參與塑造項目的未來。」
不用邀請碼什麼的，免費上車地址如下：
https://github.com/jd-opensource/OxyGent
Agent時代開啟，你我都潛力無限，共勉~
