什么是 BeeAI？

BeeAI 为个人开发人员和团队提供了一个与框架无关的平台，用于查找、部署和分享人工智能 (AI) 智能体。该平台旨在解决使用 AI 智能体时的三个主要挑战：

• 孤立生态系统：每个智能体存在于其独立的框架内。BeeAI 将智能体集中到单一的工作空间中，以实现高效的 AI 智能体编排。

• 可扩展性有限：BeeAI 允许用户部署智能体，而无需处理复杂的个性化设置程序。

• 分散发现：Bee 智能体位于集中发现中心，使查找和试验智能体式 AI 变得容易。

个人开发者可以使用 Bee 来简化探索和部署智能体的过程，以便在智能体式自动化及其他场景中使用。同时，团队可以通过集中实例共享同一个 BeeAI 工作空间，实现实时协作，并集中管理大语言模型 (LLM) 连接和 API。

社区目录承载了平台上所有可用的 BeeAI 智能体，无需复杂的设置即可部署。标准化的用户界面可提供一致的用户体验，标准容器使开发人员能够从任何框架打包智能体，同时绕过兼容性问题。

IBM 研究团队围绕一套核心功能构建了 BeeAI，这些核心功能使其能够充当智能体式工作区。其中包括：

BeeAI 的智能体式 AI 存储库将团队聚集在一个集中工作空间中，实现更顺畅的多智能体工作流。BeeAI 的智能体目录是其核心功能之一：该目录可搜索，并展示每个提供的智能体的功能详情。开发人员可以识别使用模式，并据此选择智能体。

智能体按类型分类。BeeAI 通过聊天机器人界面呈现对话聊天智能体。与此同时，“免干预型”智能体构成了许多智能体工作流的主干，因为它们被设计为在接收到一次指令后即可自主运行。

社区目录托管用户创建的智能体，用户还可以通过 BeeAI 界面将他们构建的智能体推送到 GitHub。

BeeAI 使用 ACP 来标准化智能体的使用，而不管各个框架如何。开发人员将他们喜欢的工具与他们想要的智能体一起使用。交互式设置向导简化了环境创建流程，使团队能够快速启动并使用共享的 AI 智能体式工作空间。

设置过程包括 API 密钥输入、模型选择建议、连接测试和特定于提供商的选项，例如 Ollama 的上下文窗口。可用的 LLM 提供商包括 Anthropic 的 Claude、OpenAI 的 GPT、DeepSeek 和 IBM 的 watsonx。Meta 的 Llama3 可通过本地 Ollama 连接使用。

用户可以在本地或从 GitHub 存储库导入智能体、LangChain 等其他框架，甚至可以构建自己的智能体以在 BeeAI 中使用。

BeeAI 在各自的容器中运行每个智能体，并设置资源限制，从而实现模块化的多智能体系统构建。输入选项包括与智能体通信的交互模式，以及用于共享 Python 代码片段和其他语言代码的多行输入模式。标准化的用户界面意味着智能体式工作流中的交互是可预测的。

通过对任意运行中智能体的实时日志流传输，平台实现了可观测性。BeeAI 使用 OpenTelemetry 收集遥测数据并将其发送到指定的 Arize Phoenix 实例。

BeeAI 的设计以本地优先为核心，将智能体托管在各自设备或本地环境中，让用户完全掌控自己的数据。其核心组件包括：

• 智能体：BeeAI 中的智能体是容器化的，并通过 ACP 进行通信。AI 智能体的一个显著特征是能够按需调用工具，以扩展其能力。

• BeeAI 服务器：该服务器在智能体之间进行编排，管理生命周期和配置，路由智能体与客户端之间的通信，并收集遥测数据。

• BeeAI CLI 和 UI：用户通过两种模式与 BeeAI 交互。命令行界面 (CLI) 有助于编写脚本和命令控制，而图形用户界面 (UI) 则处理更直观的交互，例如对话聊天。

• Python 集成：ACP SDK（软件开发工具包）使开发者能够将 BeeAI 集成到基于 Python 的应用中。BeeAI 可以在 Python 应用程序环境中处理智能体工作流，例如那些为任务自动化而设计的应用程序。

• Arise Phoenix 监控工具：在 BeeAI 中可用，Phoenix 是一个开源工具，用于追踪和监控智能体行为。