liailing1026 c00c0072b8 feat

2025-12-11 14:05:08 +08:00

4.5 KiB

Raw Blame History

AgentCoord Backend 代码逻辑架构分析

🏗️ Backend 代码逻辑架构

📁 核心目录结构

backend/
├── server.py                    # Flask主服务器入口
├── config/config.yaml           # LLM API配置
├── AgentRepo/agentBoard_v1.json # 智能体定义库
├── DataProcess/                 # 数据处理层
├── RequestCache/                # 缓存机制
└── AgentCoord/                  # 核心业务逻辑
    ├── LLMAPI/                  # LLM接口封装
    ├── PlanEngine/              # 计划生成引擎
    ├── RehearsalEngine_V2/      # 计划执行引擎
    └── util/                    # 工具模块

🔄 主要工作流程

1️⃣ 计划生成流程 (PlanEngine)

用户目标 → 生成计划大纲 → 选择智能体 → 生成任务流程 → 输出完整计划

核心模块：

basePlan_Generator.py - 整合所有计划生成组件
planOutline_Generator.py - 生成高级计划大纲
taskProcess_Generator.py - 生成详细任务执行流程
AgentSelection_Generator.py - 选择最适合的智能体

2️⃣ 计划执行流程 (RehearsalEngine_V2)

协作计划 → 初始化执行环境 → 按步骤执行 → 智能体协作 → 记录执行日志

动作类型：

Propose - 提出建议和方案
Critique - 提供反馈和批评
Improve - 基于反馈改进结果
Finalize - 最终确定输出

3️⃣ LLM接口层 (LLMAPI)

支持的模型：

OpenAI GPT-4/GPT-3.5
Groq Mixtral-8x7b (快速模式)
Mistral Open-Mixtral-8x7b

🌐 API端点架构

计划生成APIs

POST /generate_basePlan - 生成基础协作计划
POST /fill_stepTask - 填充步骤任务详情
POST /branch_PlanOutline - 处理计划分支

计划执行APIs

POST /executePlan - 执行协作计划
POST /agentSelectModify_init - 初始化智能体选择

系统管理APIs

POST /setAgents - 设置智能体板
POST /_saveRequestCache - 保存请求缓存

💾 数据流设计

输入层

HTTP请求验证
参数提取和格式化
缓存检查

业务逻辑层

LLM API调用
多智能体协调
任务状态管理

输出层

结果格式化
前端渲染模板生成
JSON响应

⚙️ 配置与优化

配置文件 (config.yaml)

OPENAI_API_BASE: "https://api.openai.com"
OPENAI_API_KEY: "your-key"
OPENAI_API_MODEL: "gpt-4-turbo-preview"
FAST_DESIGN_MODE: True  # 启用快速模式
USE_CACHE: False        # 缓存开关

性能优化

请求缓存机制
快速模式支持（Groq）
异步LLM调用
重试和错误处理

🔧 关键技术特点

模块化架构 - 清晰的职责分离
多LLM支持 - 灵活的模型切换
智能体协作 - 复杂的多智能体工作流
前端适配 - 自动生成渲染模板
可扩展性 - 支持自定义智能体和动作

📋 详细模块说明

1. 服务器入口 (server.py)

功能: Flask应用主入口，提供RESTful API
特点: 支持请求缓存、全局状态管理、参数化端口配置

2. 计划引擎 (PlanEngine)

核心功能: 生成多智能体协作计划

basePlan_Generator.py: 整合所有生成器，生成完整协作计划
planOutline_Generator.py: 基于目标生成计划大纲
taskProcess_Generator.py: 为每个任务步骤生成执行流程
AgentSelection_Generator.py: 选择合适的智能体执行任务

3. 排练引擎 (RehearsalEngine_V2)

核心功能: 执行生成的协作计划

ExecutePlan.py: 计划执行控制器
Action模块: 实现各种协作动作（Propose, Critique, Improve, Finalize）

4. LLM API接口 (LLMAPI)

核心功能: 封装多种大语言模型API

支持流式响应
异步处理
快速模式切换

5. 数据处理 (DataProcess)

核心功能: 格式转换和前端适配

颜色映射：不同元素类型的视觉区分
模板生成：为前端生成渲染模板
格式化：处理驼峰命名和自然语言转换

🚀 启动和调试

开发环境启动

cd backend
source venv/bin/activate
python server.py --port 8017

调试模式

Flask已内置debug=True，支持：

交互式调试器
自动重载
详细错误页面

Docker部署

docker-compose up

这个backend实现了一个完整的多智能体协作平台，通过精心设计的模块化架构，支持复杂任务的规划和执行。

4.5 KiB Raw Blame History Unescape Escape