NexAU

NexAU（Agent Universe）是由 nex-agi 组织开发的通用 Agent 框架，使用 Python 编写（要求 3.12+），采用 Apache-2.0 许可证。项目以严格的类型安全文化（mypy + pyright 双重检查，零容忍 Any 和 type: ignore）和模块化架构为鲜明特征。

核心设计围绕工具系统展开：工具通过 YAML 声明 schema 并通过 binding 绑定 Python 实现，实现定义与解耦。内置文件操作、Web 搜索（Serper）、Shell 执行、目录浏览、Todo 管理等工具，同时支持 MCP 协议连接外部服务。独特的外部工具机制（kind: external）允许 Agent 循环暂停并将 pending call 返回给调用方执行后恢复，使 IDE 插件等外部系统能够驱动 Agent 工作流。

Agent 架构支持主-子 Agent 模式和 Agent Team 多 Agent 协作，可通过纯 Python API 或 YAML 声明式配置定义，后者可一行 CLI 命令启动。中间件/Hooks 管道支持对 Agent 行为的拦截与修改（预处理、缓存、日志、Provider 切换）。系统提示词支持 Jinja2 模板渲染，Skills 系统兼容 Claude Skills 格式可动态注入上下文。可观测性方面内置 Langfuse Tracer 适配器。会话管理（实验性）提供 SQL、JSONL、Memory、Remote 等可插拔存储后端。传输系统（实验性）已实现 HTTP/SSE 和 stdio。

项目采用 RFC 驱动开发流程，当前版本 v0.4.1（12 个 releases，413 commits）。典型应用场景包括代码生成 Agent、IDE 插件集成、多 Agent 团队协作等。

架构概览#

nexau/
├── archs/
│   ├── config/                    # 配置模块
│   ├── llm/                       # LLM 聚合器（事件流、Provider）
│   ├── main_sub/                  # Agent 系统（容器、执行器、中间件）
│   ├── sandbox/                   # 沙箱执行
│   ├── session/                   # 会话管理（ORM、存储库、历史持久化）
│   ├── tool/                      # 工具系统（定义、执行、绑定）
│   │   └── builtin/               # 内置工具
│   ├── tracer/                    # 追踪系统
│   │   └── adapters/langfuse/     # Langfuse 适配器
│   └── transports/                # 传输系统
├── cli/                           # 命令行工具
├── core/                          # 核心模块
└── __init__.py                    # 导出 Agent, AgentConfig 等

安装与快速开始#

# 从 GitHub Release 安装
pip install git+ssh://git@github.com/nex-agi/NexAU.git@v0.4.1

# 从源码安装
git clone git@github.com:nex-agi/NexAU.git
cd NexAU
pip install uv
uv sync

配置 .env 文件后运行：

dotenv run uv run examples/code_agent/start.py
# 或使用 CLI
./run-agent examples/code_agent/code_agent.yaml

Python API 示例#

from nexau import Agent, AgentConfig, LLMConfig, Skill, Tool

agent_config = AgentConfig(
    name="my_agent",
    max_context_tokens=100000,
    system_prompt="path/to/prompt.md",
    system_prompt_type="jinja",
    tool_call_mode="structured",
    llm_config=LLMConfig(
        temperature=0.7,
        max_tokens=4096,
        model="your-model",
        base_url="your-base-url",
        api_key="your-api-key",
        api_type="openai_chat_completion",
    ),
    tools=tools,
    skills=skills,
    middlewares=[...],
    tracers=[...],
)
agent = Agent(config=agent_config)
agent.run("your task", context={...})

待确认信息#

• 完整 LLM Provider 清单（已知支持 OpenAI 兼容 API 和 Claude）
• MCP 集成具体实现细节
• 会话存储后端的数据库支持（SQL 后端具体数据库类型）
• WebSocket/gRPC 传输当前实现状态
• 沙箱执行的具体实现方式
• Web 搜索后端可替换性（当前仅 Serper）