Archon: ein Open-Source-Tool, mit dem KI andere KI-Agenten automatisch erstellt und optimiert 138

Archon ist ein Open-Source-Tool, das es einer KI ermöglicht, andere KI-Agenten automatisch zu generieren und zu optimieren. Als erster „Agenteer" unterstützt Archon in seiner sechsten Version verschiedene Tool-Bibliotheken und die Integration von MCP-Servern, wodurch die generierte KI effizienter und zuverlässiger wird. Der Benutzer beschreibt lediglich die gewünschte KI-Funktion, und Archon erstellt die KI durch eine Reihe von Schritten – darunter Planung, Codierung und Optimierung.

Kernfunktionen:

• Integration von Dokumentenressourcen (kann Webseiteninhalte abrufen, PDFs/Dokumente hochladen usw.)

• Intelligente Suchfunktionen (basierend auf fortschrittlichen RAG-Strategien)

• Aufgabenverwaltungsfunktionen (integriert mit der Wissensdatenbank)

• Unterstützung für Echtzeit-Updates (Synchronisierung neuer Inhalte und gemeinsamer Aufgaben)

Architekturmerkmale:

Agentenarchitektur-Ablauf

Der Benutzer beschreibt den zu erstellenden KI-Agenten. Das LLM legt den übergeordneten Umfang fest, und der Hauptcodierungs-Agent erstellt auf Basis des Umfangs und der Dokumentation einen ersten Agenten. Anschließend kann der Benutzer Feedback geben oder Archon den Agenten eigenständig optimieren lassen.

Bei eigenständiger Optimierung verbessert ein spezialisierter Optimierungs-Agent die Prompts, Tools und Agentenkonfigurationen. Danach erstellt der Hauptcodierungs-Agent basierend auf dem Feedback erneut einen Agenten. Dieser Vorgang wiederholt sich, bis der Benutzer den Agenten als abgeschlossen betrachtet. Abschließend werden der vollständige Code und eine Ausführungsanleitung ausgegeben.

Dateistruktur

• Zu den Kerndateien gehören: streamlit_ui.py (verwaltet die Weboberfläche von Archon), graph_service.py (Dienst zur Verarbeitung des Agenten-Workflows), run_docker.py (Skript zum Erstellen und Ausführen des Archon-Docker-Containers), Dockerfile (definiert den Container der Archon-Hauptanwendung), MCP-bezogene Dateien (implementieren die Model Context Protocol-Server-Integration für KI-IDEs).

• Das Archon-Paket umfasst: archon/ (Kernimplementierung von Agenten und Workflows), archon_graph.py (definiert den LangGraph-Workflow und die Agentenkoordination), pydantic_ai_coder.py (Hauptcodierungs-Agent), refiner_agents/ (spezialisierte Optimierungs-Agenten).

• Hilfsprogramme umfassen: utils/ (gemeinsame Hilfsfunktionen und Datenbankeinrichtung), site_pages.sql (Datenbankeinrichtungsbefehle).

• Arbeitsbereich: wird zur Laufzeit erstellt; workbench/ enthält die Umgebungsvariablendatei env_vars.json, die Logdatei logs.txt und das detaillierte Umfangsdokument scope.md.

Archon-Bereitstellung

• Docker-Container:

• Hauptcontainer: führt die Streamlit-UI (Port 8501) und den Graph-Service (Port 8100) aus, verarbeitet alle Agentenfunktionen und Benutzerinteraktionen und wird aus dem Root-Dockerfile erstellt.

• MCP-Container: implementiert das Model Context Protocol für KI-IDEs, kommuniziert mit dem Graph-Service des Hauptcontainers und stellt eine standardisierte Schnittstelle für KI-IDEs wie Windsurf und Cursor bereit. Er wird aus dem mcp/Dockerfile erstellt. Das Skript run_docker.py baut und startet automatisch beide Container und nimmt die Konfiguration vor.

• Lokales Python: direkter Betrieb auf dem System über eine Python-Virtual-Environment.

Archon-Anwendungen:

• Tools für Entwickler: unterstützen Entwickler beim Erstellen und Optimieren von KI-Agenten und reduzieren den Entwicklungsaufwand. Durch vorgefertigte Tool-Bibliotheken und MCP-Integration können Entwickler schnell auf verschiedene Tools zugreifen und sie nutzen, was die Entwicklungseffizienz steigert.

• Veranschaulichung der Entwicklung von Agentensystemen: Als Lehr-Framework zeigt es die Entwicklung von Agentensystemen vom Einfachen zum Komplexen und verdeutlicht Aspekte wie Planung, Feedback-Schleifen und die Integration von Fachwissen. Es dient als Referenz für Personen, die Agentensysteme erforschen.

Installation und Nutzung von Archon:

Installation:

• Docker (empfohlen):

• Repository klonen: git clone https://github.com/coleam00/archon.git

• In das Projektverzeichnis wechseln: cd archon

• Einrichtungsskript ausführen: python run_docker.py. Dieses Skript baut automatisch die Container (einschließlich des MCP-Server-Containers und des Archon-Hauptcontainers), startet Archon und nimmt die Portzuweisung vor. Falls eine .env-Datei vorhanden ist, werden deren Umgebungsvariablen verwendet.

• Lokale Python-Installation:

• Repository klonen: git clone https://github.com/coleam00/archon.git

• In das Projektverzeichnis wechseln: cd archon

• Virtuelle Umgebung erstellen und aktivieren: python -m venv venv. Der Aktivierungsbefehl lautet unter Windows venv\Scripts\activate, auf anderen Systemen source venv/bin/activate

• Abhängigkeiten installieren: pip install -r requirements.txt

• Streamlit-UI starten: streamlit run streamlit_ui.py

Nutzung:

Einrichtungsprozess:

• Umgebungskonfiguration: Im Intro-Abschnitt der Streamlit-UI API-Schlüssel und Modelleinstellungen konfigurieren. Diese Informationen werden in workbench/env_vars.json gespeichert.

• Datenbankeinrichtung: Supabase-Vektordatenbank einrichten.

• Dokumentenverarbeitung: Crawlen und Indizieren der Pydantic-AI-Dokumentation anleiten.

• Agentendienst starten: Den Agentendienst zur Erstellung von Agenten starten.

• MCP-Konfiguration (optional): MCP-Integration mit KI-IDEs konfigurieren.

Arbeitsablauf:

Nach Abschluss der Einrichtung gemäß den Anweisungen der Streamlit-UI beschreiben Sie den gewünschten KI-Agenten. Archon folgt seinem Workflow zur Erstellung und Optimierung des Agenten. Der Benutzer kann während des Prozesses Feedback geben oder eine eigenständige Optimierung anfordern und erhält schließlich den vollständigen Code sowie die Ausführungsanleitung.