概览
最近，Manus 的爆火再次引发了智能体 agent 的热潮，OpenManus 作为其开源实现之一，也受到了不少关注，GitHub Star 数目前已经突破 30,000+。撇开营销与评价不谈，本文将基于源码进行简单分析，窥探其实现大模型执行复杂任务的原理与流程。
基本信息
- 代码版本：e1a8cf0
- 主要语言：Python
- 开源协议：MIT
系统架构
OpenManus 的主要执行流程（main.py）为：
- 创建 Manus 智能体
- 等待用户输入任务描述（prompt）
- 智能体执行（
run->step）并选择是否使用工具（think->act） - 若需要使用，则工具执行并返回结果到智能体
- 智能体更新记忆
- 继续执行下一步（
step） - 直至智能体达到最大执行次数结束
系统架构如下：
其核心组件主要有：
- 智能体（agent）：负责思考、规划、执行任务
- 工具（tool）：负责为智能体提供各类工具能力，例如 Google 搜索、代码执行等
- 流（flow）：负责编排和协调智能体执行（可选）
- LLM：负责提供大语言模型接口
举个例子，如果把智能体比作我们自己，现在要执行做一道菜的任务，那么工具就类似锅、碗、刀、铲等，LLM 就是我们的大脑和手。如果加上流，那么就更像是一个后厨，智能体就类似厨师，工具就类似厨具，流就类似经理，负责统筹安排所有厨师的工作。
核心组件
智能体（agent）
在 OpenManus 中，智能体的实现主要分为抽象智能体和具象智能体两类，前者为后者提供基础功能，后者则继承前者并实现具体功能。
抽象智能体：
BaseAgent：所有智能体的抽象基类。提供状态生命周期管理（AgentState）、记忆（Memory）与消息（Message）管理、执行循环（run）、死循环检测与处理机制（handle_stuck_state）、以及配置与初始化等基础功能ReActAgent：继承自BaseAgent，定义思考（think）和行动（act）的运行机制（step），便于子类继承并实现ToolCallAgent：继承自ReActAgent，基于大模型（LLM）的工具调用机制实现具体的思考和行动逻辑。其实该智能体已经可以直接使用，但由于没有定义为具体的工具类型，因此这里仍将其归类为抽象智能体
具象智能体（均继承自 ToolCallAgent）：
Manus：通用智能体，集成多种工具解决各类任务，如 Python 代码执行、Google 搜索、浏览器使用、文件操作等，从 main.py 或 run_flow.py 中执行的都是Manus智能体PlanningAgent：规划智能体，适合需要复杂规划的场景，基于大模型的工具（PlanningTool）调用机制实现，默认情况下不会执行该智能体SWEAgent：软件工程（Software Engineering）智能体，集成Bash、StrReplaceEditor等工具，默认情况下不会执行该智能体
智能体所需的提示词（Prompt）被单独定义在 prompt 目录中，可便于后期迭代与维护。
工具（tool）
在上一节中，我们提到 ToolCallAgent 是基于大模型的工具调用机制实现的。工具调用（Tool Calling），也称函数调用（Function Calling），指的是在请求大模型时可以传入一组工具，由模型自主选择是否使用以及具体使用哪些工具，并返回 JSON 结构化数据便于开发者调用工具，扩展模型能力。流程类似下图：
在 OpenManus 中，BaseTool 是所有工具的抽象基类，定义工具接口和参数规范；ToolResult 表示工具执行结果的标准格式，包含输出、错误和系统消息；ToolCollection 是负责管理多个工具的集合，提供统一的访问接口。
具体的工具目前有以下 9 种：
| 工具 | 描述 | 关联智能体 |
|---|---|---|
Bash |
执行 Shell 命令 | SWEAgent |
BrowserUseTool |
基于 browser_use 库操作浏览器 |
Manus |
CreateChatCompletion |
创建结构化的 AI 响应内容 | ToolCallAgent |
FileSaver |
保存内容到文件 | Manus |
GoogleSearch |
Google 搜索工具 | Manus |
PlanningTool |
创建和管理计划，跟踪计划步骤 | PlanningAgent |
PythonExecute |
执行 Python 代码 | Manus |
StrReplaceEditor |
文件查看和编辑工具 | SWEAgent |
Terminate |
终止代理执行 | All |
流（flow）
根据现有代码逻辑，main.py 在执行过程中并不会使用到流组件，只有执行 run_flow.py 时才会使用到，因此也只有后者才能被称作是多智能体（Multi-Agent）架构。
run_flow.py 下的主要执行流程为：
- 等待用户输入任务描述（prompt）
- 根据智能体字典（多智能体）创建流，即构造
PlanningFlow - 执行流，即
PlanningFlow的execute方法 - 基于大模型的工具调用机制创建初始规划
- 开始执行规划
- 获取当前步骤合适的智能体并执行（
run，后续同主要流程） - 标记当前步骤完成
- 重复执行步骤 6 和 7，直至规划步骤为空
在 OpenManus 中，流的实现也分为抽象基类和具体实现：
BaseFlow：所有流的抽象基类，定义流接口和参数规范。一个流可以包括多个智能体，具体的执行方法由子类继承实现PlanningFlow：继承自BaseFlow，负责实现规划流的具体执行逻辑，包括初始规划的创建、规划步骤的执行等
规划流的创建基于 FlowFactory 工厂类，使得外部需要创建规划流时，只需传入流类型与智能体字典（agents）即可，具体实现由工厂类内部完成，而无需关心规划流的智能体配置。
总结
总的来说，OpenManus 基于现有大模型的工具调用机制，结合 Python 生态中的各类工具，实现了一套简洁有效的智能体方案。项目架构清晰，模块职责明确，为大模型执行复杂任务提供了参考，也为我们实现类似诉求提供了思路。
