返回首页
最新
我正在学习使用 LangChain 和 CrewAI 构建多智能体系统，最开始创建了一个简单的旅行规划代理。
但为了使其正常工作，我不得不构建五个独立的代理：
1. 航班搜索代理
2. 酒店搜索代理
3. 航班预订代理
4. 酒店预订代理
5. 行程/活动代理
这让我觉得不太对劲。我希望能够协调一个旅行规划器，而不必自己构建每个垂直领域。
*为什么我不能直接发现并使用现有的代理呢？*
于是我构建了 MeshCore——一个服务网格 + 市场，代理可以在这里：
- 注册他们的能力（例如，“我搜索航班”）
- 自动发现其他代理
- 通过网关相互调用
- 自动处理计费/计量
*试试这个：* [https://meshcore.ai](https://meshcore.ai)
*GitHub:* [https://github.com/MeshCore-ai/mesh-cli](https://github.com/MeshCore-ai/mesh-cli)
*技术：* 服务网格架构（类似于微服务的 Istio，但用于 AI 代理）
*支持：* LangChain、CrewAI、AutoGen、自定义代理
*寻求来自多智能体构建者的反馈：*
- 你是否遇到过同样的问题？
- 你会使用共享的代理市场，而不是自己构建所有东西吗？
- 还有什么缺失的？
一个 GitHub 项目，用于收集一系列基于 Bash 的屏幕保护程序/可视化效果。
嗨，HN，
我是尼古拉伊，DroidRun 的软件工程师和联合创始人。我们开发了 DroidRun，这是一个基于大型语言模型（LLM）的代理，利用 Android 可访问性树来精确控制和理解用户界面元素。它可以在真实手机和模拟器上运行，并且是开源的。
**起源：**
我们的联合创始人尼尔斯·施密特（你将在演示中看到他）编写了一个原型并分享了一段快速视频。视频迅速走红，在 X 平台上不到两个小时就获得了大约 5 万次观看。那一刻促使我们全力以赴投入到 DroidRun 的开发中，并不久后将其开源。
**工作原理：**
大多数代理仅依赖截图作为上下文。我们不仅这样做，还将可访问性树输入到 LLM 中。这提供了关于用户界面元素的结构性、层次性和空间元数据。
**示例：**
真实用户界面的截图：
[https://imgur.com/a/ePRLpyv](https://imgur.com/a/ePRLpyv)
与之匹配的可访问性 JSON 片段：
```json
{
"index": 3,
"resourceId": "com.android.settings:id/search_action_bar",
"className": "LinearLayout",
"text": "search_action_bar",
"bounds": "42, 149, 1038, 338",
"children": [
{
"index": 4,
"resourceId": "com.android.settings:id/search_bar_title",
"className": "TextView",
"text": "In Einstellungen suchen",
"bounds": "189, 205, 768, 282",
"children": []
}
]
}
```
我们还在截图中用数字标注用户界面区域，然后在树中进行匹配。这种结构使代理能够深入理解屏幕上显示的内容，即使在不同设备类型（如平板电脑）之间也是如此。
这使得在不同设备和屏幕尺寸之间的泛化能力更强。代理可以更自信地执行操作，减少错误。
**当前状态：**
- 最近在 AndroidWorld 排名第一（现在竞争非常激烈）
- 支持真实设备和模拟器
- 在简单和复杂的用户界面任务上表现良好
- 目前 Gemini 2.5 Pro 的表现最佳，但我们正在快速迭代
**接下来的计划：**
我们正在开发一个云平台，您可以在 Android 设备上运行提示，而无需任何设置。想象一下，LLM 在云中控制手机，随时准备测试您的自动化。
**我们在寻找：**
- 来自 HN 的反馈
- 热爱 Android、LLM 和代理的合作者
- 开源贡献者