Llama Agents

Llama Agents： Agent 服务化：注册并远程调用 Agent。

Agent 框架与 AI Agent AI 开发免费开源

访问官网 GitHub 文档

核心功能

Agent 服务化：注册并远程调用 Agent。

功能亮点

slug

llama-agents

仓库

github.com/run-llama/llama-agents（本环境直连返回 000，基于公开资料核对）。

适用场景

• 多步骤自动化
• 研发/运营助理
• 知识库助手

安装配置

bash

pip install llama-agents，它主要依赖 llama-index-core，跟着官方示例走还要 pip install llama-index-agent-openai llama-index-embeddings-openai 并配好 OPENAI_API_KEY（示例常用 .env + dotenv 加载）；需要注意该项目已被官方重构并更名为 Llama Deploy —— 新项目请改装 pip install llama_deploy（自带 llamactl 命令行与 Python SDK，面向部署 llama-index 的 Workflow），llama-agents 包仅建议用于维护存量代码。

使用方法

先用 llama-index 建好 Agent（如 ReActAgent.from_tools([tool], llm=OpenAI()) 或 FunctionCallingAgentWorker.from_tools(...).as_agent()），再把每个 Agent 包成一个 AgentService，传入共享的 message_queue、service_name、description 和监听端口；系统底座是一个 SimpleMessageQueue 消息队列加一个 ControlPlaneServer 控制面，控制面里挂 AgentOrchestrator(llm=…) 由 LLM 依据各服务的 description 决定任务下一步交给谁（也可以自己写确定性编排）；调试阶段用 LocalLauncher([svc1, svc2], control_plane, message_queue).launch_single('你的问题') 让一条消息在网络里跑一遍并直接返回结果（Notebook 里要先 nest_asyncio.apply()）；跑通后换 ServerLauncher 把控制面与各 AgentService 拉成独立进程/容器对外提供 HTTP 接口，并注册 CallableMessageConsumer 消费 human 队列里的最终产出，各服务可独立扩缩容与监控；迁到 Llama Deploy 后写法改为把 llama-index Workflow 用 deploy_core / deploy_workflow 部署，再用客户端 session.run('workflow名', …) 调用。