Welcome to EvoFabric#

EvoFabric 是一款基于异步图引擎构建的轻量级多智能体（Multi-Agent）框架，具备高度灵活性。我们致力于为开发者提供更直观、更自由的方式，助力其设计、构建和调试复杂的人工智能应用。

该框架以 “图即编排（Graph as Orchestration）” 为核心设计理念，将智能体系统抽象为状态（State）、节点（Node）、边（Edge）三个基本组成单元。

整体介绍#

与传统的串行或管道式编排不同，EvoFabric 采用状态驱动的异步图执行引擎，每个节点只需专注于输入的处理与输出的状态变化，而图引擎会自动完成调度、分组、执行与同步工作。

借助高度模块化的设计以及便捷的注册机制，开发者不仅能使用系统提供的标准模块，还可自由定义新的节点、工具、记忆单元、状态更新逻辑等。自定义模块完成注册后，便能像内置组件一样无缝接入图引擎。

EvoFabric 的核心理念是： “状态驱动、图式编排、可演化的智能体生态。”

它既是一套多智能体运行架构，也是一个支持工作流生成与演化的平台。

EvoFabric 的独特优势体现在对底层图引擎和组件可扩展性的设计上：

直观的状态图驱动引擎
- 图由状态、节点、边构成，节点接收完整状态后，输出状态增量。
- 边不仅负责连接各节点，还承担着状态传递、过滤与改写的功能。同时，其支持的 条件边 可动态控制数据流向。
- 节点能够从多个上游 “边组” 接收数据，并且支持为每个 “边组” 指定不同的状态合并策略，轻松应对复杂的数据汇聚场景。
灵活、可定制的状态管理
- 所有状态字段都需明确声明类型与更新规则。
- 自定义更新逻辑只需定义 def function(old, new) -> updated 并完成注册，即可无缝接入图引擎。
流式消息处理与上下文感知
- 提供上下文访问接口，使节点与工具在运行中能感知在图中的节点和工具调用信息。
- 支持注册自定义 stream_handler，自由控制流式消息的处理与展示。
严格的 Pydantic 序列化体系
- 所有组件遵循 Pydantic 规范，以实现序列化与反序列化功能。
- 图可导出为配置文件并重新加载运行，保障应用的可迁移性。
- 原生/自定义组件通过继承基类自动注册到工厂，随图一同导出。

EvoFabric 提供了一套开箱即用的功能，帮助您快速启动项目。

核心引擎:
- 自动识别并执行四种类型的节点：同步/异步 + 流式/非流式。
- 支持逐步调试（Debug Mode），让您能够调试复杂的长链工作流。
- 支持图的可视化功能，方便您查看有向图的连接情况。
内置节点与组件:
- AgentNode: 集成了记忆、工具调用和大语言模型（LLM）的标准化智能体节点。
- UserNode: 暂停图运行并接收用户消息的交互型节点。
- 多种记忆模块: 包括 ChatMem (对话记忆)、RetrievalMem (检索记忆) 等。
强大的工具系统:
- 强大的工具管理系统，支持 Python 工具和 MCP 工具。支持工具内在状态的管理。
- 内置 Docker 沙箱，安全执行第三方代码。
模型与数据:
- 提供多种 Client ，支持与 chat, embed, rerank 等模型交互。
- 配备向量数据库管理模块，支持文档、记忆等持久性管理。
多智能体协作:
- 内置 Swarm 模式，支持构建多个智能体（Agent）协同工作的复杂系统。
高级工作流生成:
- SOP to Workflow: 可将标准作业流程（SOP）文档直接转换为可执行的 EvoFabric 工作流图。
- Kernel Evolve: 具备动态演化和优化 kernel代码 的能力。