一款由字节复刻Manus的开源AI自动化任务处理工具：LangManus，它通过LLM和网络搜索、网页爬取、浏览器控制等各种工具结合来实现任务自动化，可以实现本地部署使用，支持国产AI大模型API

LangManus：一款强大的AI自动化任务处理工具

一句话总结：一款由字节复刻Manus的开源AI自动化任务处理工具：LangManus，它通过LLM和网络搜索、网页爬取、浏览器控制等各种工具结合来实现任务自动化，可以实现本地部署使用，支持国产AI大模型API。

在人工智能和自动化技术不断发展的今天，如何高效地将多个工具和智能体结合在一起，以完成复杂的任务，成为了众多开发者的挑战。LangManus应运而生，它通过集成大语言模型（LLM）、网络搜索、网页爬取和浏览器控制等多种工具，能够自动化处理多步骤复杂的研究任务。本文将详细介绍LangManus的架构、功能、安装和使用方法。

正文

一、LangManus概述

LangManus是一款社区驱动的AI自动化框架，旨在将多个开源项目结合在一起，提供一种灵活的多智能体系统架构。它通过协调员、规划员、主管、研究员、程序员等智能体的协作，自动化完成多步骤任务，例如在HuggingFace上计算模型的影响力指数。

仓库地址：https://github.com/MaoTouHU/byte-langmanus/edit/main/README_zh.md webUI地址 :https://github.com/MaoTouHU/byte-langmanus-web

LangManus支持通过自然语言或API与系统交互，能够根据用户的需求选择合适的模型和工具，定制不同的工作流程。通过与各大开源工具（如Tavily、Jina、Browser-use等）的集成，LangManus可以执行各种复杂的操作，从网络搜索到数据分析，再到自动化脚本执行。

一款由字节复刻Manus的开源AI自动化任务处理工具：LangManus，它通过LLM和网络搜索、网页爬取、浏览器控制等各种工具结合来实现任务自动化

二、架构设计

LangManus的架构基于分层的多智能体系统，每个智能体专注于不同的任务：

1. 协调员（Coordinator）：作为任务的入口点，负责处理初始的交互和任务分发。
2. 规划员（Planner）：负责分析任务的要求，并制定详细的执行策略。
3. 主管（Supervisor）：监督其他智能体的执行情况，确保任务按照计划进行。
4. 研究员（Researcher）：负责收集信息和分析数据，通常涉及到网络爬取和内容提取。
5. 程序员（Coder）：执行代码生成和修改，帮助完成计算和脚本任务。
6. 浏览器（Browser）：执行网页浏览和信息检索，处理网页交互。
7. 汇报员（Reporter）：负责生成任务执行后的报告和总结。

这种分层设计让LangManus能够高效地处理复杂任务，并通过任务的拆解和智能体的协作，逐步完成整个工作流。

一款由字节复刻Manus的开源AI自动化任务处理工具：LangManus，它通过LLM和网络搜索、网页爬取、浏览器控制等各种工具结合来实现任务自动化

三、核心功能

1. LLM集成

LangManus支持多种语言模型，包括开源模型如通义千问和OpenAI的API接口。其多层LLM系统能够适应不同任务的复杂度，从简单的任务到复杂的推理分析都能轻松应对。

2. 搜索与检索

LangManus通过集成Tavily API进行网络搜索，使用Jina进行神经搜索，并且支持高级内容提取。这使得LangManus能够获取到最新的信息，并进行深度分析。

3. Python集成

LangManus内置Python REPL，支持Python代码执行和分析，并通过uv包管理器简化了依赖管理。

4. 工作流管理

LangManus提供工作流程图可视化、任务分配和监控功能。开发者可以在可视化界面中轻松管理任务的执行过程，确保每个环节按计划执行。

四、安装与配置

1. 安装前置要求

首先，您需要安装uv包管理器来管理项目依赖：

uv python install 3.12
uv venv --python 3.12

2. 安装项目依赖

克隆仓库并安装所需的依赖：

git clone https://github.com/langmanus/langmanus.git
cd langmanus
uv sync

然后，运行以下命令来安装Playwright和Chromium：

uv run playwright install

3. 配置环境

复制.env.example文件为.env，并配置相关的API密钥和模型信息：

cp .env.example .env

编辑.env文件并填入API密钥，模型配置等信息。

五、使用LangManus

1. 基本执行

运行LangManus的主要程序：

uv run main.py

2. API服务

LangManus还提供了一个基于FastAPI的API服务器，支持流式响应，可以通过以下命令启动API服务：

make serve

或者直接运行：

uv run server.py

API服务器提供流式响应端点，支持LangGraph调用。

六、为什么选择LangManus？

LangManus的独特之处在于它通过开源社区的协作，将多个开源工具无缝集成，提供了强大的自动化任务处理能力。其支持的功能包括：

• 高效的LLM集成
• 强大的搜索和内容提取功能
• 灵活的Python执行环境
• 可视化的工作流管理界面

通过LangManus，用户可以快速构建定制化的自动化工作流程，并利用其强大的工具集自动化处理研究任务。

七、结语

LangManus是一款功能强大的AI自动化框架，能够帮助开发者在复杂的研究任务中提高效率。它的分层智能体系统、LLM集成、搜索工具和Python支持使得它能够应对各类复杂任务，特别适合需要多步骤操作和数据分析的场景。如果你有兴趣了解更多或参与贡献，欢迎访问LangManus的GitHub页面。