在快速發展的AI代理框架領域，Evolving Agents Toolkit 正在根據社群反饋進行重大架構變更。該專案最初定位為生產級框架，現已轉變為一個構建在現有框架（如 BeeAI 和 OpenAI Agents SDK）之上的工具包，專注於代理自主性、進化和治理。
從請自我改進到複雜的進化策略
該工具包最初實現的代理進化依賴於開發者所描述的一種簡單的請自我改進提示方法。這種簡單的方法受到了開發者社群的批評，一位評論者指出，儘管框架名稱暗示了進化功能，但似乎缺乏複雜的進化機制。作為回應，開發者在 EvolveComponentTool 中實現了多種進化策略，包括標準、保守、激進和領域適應方法。每種策略現在都包含儲存級別、最佳化重點和適應方法的引數，這比最初基於提示的方法有了顯著進步。
「它最初是一種簡單的'請自我改進'提示方法，但現在我正在每個工具中嵌入多種進化策略，允許更復雜的適應和版本控制。」
進化型代理工具包的主要特點：
- 智慧代理進化： 多種進化策略（標準、保守、激進、領域適應）
- 代理間通訊： 代理透過能力而非直接引用進行通訊
- 智慧庫與語義搜尋： 使用 OpenAI 嵌入技術和內建決策邏輯查詢相關元件
- 多框架支援： 無縫整合來自不同框架的代理（BeeAI、OpenAI Agents SDK）
- 透過韌體實現治理： 在所有代理型別中執行特定領域的規則
- 代理匯流排架構： 透過具有可插拔後端的統一通訊系統連線代理
- 跨框架進化： 將進化策略應用於 BeeAI 和 OpenAI 代理
進化決策邏輯：
- 如果相似度 ≥ 0.8：重用現有代理/工具
- 如果 0.4 ≤ 相似度 < 0.8：進化現有代理/工具
- 如果相似度 < 0.4：建立新的代理/工具
以代理為中心的架構和工具封裝邏輯
一個重大的架構轉變是從單體設計轉向以代理為中心的方法，其中一切都是代理。SystemAgent 已被重新設計為使用專門工具來管理生態系統的 BeeAI ReActAgent。這解決了決策邏輯過於簡單和硬編碼的問題。此前，系統使用基本的相似度閾值來決定是否重用、進化或建立元件。現在，這種邏輯被封裝在專門的工具中，如 SearchComponentTool 和 EvolveComponentTool，允許決策策略本身獨立進化，而無需更改 SystemAgent。
 |
|---|
| 一張展示 Evolving Agents Toolkit 的 GitHub 倉庫截圖，展示其開發和架構 |
透過韌體實現治理
隨著自主代理進化而來的是對安全和控制的合理擔憂。幾位評論者表達了對自我進化代理潛在風險的擔憂，其中一位希望某處發生災難作為人類需要的警示。該工具包旨在透過治理韌體層來解決這些問題，該層在所有代理型別中執行特定領域的規則。這包括版本控制、檢查點和合規性檢查，以防止失控進化並維持安全邊界。開發者承認，適當的防護措施對於防止能力漂移、對齊挑戰、安全問題和合規性問題至關重要。
YAML工作流和通訊
該工具包使用 YAML 定義代理工作流引發了一些幽默的批評，一位評論者開玩笑說代理被埋在一個巨大的 YAML 檔案下。雖然為 YAML 的可讀性和版本控制優勢辯護，但開發者對於在 YAML 證明不便時採用替代表示法持開放態度。通訊架構正從服務匯流排轉變為代理匯流排概念，強化了以代理為中心的理念，同時透過專門的工具如 RegisterProviderTool、RequestServiceTool 和 DiscoverCapabilityTool 實現基於能力的路由和發現。
與現有框架的整合
Evolving Agents Toolkit 現在將自己定位為構建在 BeeAI 和 OpenAI Agents SDK 之上的一層，而不是與已建立的框架競爭。最近的更新包括對 OpenAI Agents SDK 的全面支援，使系統內能夠建立、執行和進化 OpenAI 代理。這種多框架支援允許無縫整合來自不同框架的代理和跨框架進化，解決了代理生態系統中的碎片化問題，一位評論者將這種碎片化比作 JavaScript 框架戰爭時代。
Evolving Agents Toolkit 代表了一個雄心勃勃的願景，即具有適當治理防護的自主、自我改進的AI系統。雖然仍處於早期開發階段，許多功能要麼是模擬的，要麼是簡化的，但該專案展示了社群反饋如何塑造開源AI工具的演變。隨著開發者繼續實施最近更新中概述的架構變更，該工具包最終可能實現其承諾，即實現真正自主的AI系統，這些系統能夠在安全邊界內自我改進。