Archon智能AI助手app下载

Archon

是一个能让ai自动生成和优化其他AI代理的开源工具。作为首款“Agenteer”，Archon第六版支持多种工具库和MCP服务器集成，让生成的AI更高效可靠。用户只要描述需要的AI功能，Archon就会通过一系列步骤，包括规划、编码和优化，来创建AI。

核心功能：

整合文档资源（能抓取网站内容、上传PDF/文档等）

智能搜索能力（基于高级RAG策略）

任务管理功能（与知识库集成）

支持实时更新（同步新内容和协作任务）

架构特点：

代理架构流程

用户描述要创建的AI代理，理由LLM确定高层次范围，主要编码代理根据范围和文档创建初始代理。之后用户可以反馈，也可以让Archon自主优化代理。

如果自主优化，专门的优化代理会改进提示、工具和代理配置。然后主要编码代理根据反馈再次创建代理，这个过程会一直重复，直到用户觉得代理完成，最后输出完整代码和运行说明。

文件架构

核心文件包括：streamlit_ui.py（管理Archon的Web界面）、graph_service.py（处理代理工作流的服务）、run_docker.py（构建和运行ArchonDocker容器的脚本）、Dockerfile（定义主Archon应用程序的容器）、MCP相关文件（实现AIIDE的ModelContextProtocol服务器集成）。

Archon包包括：archon/（核心代理和工作流实现）、archon_graph.py（定义LangGraph工作流和代理协调）、pydantic_ai_coder.py（主要编码代理）、refiner_agents/（专门的优化代理）。

实用程序包括：utils/（共享实用程序函数和数据库设置）、site_pages.sql（数据库设置命令）。

工作台：运行时创建，workbench/包含环境变量文件env_vars.json、日志文件logs.txt和详细范围文档scope.md。

Archon部署

Docker容器：

主容器：运行StreamlitUI（端口8501）和图服务（端口8100），处理所有代理功能和用户交互，由根Dockerfile构建。

MCP容器：实现AIIDE的ModelContextProtocol，与主容器的图服务通信，为Windsurf、Cursor等AIIDE提供标准化接口，由mcp/Dockerfile构建。run_docker.py脚本会自动构建和启动两个容器并进行配置。

本地Python：通过Python虚拟环境直接在系统上运行。

Archon应用：

为开发者提供工具：帮助开发者创建和优化AI代理，减少开发工作量。通过预建工具库和MCP集成，开发者可以快速获取和使用各种工具，提高开发效率。

展示代理系统发展：作为一个教育框架，展示了从简单到复杂的代理系统演变过程，体现了规划、反馈循环和领域知识集成等方面的发展，为研究代理系统的人员提供参考。

Archon安装使用方法：

安装：

Docker（推荐）：

克隆仓库：gitclonehttps://github.com/coleam00/archon.git

进入项目目录：cdarchon

运行设置脚本：pythonrun_docker.py，该脚本会自动构建容器（包括MCP服务器容器和主Archon容器），启动Archon并进行端口映射，若存在.env文件则使用其中的环境变量。

本地Python安装：

克隆仓库：gitclonehttps://github.com/coleam00/archon.git

进入项目目录：cdarchon

创建并激活虚拟环境：python-mvenvvenv，激活命令在Windows上为venvScriptsactivate，在其他系统上为sourcevenv/bin/activate

安装依赖：pipinstall-rrequirements.txt

启动StreamlitUI：streamlitrunstreamlit_ui.py

使用：

设置过程：

环境配置：在StreamlitUI的Intro部分，配置API密钥和模型设置，这些信息存储在workbench/env_vars.json中。

数据库设置：设置Supabase向量数据库。

文档处理：引导爬取和索引PydanticAI文档。

代理服务启动：启动用于生成代理的代理服务。

MCP配置（可选）：配置与AIIDEs的MCP集成。

操作流程：

按照StreamlitUI的引导完成设置后，描述想要创建的AI代理，Archon会按照其工作流程进行代理的创建和优化，用户可在过程中给予反馈或要求自主优化，最终获得完整代码和运行说明。