OpenManus
FoundationAgents/OpenManus加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
2025年初，一款名为 Manus 的 AI Agent 产品因为邀请码稀缺而刷屏技术圈——它能像真人一样自主操作电脑、编写代码、分析数据、甚至帮你购物订票。但昂贵的邀请码将大多数开发者挡在门外。这时候，MetaGPT 团队站了出来：3小时复刻，永久免费，开箱即用。
OpenManus 正是这个答案。它由 MetaGPT 核心团队成员 @Xinbin Liang 和 @Jinyu Xiang 在2025年3月发起，GitHub 发布仅数月便斩获 56,000+ stars，迅速成为 AI Agent 开源领域的标杆项目。
图1：OpenManus 项目 Logo
如果把 AI 大模型比作「大脑」，那么 OpenManus 就是给大脑配备的「四肢」和「工具箱」。它不是一个具体功能的 AI 助手，而是一套可编程的智能体执行框架——你可以通过自然语言指令，让 AI Agent 调用浏览器、搜索网页、读写文件、执行代码、操控鼠标键盘，像真人一样完成复杂的多步骤任务。
打个比方：传统 AI 聊天是「对话」，OpenManus 是「代理」——它不只是回答问题，而是真正替你做事。
项目名称 "OpenManus" 中的 "Manus" 来自拉丁语，意为「手」。项目 README 开篇便写道："No fortress, purely open ground"（没有堡垒，只有旷野）。这不仅是情怀，更体现在架构设计上——不绑定任何单一模型、不绑定任何单一工具、不绑定任何单一场景。
OpenManus 的代码架构体现了高度的模块化思想，所有核心组件分布在 app/ 目录下：
app/agent/ 目录包含了多种 Agent 实现策略，展现了项目对不同 agent 范式的广泛支持：
manus.py）：旗舰级通用 Agent，基于 ReAct 循环，通过工具调用自主规划并完成任务，是项目的主入口react.py）：经典推理-行动循环实现，适合需要逐步推理的任务browser.py）：专注浏览器自动化，可接管 Chrome/Firefox 执行网页操作swe.py）：面向软件工程场景的专用 Agent，擅长代码调试和修复data_analysis.py）：数据分析场景 Agent，内置数据处理工具链mcp.py）：支持 MCP（Model Context Protocol）协议的扩展 Agentsandbox_agent.py）：沙箱隔离环境下的安全 Agenttoolcall.py）：纯工具调用模式 Agent，无自主规划能力这种多策略并行的设计，让开发者可以根据场景选择合适的 Agent 范式，也可以将它们组合使用。
app/tool/ 目录提供了二十余种工具，覆盖了 AI Agent 的常见能力边界：
| 工具类别 | 代表工具 | 能力说明 |
|---|---|---|
| 浏览器自动化 | browser_use_tool.py、computer_use_tool.py | 接管真实浏览器，执行点击、输入、滚动等操作 |
| 网络搜索 | web_search.py、googlesearch-python、duckduckgo_search | 实时获取互联网信息 |
| 代码执行 | python_execute.py | 在沙箱环境中安全执行 Python 代码 |
| 文件操作 | file_operators.py、str_replace_editor.py | 读取、写入、编辑本地文件 |
| 网页爬取 | crawl4ai.py、crawl4ai 库 | 智能解析网页内容，提取结构化数据 |
| Shell 命令 | bash.py | 执行系统级命令行操作 |
| 图表生成 | chart_visualization/ | 数据可视化输出 |
| 搜索增强 | search/ | 增强搜索能力 |
这种「工具即插件」的设计，使得添加新工具的门槛极低——只需继承 BaseTool 抽象类并实现 execute() 方法。
app/flow/ 目录提供了任务编排能力：
这意味着 OpenManus 不只能执行单个任务，还可以编排多 Agent 协作的复杂流程。
app/llm.py 是项目的关键基础设施，提供了：
TokenCounter 类精确计算输入输出的 token 消耗，防止意外超限tenacity 库，实现指数退避重试，处理 API 限流支持的模型覆盖：OpenAI 全系列、Anthropic Claude 系列、Google Gemini、Azure OpenAI、Ollama 本地模型、Meta PPOIO 等十余家提供商。
protocol/a2a/ 目录实现了 A2A（Agent-to-Agent）协议，这是 OpenManus 为未来多 Agent 协作生态埋下的伏笔。通过标准化 Agent 之间的通信协议，不同厂商、不同框架的 Agent 可以互相协作，构建真正的「Agent 网络」。
从 requirements.txt 和 setup.py 可以看出项目的技术选型：
代码质量方面，项目配备了 pre-commit hooks（.pre-commit-config.yaml）、完整的测试套件（tests/ 目录）、TypeScript/.vscode 配置，以及详细的配置示例（config/ 目录）。整体工程化水平在开源 agent 项目中属于第一梯队。
OpenManus 本身是一个 CLI 工具，没有 Web 界面。通过 main.py 入口，用户传入自然语言 prompt，Agent 自动规划路径并调用工具执行：
python main.py --prompt "帮我调研一下最新的大模型进展，写一份报告"
也可以不传参数，交互式输入：
python main.py
# 然后输入你的需求
首次运行需要配置 LLM API Key（支持 OpenAI / Anthropic / Google 等），配置文件在 config/config.example.toml，复制为 config.toml 后填入 key 即可。
部署方式有两种：
docker build 后直接运行，无需关心 Python 环境pip install -e . 或 uv pip install -r requirements.txt客观来说，OpenManus 也面临一些挑战：
项目当前版本（0.1.0）仍处于早期阶段，API 接口和内部接口都在快速迭代中，生产级使用需注意版本稳定性。
OpenManus 的出现，标志着 AI Agent 开源生态进入了一个新阶段。在此之前，类似的 Agent 框架（如 LangChain Agents、AutoGPT、BabyAGI）往往过于通用而缺乏落地深度，或过于垂直而缺乏扩展性。OpenManus 通过：
同时，团队还衍生出了 OpenManus-RL 项目，探索基于强化学习（GRPO）优化 Agent 策略，展现了从「通用框架」向「研究平台」演进的野心。
OpenManus 是一款来自 MetaGPT 团队的高质量开源 AI Agent 框架，通过模块化的 Agent 策略、丰富的工具生态、灵活的模型接入，为开发者提供了构建通用 AI 代理的工程底座。它不是最强的 AI，但可能是最具扩展性的 Agent 开发平台——无论你是想快速验证 Agent 想法的研究者，还是想构建生产级 AI 自动化系统的工程师，OpenManus 都值得深入了解。