探索一系列實用的範例，展示 AIGNE 框架的各種功能和工作流程模式。本節提供可動手執行的演示，幫助您理解智慧對話、MCP 協議整合、記憶體機制以及複雜的 Agentic 工作流程。
快速入門
您可以使用 npx 直接執行任何範例，無需在本機安裝。這是體驗 AIGNE 框架最快的方法。
先決條件
- 已安裝 Node.js (版本 20.0 或更高) 和 npm。
- 您所選的大型語言模型 (LLM) 供應商的 API 金鑰 (例如 OpenAI)。
執行範例
在您的終端機中執行以下指令來執行一個基本的聊天機器人。
- 設定您的 API 金鑰： 將
YOUR_OPENAI_API_KEY替換為您實際的 OpenAI API 金鑰。sh export OPENAI_API_KEY=YOUR_OPENAI_API_KEY - 以單次模式執行： Agent 將處理一個預設提示後退出。
sh npx -y @aigne/example-chat-bot - 以互動模式執行： 使用
--interactive旗標來啟動一個互動式會話，您可以在其中與 Agent 進行對話。sh npx -y @aigne/example-chat-bot --interactive
使用不同的 LLM
您可以透過設定 MODEL 環境變數以及相應的 API 金鑰來指定不同的模型。以下是幾個熱門供應商的設定。
| 供應商 | 環境變數 |
|---|---|
| OpenAI | export MODEL=openai:gpt-4o export OPENAI_API_KEY=... |
| Anthropic | export MODEL=anthropic:claude-3-opus-20240229 export ANTHROPIC_API_KEY=... |
| Google Gemini | export MODEL=gemini:gemini-1.5-flash export GEMINI_API_KEY=... |
| DeepSeek | export MODEL=deepseek/deepseek-chat export DEEPSEEK_API_KEY=... |
| AWS Bedrock | export MODEL=bedrock:anthropic.claude-3-sonnet-20240229-v1:0 export AWS_ACCESS_KEY_ID=... export AWS_SECRET_ACCESS_KEY=... export AWS_REGION=... |
| Ollama | export MODEL=llama3 export OLLAMA_DEFAULT_BASE_URL="http://localhost:11434/v1" |
範例庫
本節提供了一系列精選範例，每個範例都展示了 AIGNE 框架中的特定功能或工作流程模式。點擊任何卡片即可導覽至該範例的詳細指南。
核心功能
聊天機器人
建立一個支援單次和互動模式的基本對話 Agent。
AFS 本機檔案系統
建立一個可以在本機檔案系統上讀取、寫入和列出檔案的聊天機器人。
記憶體
使用 FSMemory 外掛程式實作一個具有持久性記憶體的 Agent。
Nano Banana
展示如何建立一個具有圖像生成功能的聊天機器人。
工作流程模式
循序
以特定的、有序的順序執行一系列 Agent，就像一條裝配線。
並行
同時執行多個 Agent 以平行執行任務並提高效率。
路由器
建立一個管理員 Agent，智慧地將任務導向至適當的專業 Agent。
交接
實現無縫過渡，讓一個 Agent 將其輸出傳遞給另一個 Agent 進行進一步處理。
反思
建立能夠審查和改進自身輸出以進行自我修正和提升的 Agent。
協同運作
協調多個 Agent 來解決需要協作的複雜問題。
群組聊天
模擬一個多 Agent 討論，其中 Agent 可以互動並在彼此的訊息基礎上進行建構。
程式碼執行
在 AI 驅動的工作流程中安全地執行動態生成的程式碼。
MCP 與整合
MCP 伺服器
將 AIGNE Agent 作為模型情境協議 (MCP) 伺服器執行，以公開其技能。
MCP Blocklet
與 Blocklet 整合，並將其功能公開為 MCP 技能。
MCP GitHub
使用連接到 GitHub MCP 伺服器的 Agent 與 GitHub 儲存庫互動。
MCP Puppeteer
利用 Puppeteer 進行自動化的網頁抓取和瀏覽器互動。
MCP SQLite
連接到 SQLite 資料庫以執行智慧型資料庫操作。
DID Spaces 記憶體
使用去中心化身份和儲存技術 DID Spaces 來持久化 Agent 記憶體。
偵錯
要深入了解 Agent 的執行情況，您可以啟用偵錯日誌或使用 AIGNE 觀察伺服器。
查看偵錯日誌
將 DEBUG 環境變數設定為 * 以輸出詳細日誌，其中包含模型呼叫和回應。
DEBUG=* npx -y @aigne/example-chat-bot --interactive使用觀察伺服器
aigne observe 指令會啟動一個本機 Web 伺服器，提供一個使用者友善的介面來檢查執行追蹤、查看詳細的呼叫資訊，並了解您的 Agent 的行為。這是用於偵錯和效能調整的強大工具。
- 安裝 AIGNE CLI：
sh npm install -g @aigne/cli - 啟動觀察伺服器：
sh aigne observe
- 查看追蹤： 執行 Agent 後，在瀏覽器中開啟
http://localhost:7893，即可查看最近執行的列表並檢查每次執行的詳細資訊。