基于 OpenAgents 的多智能体旅游助手实战

在大模型与智能体（Agent）技术快速发展的今天，构建一个能理解需求、协调任务、调用工具的 AI 助手，已经不再遥远。

传统聊天机器人往往只能被动回答问题。现代智能体系统则具备“主动性”。它能拆解复杂目标、调用多个子模块，甚至与外部服务交互，从而完成端到端任务。

本文将带你从零开始，利用 OpenAgents 这一开源框架，搭建一个由多个专业智能体协同工作的本地旅游小助手。

这个系统可以根据用户一句话生成完整旅行计划，推荐个性化景点，并可逐步扩展至查询实时天气、预订酒店、规划交通等功能。真正实现“一句话开启智能旅行”。

---

一、本地启动智能体

要运行基于 OpenAgents 的智能体系统，首先需要启动其核心网络服务。

该服务负责管理所有 Agent 的注册、通信和协作，是整个多智能体生态的“中枢神经系统”。

在终端中执行以下命令：

openagents network start

首次运行时，OpenAgents 会自动打开浏览器，引导你完成初始化配置，如设置管理员密码、选择模型类型等。

配置完成后，服务将在后台持续运行，并监听默认端口。

启动成功的界面如下所示：

接下来，我们需要启动具体的智能体实例。

以 von.yaml 为例，这是一个基于智谱 GLM-4.7 模型的中文助手配置文件。由于 OpenAgents 兼容 OpenAI 协议，我们只需将智谱的 API 地址和密钥通过环境变量传入即可。

在 PowerShell 中执行以下命令（请务必将 "你的API-Key" 替换为你在 智谱 AI 开放平台 申请的实际密钥）：

$env:PYTHONUTF8 = "1"$env:PYTHONIOENCODING = "utf-8"$env:OPENAI_BASE_URL = "https://open.bigmodel.cn/api/paas/v4"$env:OPENAI_API_KEY = "你的API-Key"openagents agent start agents/von.yaml

若终端输出类似 Agent 'von' is running on http://localhost:8080 的信息，且无报错，则说明智能体已成功加载并接入网络：

此时，该智能体已准备好接收来自 Web 控制台或其他 Agent 的消息请求。

---

二、通过 Web 平台进行测试

OpenAgents 提供了一个内置的 Web Studio 界面，用于可视化管理智能体、发送测试消息并查看响应。

服务启动后，默认会跳转至控制台页面，通常为 http://localhost:8700/studio/：

点击“管理员登录”按钮：

输入你在首次配置 OpenAgents 网络服务时设置的管理员密码：

登录成功后，进入用户控制台主界面。

这里会列出当前在线的所有智能体，并提供聊天窗口用于交互：

现在，你可以向 von 智能体发送一条中文消息，例如：“你好，你能帮我做什么？”

如果一切配置正确，它将返回一段符合预设行为规范的友好回复：

这标志着从模型调用、网络通信到前端交互的完整链路已打通。

---

三、开发多 Agent 旅游小助手

单个智能体虽然可以处理基础问答，但在应对“规划一次三天两晚的杭州旅行”这类复杂任务时，通常会显得能力不足。

为了解决这一问题，我们采用多智能体协作架构（Multi-Agent Collaboration）。先把大型任务拆分成多个更清晰的子任务，再交给不同专业 Agent 分别处理，最后由主控 Agent 统一汇总与整合结果。

这样的设计方式不仅能够增强系统的鲁棒性，同时也更有利于后续功能的持续扩展。

1. 行程规划智能体

该 Agent 专注于时间管理与日程安排。

当接收到“帮我安排三天行程”类指令时，它会根据目的地、天数、用户偏好（如“喜欢自然风光”或“想体验夜市”）生成结构化的每日计划，包括时间段、活动内容和建议停留时长。

2. 景点推荐智能体

此 Agent 拥有丰富的旅游知识库，能结合地理位置、季节、人群热度等因素，推荐匹配度高的景点。

例如，用户说“我想去人少但风景好的地方”，它会优先推荐西湖周边的冷门古村落而非断桥。

3. 天气查询智能体

理想情况下，该 Agent 应能调用天气 API（如和风天气、OpenWeather）获取未来几天的预报。

然而，当前 OpenAgents 的 YAML 模式仅支持纯语言模型推理，无法直接发起 HTTP 请求或执行代码。

因此，在 YAML 配置下尝试天气查询会失败或返回模拟数据：

4. 主控小助手智能体

作为用户唯一交互入口，主控 Agent 扮演“指挥官”角色。

它负责以下工作：

• 理解用户意图：如识别“规划旅行”是一个复合任务
• 拆解子任务：如“需要行程 + 景点 + 天气”
• 依次调用对应专业 Agent
• 整合各子结果，生成连贯、自然的最终回复

例如，当用户输入：“帮我规划一个三天两晚的杭州旅行，包括景点和天气”，主控 Agent 会内部协调其他三个模块，并返回一份整合报告：

---

通过这次实践，我们不仅直观验证了 OpenAgents 在本地部署与多智能体协作场景中的出色能力，也为后续打造更复杂、更实用的 AI 应用奠定了坚实基础。

未来，只要继续为每个智能体补充更丰富的工具（如数据库查询、邮件发送、支付接口）以及长期记忆（通过向量数据库或工作区机制），这个“旅游小助手”就能够进一步升级为真正的个人生活助理。

• 不仅可以安排行程
• 还能自动预订机票
• 提醒签证到期
• 甚至根据预算动态调整方案

这样将带来更智能、更贴近实际需求的使用体验。

AI 的终极目标不是取代人类，而是成为我们最得力的协作者。

而这一切，就从一行命令、一个 YAML 文件、一次本地部署开始。现在，轮到你来创造属于自己的智能体世界了。