OpenManus: MetaGPT의 Manus 오픈 소스 버전

일반 소개

OpenManus는 사용자가 간단한 설정으로 로컬에서 인텔리전스를 실행하여 다양한 창의적인 아이디어를 실현할 수 있도록 설계된 오픈 소스 프로젝트입니다. 다음으로 구성됩니다. MetaGPT 커뮤니티 회원인 @mannaandpoem, @XiangJinyu, @MoshiQAQ, @didiforgithub가 단 3시간 만에 개발했으며, 그동안 이들의 자동화된 프로그래밍 프로젝트를 팔로우할 수 있습니다! MGX 초대 코드가 필요한 Manus에 비해 OpenManus는 진입 장벽이 없습니다. 초대 코드가 필요한 Manus에 비해 OpenManus는 진입 장벽이 없으며, 사용자는 코드를 복제하고 LLM API를 구성하기만 하면 빠르게 시작할 수 있습니다. 이 프로젝트는 간단하고 명확한 구조의 파이썬 개발을 기반으로 하며, 터미널에서 작업을 입력해 지능형 기관이 작업을 수행할 수 있도록 지원합니다. 현재는 초보적인 구현 단계로, 팀에서 제안이나 코드 기여를 받고 있습니다. 향후 계획에는 작업 계획을 최적화하고 실시간 데모 기능을 추가하는 것이 포함됩니다.

OpenManus 인터페이스 버전: https://github.com/YunQiAI/OpenManusWeb

OpenManusWeb(비공식)

기능 목록

• 지역 인텔리전스 운영터미널을 통해 작업을 입력하여 구성된 LLM API를 사용하여 로컬에서 자동화된 작업을 실행합니다.
• 메인스트림 LLM 모델 지원GPT-4o는 기본적으로 통합되어 있으며, 필요에 따라 사용자가 모델 구성을 조정할 수 있습니다.
• 원터치 시작: 실행 python main.py 작업 입력 모드로 빠르게 들어갈 수 있습니다.
• 실험 버전: 제공 python run_flow.py 개발 중인 새로운 기능을 테스트하는 데 사용됩니다.
• 커뮤니티 협업GitHub를 통해 이슈나 코드를 제출하여 프로젝트 개발에 참여할 수 있도록 지원합니다.

도움말 사용

설치 프로세스

OpenManus의 설치는 간단하며 Python에 익숙한 사용자에게 적합합니다. 자세한 단계는 다음과 같습니다:

1. Conda 환경 만들기

종속성 충돌을 피하려면 Conda를 사용하여 독립 실행형 환경을 만드는 것이 좋습니다:

conda create -n open_manus python=3.12
conda activate open_manus

• 지침첫 번째 명령은 다음과 같은 이름의 파일을 만듭니다. open_manus 환경을 활성화하고 두 번째 명령을 실행하면 터미널 프롬프트가 다음과 같이 변경됩니다. (open_manus).
• 사전 조건Conda를 설치해야 하며 Anaconda 웹사이트에서 다운로드할 수 있습니다.

2. 코드 저장소 복제하기

GitHub에서 OpenManus 프로젝트를 다운로드하세요:

git clone https://github.com/mannaandpoem/OpenManus.git
cd OpenManus

• 지침첫 번째 명령은 로컬로 코드를 복제하고 두 번째 명령은 프로젝트 디렉토리에 들어갑니다.
• 사전 조건Git을 설치해야 하며, 이는 다음을 통해 수행할 수 있습니다. git --version 사용 가능한지 확인하고, 사용 가능하지 않은 경우 git-scm.com에서 다운로드하세요.

3. 종속성 설치

프로젝트에 필요한 Python 패키지를 설치합니다:

pip install -r requirements.txt

• 지침::requirements.txt 파일에는 이 명령을 실행하면 자동으로 설치되는 모든 종속 패키지가 나열됩니다.
• 네트워크 최적화다운로드 속도가 느린 경우 다음과 같은 국내 미러를 사용할 수 있습니다. pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple.

구성 단계

OpenManus를 사용하려면 아래에 설명된 대로 스마트바디 기능을 구동하도록 LLM API를 구성해야 합니다:

1. 구성 파일 만들기

프로젝트 루트 디렉터리에서 config 폴더에 구성 파일을 생성합니다:

cp config/config.example.toml config/config.toml

• 지침이 명령은 예제 파일을 실제 구성 파일로 복사합니다.config.toml 는 런타임에 읽은 파일입니다.

2. 구성 파일 편집

쇼(티켓) config/config.toml를 클릭하고 API 키와 매개변수를 입력합니다:

# 全局 LLM 配置
[llm]
model = "gpt-4o"
base_url = "https://api.openai.com/v1"
api_key = "sk-..."  # 替换为你的 OpenAI API 密钥
max_tokens = 4096
temperature = 0.0
# 可选的视觉模型配置
[llm.vision]
model = "gpt-4o"
base_url = "https://api.openai.com/v1"
api_key = "sk-..."  # 替换为你的 OpenAI API 密钥

• 매개변수 설명::
  • model: LLM 모델을 지정하며 기본값은 GPT-4o입니다.
  • base_urlAPI 액세스 주소, 기본값은 공식 OpenAI 인터페이스입니다.
  • api_key: 인증을 위해 OpenAI에서 얻은 키입니다.
  • max_tokens최대 단일 세대 수 토큰 출력 길이를 제어하는 숫자입니다.
  • temperature생성된 콘텐츠의 무작위성을 제어하며, 0.0은 가장 안정적인 출력을 나타냅니다.
• API 키 가져오기OpenAI 웹사이트를 방문하여 로그인한 후 'API 키' 페이지에서 키를 생성하고 구성 파일에 복사합니다.

작동 및 사용

설치 및 구성을 완료한 후 다음과 같은 방법으로 OpenManus를 시작할 수 있습니다:

1. 기본 작업

메인 프로그램을 실행합니다:

python main.py

• 워크플로::
  1. 단말기에 프롬프트가 표시되면 작업을 입력합니다(예: "주간 계획 생성 도와주세요").
  2. Enter 키를 눌러 커밋하면 OpenManus가 LLM을 호출하여 작업을 처리합니다.
  3. 처리 결과는 단말기에 바로 표시됩니다.
• 사용 시나리오빠른 테스트나 텍스트 또는 코드 조각 생성 같은 간단한 작업 수행에 이상적입니다.

2. 실험 실행

불안정한 버전을 실행하여 새로운 기능을 체험해 보세요:

python run_flow.py

• 특수성개발 중인 기능이 포함되어 있고 버그가 있을 수 있으며 사용해보고 싶은 사용자에게 적합합니다.
• 다음 사항에 유의하십시오.구성 파일이 올바른지 확인하지 않으면 실행이 실패할 수 있습니다.

주요 기능 작동

지역 인텔리전스 운영

• 기능 설명터미널을 통해 작업을 입력하면 OpenManus가 로컬에서 LLM을 호출하여 처리하고 결과를 반환합니다.
• 작동 예::
  1. 움직여야 합니다. python main.py.
  2. 입력: "1에서 100의 합을 계산하는 파이썬 함수를 작성하세요."
  3. 출력 예시:

     def sum_to_100():
     return sum(range(1, 101))
     

• 최첨단데이터 업로드 없이 로컬에서 실행되며, 개인 정보를 보호하고 응답성이 뛰어납니다.

메인스트림 LLM 모델 지원

• 기능 설명사용자는 필요에 따라 다양한 LLM 모델 간에 전환할 수 있습니다.
• 절차::
  1. 컴파일러 config.tomlwill model 다른 모델로 변경(예 "gpt-3.5-turbo").
  2. 저장 및 실행 python main.py.
  3. 입력 작업을 통해 다양한 모델의 결과물을 경험하세요.
• 제안복잡한 작업에는 GPT-4o를, 간단한 작업에는 GPT-3.5-터보를 사용하는 것이 더 비용 효율적입니다.

자주 묻는 질문

• 이슈: "ModuleNotFoundError" 오류와 함께 실행됩니다.
  • 합의(분쟁)종속성이 완전히 설치되었는지 확인하고 다시 실행합니다. pip install -r requirements.txt.
• 이슈: "잘못된 API 키".
  • 합의(분쟁)검사 : 검사 config.toml 정곡을 찌르세요 api_key 가 올바른지 확인하거나 키를 다시 생성합니다.
• 이슈실행이 끊기거나 응답이 없습니다.
  • 합의(분쟁): 네트워크 연결이 안정적인지 확인하거나 max_tokens 값을 사용하여 계산량을 줄일 수 있습니다.
  • 데모 보기프로젝트는 다음을 제공합니다. 데모 비디오를 통해 실제 운영 결과를 확인할 수 있습니다.