生产级！京东团队打造的多Agent系统框架终于正式开源了！可透视每一个智能体的思维过程，并行运行多个模型 原创

编辑 | 云昭

出品 | 51CTO技术栈（微信号：blog51cto）

今年以来，Agent 的开发热潮已经一发不可收拾。

此前小编有写一篇多智能体开发框架的文章：​​横评5款开源多智能体框架，AI高手都在用哪个？下一款Manus、Cursor、Devin，谁能撑起来？​​

不少朋友都在问，别老都是歪果仁的。确实，有不少优秀的国产框架，比如 Camel AI、MetaGPT等等。

不过今天，小编又遇到了一款很别致的框架，分享给大家。想要自己手搓AI产品的朋友，不妨细读一下。

这个多 Agent 框架，就是京东团队开发的 OxyGent。

图片

你可能没听说过，这不怪你，因为这款工具今天刚刚在 Github 上开源！

小编看完了官网的介绍和 demo，果断决定立刻试用了（注意：得会 Python）。

据悉，OxyGent 在 GAIA 测评体系中获得 59.14 分，已逼近当前开源领先系统 OWL 的 60.8 分。

图片

“多智能体构建自由”，可以说是有了趁手的“原子武器”了。

先说 highlight 

OxyGent 是一个专门为开发者设计的高级 Python 框架，它将工具、模型与智能体统一为模块化的原子操作单元 —— Oxy。通过这些 Oxy，你就可以快速构建灵活的多智能体系统，而且注意，这套框架还有两个重要的特点：无限可扩展性，全流程可追溯。

图片

即，从构建、推理到持续演化，OxyGent 提供闭环的智能体开发流程，支持无缝集成、无限扩展以及跨 AI 生态的协同创新。

OxyGent 能做什么？

首先，OxyGent 将构建复杂 AI 这件事变得像拼积木一样简单、灵活。

• 只需 Python，不用写繁杂的 YAML
• 标准组件即插即用：ReActAgent、Tool、Memory 模块一键拼装
• 支持热插拔、可视化架构、实时运行与调试

总之体感上一句话：比 LangChain 更纯粹，比 CrewAI 更自由。如果各位想要面向生产环境，获得系统级 AI 架构的开发体验，OxyGent 更合适。

不妨看下主界面。

图片

主界面包含以下内容：

• 多智能体系统结构（Structure of MAS）：展示智能体与工具之间的调用关系。
• 对话区（Conversation）：以聊天形式展示用户与智能体、以及智能体之间的消息交流。
• 思考详情（Thinking Details）：展示智能体内部大语言模型的思考过程与输出结果。
• 文件工具（File tools）：用于管理你的多智能体系统，包括保存与加载功能。

其次，随时暂停修改，一键并行跑多模型版本。

• 随时暂停系统，查看任意智能体的内部状态（Prompt、记忆、调用栈）
• 修改变量，回溯决策，分支推理路径，无需重启整个系统
• 模拟失败注入、并行运行多模型版本，用于调优和对比分析

这就像开了个“AI 量子实验室”：你可以问无数个“如果”，每一个选择都可以追踪并重演。

图片

第三、你还可以透视、拆解智能体的“思维过程”，像用 X 光看大脑一样。

• 实时可视化智能体的推理树
• 记录每一次思考背后的“神经触发器”
• 追踪每一次工具调用、外部操作

系统会自动构建一张可审计的决策图谱，让你真正理解“它为什么这么做”。

图片

在详情页顶部，可以查看其内部结构及工作流程，有两种可视化方案：按调用顺序和按活跃生命周期，可以切换展示。

图片

最后，这款框架还配套了多智能体的性能监控的功能，非常方便。

• 你可以看到每个智能体在哪个步骤耗了多少时间
• 实时监测瓶颈：是哪个工具卡了、哪个 Agent 迟钝了
• 用依赖图查出“交接延迟”、“资源阻塞”等隐性 bug

例如，你可以点击任意思维过程，即可进入对应智能体的详情页。

详情页中，LLM 或工具的配置信息、详细的对话过程，完整的 JSON 输出结果，你都可以查看。还可以通过上方的节点图，快速切换想要查看的 LLM 或工具。

图片

可以说，OxyGent 连 Agent 系统的生产级可观测性都考虑到了。

从好感度拉满的体验，看底层设计哲学

1.导入即用、部署迅速，开发体验丝滑，从零搭建，只需要几分钟。

丝滑灵活的体验，得益于“模块化”的设计，OxyGent 的核心设计是原子组件 Oxy，支持标准化拼接、跨场景复用、热插拔更新，彻底告别流程绑定。

2.人的过程干预性更便捷了、可控性更强了。

如上文所说，OxyGent 可支持回溯、分支和试验 AI 的决策过程，甚至还可以注入失败场景，或同时在不同模型上运行平行模拟，所有变化都将自动记录为可复现的研究数据。

3.智能体之间的智能协作。

OxyGent 引入了动态规划范式，显著提升了多智能体之间的协作效率。它能够智能拆解任务、协商解决方案，并在变化中实时适应。不同于传统的刚性流程系统，OxyGent 的智能体可自然应对突发挑战，并对每一步决策实现完整可审计。

4.易扩展。

OxyGent 的扩展遵循 Metcalfe 定律：协作智能指数级增长，而系统成本仅线性上升。

在 OxyGent 中，分布式调度器让系统可以轻松处理全域优化和大规模实时决策任务，具备真正的生产级可扩展性。

这里科普一下 Metcalfe 定律，它是用来描述网络价值与其用户数量之间关系的一个经典定律，原由以太网发明人 Robert Metcalfe 提出。

核心观点是指：网络价值 ∝ n²，即一个网络的价值与网络节点的平方成正比。

同样的，对于多智能体系统而言，每个 Agent 都可以和其他 Agent 协同、对话、交互。如果有 ​​n​​ 个 Agent，它们的协作可能性也近似是 ​​n²​​ 级别增长。

5.自进化。

就像 ChatGPT 有了长期记忆一样，OxyGent 让每一次交互都成为学习机会。

其内置的评估引擎可自动生成训练数据，通过知识反馈机制推动智能体不断自我优化——全过程保持透明、可追溯。

软件架构也公开了

官网上晒出了这款开发神器的软件架构图。分为四部分：仓库、生产框架、服务框架、工程基础四部分。

图片

仓库（Repository）：统一存储智能体、工具、大语言模型（LLMs）、数据及系统文件。

生产框架（Production Framework）：涵盖注册、构建、运行、评估与演化的完整生产链。

服务框架（Service Framework）：完整的业务系统服务器，提供全面的存储和监控支持。

工程基础（Engineering Base）：丰富的外部支持，包含数据库、推理引擎等集成模块。

最重要的：开源

Agent 构建开发已经成为了全球各大行业巨头的共识。所以一款开源的真正面向企业生产环境的多 Agent 系统框架意义不言而喻。

同时，不止服务开发者，其实这个框架想要上手，难度可以说是小白也能上。

“我们的项目致力于为所有用户创建一个多智能体开发平台，因此无论您是各自领域的专家还是项目的普通用户，我们都欢迎您参与塑造项目的未来。”

不用邀请码什么的，免费上车地址如下：​​https://github.com/jd-opensource/OxyGent​​

Agent时代开启，你我都潜力无限，共勉~

本文转载自​​51CTO技术栈​​，作者：云昭