Agno智能体框架入门指南：从零构建你的第一个智能体应用

1次阅读

共计 1872 个字符，预计需要花费 5 分钟才能阅读完成。

Agno 是一个轻量级的 Python 智能体开发框架，专门用于构建分布式、自治的智能体系统。它的核心思想是将复杂业务逻辑拆分为多个相互协作的智能体(Agent)，每个智能体专注于单一职责。

与传统开发模式相比，Agno 有三大优势：

解耦性：智能体之间通过消息传递通信，降低系统耦合度
弹性：智能体可以独立部署和扩展
可观测性：内置监控和日志机制

确保已安装 Python 3.7+ 版本
创建并激活虚拟环境（推荐）：

python -m venv agno-env
source agno-env/bin/activate  # Linux/Mac
agno-env\Scripts\activate    # Windows

安装 Agno 框架：

pip install agno-sdk

每个 Agno 智能体都是一个继承自 Agent 基类的 Python 类，必须实现 on_message 方法：

from agno import Agent, Message

class EchoAgent(Agent):
    async def on_message(self, message: Message):
        print(f"Received: {message.content}")
        await self.send(message.sender, f"Echo: {message.content}")

创建智能体实例
启动智能体
发送测试消息
优雅关闭

完整示例：

import asyncio
from agno import Environment

async def main():
    env = Environment()
    echo_agent = await env.spawn(EchoAgent, "echo")

    # 发送测试消息
    reply = await env.ask(echo_agent, "Hello Agno!")
    print(f"Reply: {reply}")

    # 关闭环境
    await env.shutdown()

if __name__ == "__main__":
    asyncio.run(main())

下面我们构建一个实际可用的天气查询服务：

from agno import Agent, Message
import requests

class WeatherAgent(Agent):
    def __init__(self, name, api_key):
        super().__init__(name)
        self.api_key = api_key

    async def on_message(self, message: Message):
        city = message.content
        try:
            url = f"http://api.weatherapi.com/v1/current.json?key={self.api_key}&q={city}"
            response = requests.get(url).json()
            temp = response['current']['temp_c']
            await self.send(message.sender, f"{city}当前温度: {temp}°C")
        except Exception as e:
            await self.send(message.sender, f"查询失败: {str(e)}")

使用示例：

async def main():
    env = Environment()
    weather_agent = await env.spawn(WeatherAgent, "weather", "YOUR_API_KEY")

    reply = await env.ask(weather_agent, "Beijing")
    print(reply)  # 输出: Beijing 当前温度: 23°C

    await env.shutdown()