diff --git a/README.md b/README.md index c4c65cf..4f067e1 100644 --- a/README.md +++ b/README.md @@ -13,7 +13,7 @@ [![GitHub](https://img.shields.io/badge/⭐_Star_on-GitHub-blue?logo=github)](https://github.com/themanojdesai/python-a2a/stargazers)

- English | 简体中文 | 日本語 | Español | Deutsch | Français + English | 简体中文 | 繁體中文 | 日本語 | Español | Deutsch | Français

diff --git a/README_de.md b/README_de.md index 331e2d1..fa2945b 100644 --- a/README_de.md +++ b/README_de.md @@ -13,7 +13,7 @@ [![GitHub stars](https://img.shields.io/github/stars/themanojdesai/python-a2a?style=social)](https://github.com/themanojdesai/python-a2a/stargazers)

- English | 简体中文 | 日本語 | Español | Deutsch | Français + English | 简体中文 | 繁體中文 | 日本語 | Español | Deutsch | Français

diff --git a/README_es.md b/README_es.md index 44a13b4..aa5f1d4 100644 --- a/README_es.md +++ b/README_es.md @@ -13,7 +13,7 @@ [![GitHub stars](https://img.shields.io/github/stars/themanojdesai/python-a2a?style=social)](https://github.com/themanojdesai/python-a2a/stargazers)

- English | 简体中文 | 日本語 | Español | Deutsch | Français + English | 简体中文 | 繁體中文 | 日本語 | Español | Deutsch | Français

diff --git a/README_fr.md b/README_fr.md index 2b438c1..d535d2a 100644 --- a/README_fr.md +++ b/README_fr.md @@ -13,7 +13,7 @@ [![GitHub stars](https://img.shields.io/github/stars/themanojdesai/python-a2a?style=social)](https://github.com/themanojdesai/python-a2a/stargazers)

- English | 简体中文 | 日本語 | Español | Deutsch | Français + English | 简体中文 | 繁體中文 | 日本語 | Español | Deutsch | Français

diff --git a/README_ja.md b/README_ja.md index 273aff5..89d4d10 100644 --- a/README_ja.md +++ b/README_ja.md @@ -13,7 +13,7 @@ [![GitHub stars](https://img.shields.io/github/stars/themanojdesai/python-a2a?style=social)](https://github.com/themanojdesai/python-a2a/stargazers)

- English | 简体中文 | 日本語 | Español | Deutsch | Français + English | 简体中文 | 繁體中文 | 日本語 | Español | Deutsch | Français

diff --git a/README_zh-TW.md b/README_zh-TW.md new file mode 100644 index 0000000..6982ee8 --- /dev/null +++ b/README_zh-TW.md @@ -0,0 +1,795 @@ +# Python A2A + +
+ +[![PyPI version](https://img.shields.io/pypi/v/python-a2a.svg)](https://pypi.org/project/python-a2a/) +[![Python Versions](https://img.shields.io/pypi/pyversions/python-a2a.svg)](https://pypi.org/project/python-a2a/) +[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT) +[![PyPI Downloads](https://static.pepy.tech/badge/python-a2a)](https://pepy.tech/project/python-a2a) +[![Documentation Status](https://readthedocs.org/projects/python-a2a/badge/?version=latest)](https://python-a2a.readthedocs.io/en/latest/?badge=latest) +[![Code style: black](https://img.shields.io/badge/code%20style-black-000000.svg)](https://github.com/psf/black) +[![Imports: isort](https://img.shields.io/badge/%20imports-isort-%231674b1?style=flat&labelColor=ef8336)](https://pycqa.github.io/isort/) +[![UV Compatible](https://img.shields.io/badge/UV-Compatible-5C63FF.svg)](https://github.com/astral-sh/uv) +[![GitHub stars](https://img.shields.io/github/stars/themanojdesai/python-a2a?style=social)](https://github.com/themanojdesai/python-a2a/stargazers) + +

+ English | 简体中文 | 繁體中文 | 日本語 | Español | Deutsch | Français + +

+ +**Google Agent-to-Agent (A2A) 協議的官方 Python 實現，整合 Model Context Protocol (MCP)** + +
+ +## 🌟 概述 + +Python A2A 是一個全面且適用於生產環境的庫，用於實現 Google 的 [Agent-to-Agent (A2A) 協議](https://google.github.io/A2A/)，並完全支持 [Model Context Protocol (MCP)](https://contextual.ai/introducing-mcp/)。它提供了構建可相互操作的 AI 代理生態系統所需的所有功能，這些代理可以無縫協作以解決複雜問題。 + +A2A 協議爲 AI 代理之間的交流建立了標準通信格式，而 MCP 通過提供標準化的方法擴展了這一功能，使代理能夠訪問外部工具和數據來源。Python A2A 通過直觀的 API 使這些協議易於使用，開發者可以使用這些 API 構建複雜的多代理系統。 + +## 📋 v0.5.X 新增功能 + +- **代理發現**：內建代理註冊表和發現功能，完全兼容 Google A2A 協議 +- **LangChain 整合**：與 LangChain 的工具和代理無縫整合 +- **擴展的工具生態系統**：在任何代理中使用 LangChain 和 MCP 工具 +- **增強的代理互操作性**：在 A2A 代理和 LangChain 代理之間進行轉換 +- **混合工作流引擎**：構建結合兩種生態系統的複雜工作流 +- **簡化代理開發**：即時訪問數千個預構建工具 +- **高級流架構**：強化的 Server-Sent Events (SSE) 流、更好的偵錯處理和強大的恢復機制 +- **基於任務的流**：新的 `tasks_send_subscribe` 方法用於實時流式任務更新 +- **流式數據塊 API**：改進的 `StreamingChunk` 類用於結構化流式數據處理 +- **多端點支持**：在多個流式端點之間自動發現和恢復 + +## 📋 v0.4.X 新增功能 + +- **代理網絡系統**：使用新的 `AgentNetwork` 類管理和發現多個代理 +- **實時流式處理**：使用 `StreamingClient` 實現響應式 UI 的流式響應 +- **工作流引擎**：使用新的流暢 API 定義複雜多代理工作流，支持條件分歧和並行處理 +- **AI 路由器**：使用 `AIAgentRouter` 自動將查詢路由到最合適的代理 +- **命令行界面**：通過新的 CLI 工具從終端控制代理 +- **增強的異步支持**：在整個庫中改進了 async/await 支援 +- **新的連接選項**：改進了代理通信的錯誤處理和重試邏輯 + +## ✨ 爲什麼選擇 Python A2A？ + +- **完整實現**：完全實現官方 A2A 規格，無任何妥協 +- **代理發現**：內置代理註冊表和發現功能，用於構建代理生態系統 +- **MCP 集成**：對 Model Context Protocol 的一流支持，實現強大的工具使用代理 +- **企業級就緒**：爲生產環境構建，具有強大的錯誤處理和驗證功能 +- **框架無關**：與任何 Python 框架兼容（Flask、FastAPI、Django 等） +- **LLM 提供商靈活性**：原生集成 OpenAI、Anthropic、AWS Bedrock 等 +- **最小依賴**：核心功能僅依賴 `requests` 庫 +- **卓越的開發者體驗**：全面的文檔、類型提示和示例 + +## 📦 安装 + +### 使用 pip（傳統方式） + +安裝包含所有依賴項的基礎程式庫： + +```bash +pip install python-a2a # 包含 LangChain、MCP 和其他整合 +``` + +或根據需求安裝特定元件： + +```bash +# 安装 Flask 伺服器 +pip install "python-a2a[server]" + +# 安装 OpenAI 整合庫 +pip install "python-a2a[openai]" + +# 安装 Anthropic Claude 整合庫 +pip install "python-a2a[anthropic]" + +# 安装 AWS-Bedrock 整合庫 +pip install "python-a2a[bedrock]" + +# 安装 MCP 程式庫（Model Context Protocol） +pip install "python-a2a[mcp]" + +# 安裝所有可選依賴程式庫 +pip install "python-a2a[all]" +``` + +### 使用 UV（推薦） + +[UV](https://github.com/astral-sh/uv) 是一個近代的 Python 程式庫管理工具，比 pip 更快更可靠。使用 UV 安裝： + +```bash +# 如果尚未安裝 UV，請先安裝 +curl -LsSf https://astral.sh/uv/install.sh | sh + +# 安裝基礎程式庫 +uv install python-a2a +``` + +### 開發安裝 + +開發環境推薦使用 UV 以獲得更佳效能： + +```bash +# 拷貝程式庫 +git clone https://github.com/themanojdesai/python-a2a.git +cd python-a2a + +# 創建虛擬環境並安裝開發依賴程式庫 +uv venv +source .venv/bin/activate # Windows: .venv\Scripts\activate +uv pip install -e ".[dev]" +``` + +> 💡 **提示**：點擊代碼區塊可複製到剪貼簿 + +## 🚀 快速入門範例 + +### 1. 創建帶有技能的簡易 A2A 代理 + +```python +from python_a2a import A2AServer, skill, agent, run_server, TaskStatus, TaskState + +@agent( + name="Weather Agent", + description="Provides weather information", + version="1.0.0" +) +class WeatherAgent(A2AServer): + + @skill( + name="Get Weather", + description="Get current weather for a location", + tags=["weather", "forecast"] + ) + def get_weather(self, location): + """Get weather for a location.""" + # Mock implementation + return f"It's sunny and 75°F in {location}" + + def handle_task(self, task): + # Extract location from message + message_data = task.message or {} + content = message_data.get("content", {}) + text = content.get("text", "") if isinstance(content, dict) else "" + + if "weather" in text.lower() and "in" in text.lower(): + location = text.split("in", 1)[1].strip().rstrip("?.") + + # Get weather and create response + weather_text = self.get_weather(location) + task.artifacts = [{ + "parts": [{"type": "text", "text": weather_text}] + }] + task.status = TaskStatus(state=TaskState.COMPLETED) + else: + task.status = TaskStatus( + state=TaskState.INPUT_REQUIRED, + message={"role": "agent", "content": {"type": "text", + "text": "Please ask about weather in a specific location."}} + ) + return task + +# Run the server +if __name__ == "__main__": + agent = WeatherAgent() + run_server(agent, port=5000) +``` + +### 2. 構築包含多個代理的代理網路 + +```python +from python_a2a import AgentNetwork, A2AClient, AIAgentRouter + +# 構築代理網路 +network = AgentNetwork(name="Travel Assistant Network") + +# 添加代理到網路 +network.add("weather", "http://localhost:5001") +network.add("hotels", "http://localhost:5002") +network.add("attractions", "http://localhost:5003") + +# 創立路由器並智能地將查詢定位到最佳代理 +router = AIAgentRouter( + llm_client=A2AClient("http://localhost:5000/openai"), # 用於路由決策的 LLM + agent_network=network +) + +# 將查詢路由到適當的代理 +agent_name, confidence = router.route_query("What's the weather like in Paris?") +print(f"Routing to {agent_name} with {confidence:.2f} confidence") + +# 獲取選定的代理並發問 +agent = network.get_agent(agent_name) +response = agent.ask("What's the weather like in Paris?") +print(f"Response: {response}") + +# 列出所有可用代理 +print("\nAvailable Agents:") +for agent_info in network.list_agents(): + print(f"- {agent_info['name']}: {agent_info['description']}") +``` + +### 即時流式處理 + +通過全方位的流式支持從代理得到即時響應： + +```python +import asyncio +from python_a2a import StreamingClient, Message, TextContent, MessageRole + +async def main(): + client = StreamingClient("http://localhost:5000") + + # 創立帶有必備 role 參數的訊息 + message = Message( + content=TextContent(text="Tell me about A2A streaming"), + role=MessageRole.USER + ) + + # 流式處理響應並即時處理數據區塊 + try: + async for chunk in client.stream_response(message): + # 處理不同格式的數據區塊（串列或字典） + if isinstance(chunk, dict): + if "content" in chunk: + print(chunk["content"], end="", flush=True) + elif "text" in chunk: + print(chunk["text"], end="", flush=True) + else: + print(str(chunk), end="", flush=True) + else: + print(str(chunk), end="", flush=True) + except Exception as e: + print(f"Streaming error: {e}") +``` + +查詢 `examples/streaming/` 目錄中的完整流式範例： + +- **basic_streaming.py**：最小化流式實做（從這裡開始！） +- **01_basic_streaming.py**：流式基礎的全方位介紹 +- **02_advanced_streaming.py**：使用不同分類策略的高級流式處理 +- **03_streaming_llm_integration.py**：將流式處理與 LLM 提供商整合 +- **04_task_based_streaming.py**：基於任務的流式處理與進度跟蹤 +- **05_streaming_ui_integration.py**：流式 UI 整合（CLI 和 Web） +- **06_distributed_streaming.py**：分散式流式架構 + +### 3. 工作流引擎 + +新的工作流引擎允許您定義複雜代理交互： + +```python +from python_a2a import AgentNetwork, Flow +import asyncio + +async def main(): + # 設置代理網路 + network = AgentNetwork() + network.add("research", "http://localhost:5001") + network.add("summarizer", "http://localhost:5002") + network.add("factchecker", "http://localhost:5003") + + # 定義研究報告生成工作流 + flow = Flow(agent_network=network, name="Research Report Workflow") + + # 首先收集初始研究 + flow.ask("research", "Research the latest developments in {topic}") + + # 然後並行處理結果 + parallel_results = (flow.parallel() + # 分支 1：創建摘要 + .ask("summarizer", "Summarize this research: {latest_result}") + # 分支 2：驗證關鍵事實 + .branch() + .ask("factchecker", "Verify these key facts: {latest_result}") + # 結束並行處理並收集結果 + .end_parallel(max_concurrency=2)) + + # 根據驗證結果提取見解 + flow.execute_function( + lambda results, context: f"Summary: {results['1']}\nVerified Facts: {results['2']}", + parallel_results + ) + + # 執行工作流 + result = await flow.run({ + "topic": "quantum computing advancements in the last year" + }) + + print(result) + +if __name__ == "__main__": + asyncio.run(main()) +``` + +### 4. AI 驅動的路由器 + +智能路由以選擇每個查詢的最佳代理： + +```python +from python_a2a import AgentNetwork, AIAgentRouter, A2AClient +import asyncio + +async def main(): + # 創建帶有專用代理的網路 + network = AgentNetwork() + network.add("math", "http://localhost:5001") + network.add("history", "http://localhost:5002") + network.add("science", "http://localhost:5003") + network.add("literature", "http://localhost:5004") + + # 創立使用 LLM 進行決策的路由器 + router = AIAgentRouter( + llm_client=A2AClient("http://localhost:5000/openai"), + agent_network=network + ) + + # 要路由的範例查詢 + queries = [ + "What is the formula for the area of a circle?", + "Who wrote The Great Gatsby?", + "When did World War II end?", + "How does photosynthesis work?", + "What are Newton's laws of motion?" + ] + + # 將每個查詢路由到最佳代理 + for query in queries: + agent_name, confidence = router.route_query(query) + agent = network.get_agent(agent_name) + + print(f"Query: {query}") + print(f"Routed to: {agent_name} (confidence: {confidence:.2f})") + + # 從選定代理獲取響應 + response = agent.ask(query) + print(f"Response: {response[:100]}...\n") + +if __name__ == "__main__": + asyncio.run(main()) +``` + +### 5. 定義包含多個代理的複雜工作流 + +```python +from python_a2a import AgentNetwork, Flow, AIAgentRouter +import asyncio + +async def main(): + # 創建代理網路 + network = AgentNetwork() + network.add("weather", "http://localhost:5001") + network.add("recommendations", "http://localhost:5002") + network.add("booking", "http://localhost:5003") + + # 創立路由器 + router = AIAgentRouter( + llm_client=network.get_agent("weather"), # 使用一個代理作爲 LLM 進行路由 + agent_network=network + ) + + # 定義帶有條件邏輯的工作流 + flow = Flow(agent_network=network, router=router, name="Travel Planning Workflow") + + # 首先獲取天氣 + flow.ask("weather", "What's the weather in {destination}?") + + # 根據天氣條件分支 + flow.if_contains("sunny") + + # 如果放晴，推薦戶外活動 + flow.ask("recommendations", "Recommend outdoor activities in {destination}") + + # 結束條件並添加 else 分支 + flow.else_branch() + + # 如果不放晴，推薦室內活動 + flow.ask("recommendations", "Recommend indoor activities in {destination}") + + # 結束 if-else 區塊 + flow.end_if() + + # 添加並行處理步驟 + (flow.parallel() + .ask("booking", "Find hotels in {destination}") + .branch() + .ask("booking", "Find restaurants in {destination}") + .end_parallel()) + + # 使用初始上下文執行工作流 + result = await flow.run({ + "destination": "Paris", + "travel_dates": "June 12-20" + }) + + print("Workflow result:") + print(result) + +if __name__ == "__main__": + asyncio.run(main()) +``` + +### 6. 使用終端機界面 + +```bash +# 向代理發送消息 +a2a send http://localhost:5000 "What is artificial intelligence?" + +# 即時流式響應 +a2a stream http://localhost:5000 "Generate a step-by-step tutorial for making pasta" + +# 啓動 OpenAI 驅動的 A2A 伺服器 +a2a openai --model gpt-4 --system-prompt "You are a helpful coding assistant" + +# 啓動 Anthropic 驅動的 A2A 伺服器 +a2a anthropic --model claude-3-opus-20240229 --system-prompt "You are a friendly AI teacher" + +# 啓動帶有工具的 MCP 伺服器 +a2a mcp-serve --name "Data Analysis MCP" --port 5001 --script analysis_tools.py + +# 啓動開啟 MCP 的 A2A 代理 +a2a mcp-agent --servers data=http://localhost:5001 calc=http://localhost:5002 + +# 直接使用 MCP 工具 +a2a mcp-call http://localhost:5001 analyze_csv --params file=data.csv columns=price,date + +# 管理代理網路 +a2a network --add weather=http://localhost:5001 travel=http://localhost:5002 --save network.json + +# 從指令碼執行工作流 +a2a workflow --script research_workflow.py --context initial_data.json +``` + +## 🔄 LangChain 整合（v0.5.X 新增） + +Python A2A 包含內建的 LangChain 整合，使您可以輕鬆結合兩種生態系統的最佳功能： + +### 1. 將 MCP 工具轉換爲 LangChain + +```python +from python_a2a.mcp import FastMCP, text_response +from python_a2a.langchain import to_langchain_tool + +# 創立帶有工具的 MCP 伺服器 +mcp_server = FastMCP(name="Basic Tools", description="Simple utility tools") + +@mcp_server.tool( + name="calculator", + description="Calculate a mathematical expression" +) +def calculator(input): + """Simple calculator that evaluates an expression.""" + try: + result = eval(input) + return text_response(f"Result: {result}") + except Exception as e: + return text_response(f"Error: {e}") + +# 啓動伺服器 +import threading, time +def run_server(server, port): + server.run(host="0.0.0.0", port=port) +server_thread = threading.Thread(target=run_server, args=(mcp_server, 5000), daemon=True) +server_thread.start() +time.sleep(2) # 允許伺服器啓動 + +# 將 MCP 工具轉換爲 LangChain +calculator_tool = to_langchain_tool("http://localhost:5000", "calculator") + +# 在 LangChain 中使用工具 +result = calculator_tool.run("5 * 9 + 3") +print(f"Result: {result}") +``` + +### 2. 將 LangChain 工具轉換爲 MCP 伺服器 + +```python +from langchain.tools import Tool +from langchain_core.tools import BaseTool +from python_a2a.langchain import to_mcp_server + +# 創建 LangChain 工具 +def calculator(expression: str) -> str: + """Evaluate a mathematical expression""" + try: + result = eval(expression) + return f"Result: {expression} = {result}" + except Exception as e: + return f"Error: {e}" + +calculator_tool = Tool( + name="calculator", + description="Evaluate a mathematical expression", + func=calculator +) + +# 轉換爲 MCP 伺服器 +mcp_server = to_mcp_server(calculator_tool) + +# 運行伺服器 +mcp_server.run(port=5000) +``` + +### 3. 將 LangChain 組件轉換爲 A2A 伺服器 + +```python +from langchain_openai import ChatOpenAI +from langchain_core.output_parsers import StrOutputParser +from langchain_core.prompts import PromptTemplate +from python_a2a import A2AClient, run_server +from python_a2a.langchain import to_a2a_server + +# 創建 LangChain LLM +llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0) + +# 轉換爲 A2A 伺服器 +llm_server = to_a2a_server(llm) + +# 創建提示詞的鏈 +template = "You are a helpful travel guide.\n\nQuestion: {query}\n\nAnswer:" +prompt = PromptTemplate.from_template(template) +travel_chain = prompt | llm | StrOutputParser() + +# 轉換爲 A2A 伺服器 +travel_server = to_a2a_server(travel_chain) + +# 在執行緒中運行伺服器 +import threading +llm_thread = threading.Thread( + target=lambda: run_server(llm_server, port=5001), + daemon=True +) +llm_thread.start() + +travel_thread = threading.Thread( + target=lambda: run_server(travel_server, port=5002), + daemon=True +) +travel_thread.start() + +# 測試伺服器 +llm_client = A2AClient("http://localhost:5001") +travel_client = A2AClient("http://localhost:5002") + +llm_result = llm_client.ask("What is the capital of France?") +travel_result = travel_client.ask('{"query": "What are some must-see attractions in Paris?"}') +``` + +LangChain 會自動作爲依賴項安裝，因此一切開箱即用： + +```bash +pip install python-a2a +# 完成！LangChain 會自動包含 +``` + +## 🧩 核心功能 + +### 代理網路 + +Python A2A 現在包含一個強大的代理管理系統： + +```python +from python_a2a import AgentNetwork, A2AClient + +# 創立代理網路 +network = AgentNetwork(name="Medical Assistant Network") + +# 以不同方式添加代理 +network.add("diagnosis", "http://localhost:5001") # 從 URL 添加 +network.add("medications", A2AClient("http://localhost:5002")) # 從客戶端實例添加 + +# 從 URL 列表發現代理 +discovered_count = network.discover_agents([ + "http://localhost:5003", + "http://localhost:5004", + "http://localhost:5005" +]) +print(f"Discovered {discovered_count} new agents") + +# 列出網路中的所有代理 +for agent_info in network.list_agents(): + print(f"Agent: {agent_info['name']}") + print(f"URL: {agent_info['url']}") + if 'description' in agent_info: + print(f"Description: {agent_info['description']}") + print() + +# 獲取特定代理 +agent = network.get_agent("diagnosis") +response = agent.ask("What are the symptoms of the flu?") +``` + +### 7. 代理發現和註冊表 + +```python +from python_a2a import AgentCard, A2AServer, run_server +from python_a2a.discovery import AgentRegistry, run_registry, enable_discovery, DiscoveryClient +import threading +import time + +# 創建註冊表伺服器 +registry = AgentRegistry( + name="A2A Registry Server", + description="Central registry for agent discovery" +) + +# 在執行緒中運行註冊表 +registry_port = 8000 +thread = threading.Thread( + target=lambda: run_registry(registry, host="0.0.0.0", port=registry_port), + daemon=True +) +thread.start() +time.sleep(1) # 等待註冊表啓動 + +# 創建範例代理 +agent_card = AgentCard( + name="Weather Agent", + description="Provides weather information", + url="http://localhost:8001", + version="1.0.0", + capabilities={ + "weather_forecasting": True, + "google_a2a_compatible": True # 啓用 Google A2A 兼容性 + } +) +agent = A2AServer(agent_card=agent_card) + +# 啓用發現 - 這會向註冊表註冊 +registry_url = f"http://localhost:{registry_port}" +discovery_client = enable_discovery(agent, registry_url=registry_url) + +# 在單線程執行緒中運行代理 +agent_thread = threading.Thread( + target=lambda: run_server(agent, host="0.0.0.0", port=8001), + daemon=True +) +agent_thread.start() +time.sleep(1) # 等待代理啓動 + +# 創立用於發現代理的客戶端 +client = DiscoveryClient(agent_card=None) # 僅發現不需要代理卡 +client.add_registry(registry_url) + +# 發現所有代理 +agents = client.discover() +print(f"Discovered {len(agents)} agents:") +for agent in agents: + print(f"- {agent.name} at {agent.url}") + print(f" Capabilities: {agent.capabilities}") +``` + +## 📖 架構與設計原則 + +Python A2A 基於三個核心設計原則： + +1. **協議優先**：嚴格遵守 A2A 和 MCP 協議規範以實現最大相互操作性 +2. **模塊化**：所有組件均可組合和替換 +3. **漸進增強**：從簡單開始，僅在需要時增加複雜性 + +架構包含八個主要組件： + +- **Models**：表示 A2A 消息、任務和代理卡的數據結構 +- **Client**：用於向 A2A 代理發送消息和管理代理網絡的組件 +- **Server**：用於構建 A2A 兼容代理的組件 +- **Discovery**：代理生態系統的註冊表和發現機制 +- **MCP**：實現 Model Context Protocol 服務器和客戶端的工具 +- **LangChain**：LangChain 整合的橋接組件 +- **Workflow**：用於協調複雜代理交互的工作流引擎 +- **Utils**：常用任務的輔助函數 +- **CLI**：與代理交互的命令行界面 + +## 🗺️ 實用例 + +Python A2A 可用於構建各種 AI 系統： + +### 研究與開發 + +- **實驗框架**：在保持相同代理埠的同時輕鬆替換不同的 LLM 後端 +- **基準套件**：在標準化任務上比較不同代理實現的性能 +- **流式研究助手**：使用流式處理創建響應式研究工具 + +### 企業系統 + +- **AI 協調**：使用代理網路協調不同部門的多個 AI 代理 +- **遺留系統集成**：通過 A2A 埠包裝遺留系統以實現 AI 訪問 +- **複雜工作流**：使用多代理工作流和條件分支創建複雜業務流程 +- **Utils**：常用任務的輔助函數 +- **CLI**：與代理交互的命令行界面 + +### 面向客戶的應用 + +- **多階段助手**：將複雜用戶查詢分解爲由專用代理處理的子任務 +- **工具使用代理**：使用 MCP 將 LLM 連接到數據庫代理、計算代理等 +- **實時聊天界面**：構建支持流式響應的響應式聊天應用 + +### 教育與培訓 + +- **AI 教育**：創建展示代理協作的教育系統 +- **模擬環境**：構建多個代理交互的模擬環境 +- **教育工作流**：設計帶反饋循環的分步學習流程 + +## 🛠️ 實際應用範例 + +查看 [`examples/`](https://github.com/themanojdesai/python-a2a/tree/main/examples) 目錄中的實際應用範例，包括： + +- 多代理客戶支持系統 +- 帶工具訪問的 LLM 驅動研究助手 +- 實時流式傳輸實現 +- LangChain 整合範例 +- 各種工具的 MCP 伺服器實做 +- 工作流協調範例 +- 代理網路管理 + +## 🔄 相關專案 + +AI 代理和互操作性領域的相關專案： + +- [**Google A2A**](https://github.com/google/A2A) - 官方 Google A2A 協議規範 +- [**LangChain**](https://github.com/langchain-ai/langchain) - 構建 LLM 應用的框架 +- [**AutoGen**](https://github.com/microsoft/autogen) - Microsoft 的多代理對話框架 +- [**CrewAI**](https://github.com/joaomdmoura/crewAI) - 角色扮演代理的協調框架 +- [**MCP**](https://github.com/contextco/mcp) - 工具使用代理的 Model Context Protocol + +## 👥 貢獻者 + +感謝所有貢獻者！ + + + + + +想貢獻？查看我們的 [貢獻指南](https://python-a2a.readthedocs.io/en/latest/contributing.html)。 + +## 🤝 社群與支持 + +- **[GitHub Issues](https://github.com/themanojdesai/python-a2a/issues)**：報告錯誤或請求功能 +- **[GitHub Discussions](https://github.com/themanojdesai/python-a2a/discussions)**：提問和分享想法 +- **[貢獻指南](https://python-a2a.readthedocs.io/en/latest/contributing.html)**：學習如何爲專案做貢獻 +- **[ReadTheDocs](https://python-a2a.readthedocs.io/en/latest/)**：訪問我們的文檔網站 + +## 📝 引用該專案 + +如果您在研究或學術工作中使用 Python A2A，請引用如下： + +``` +@software{desai2025pythona2a, + author = {Desai, Manoj}, + title = {Python A2A: A Comprehensive Implementation of the Agent-to-Agent Protocol}, + url = {https://github.com/themanojdesai/python-a2a}, + version = {0.5.0}, + year = {2025}, +} +``` + +## ⭐ 在 GitHub 上爲該專案點讚 + +如果您發現這個程式庫有用，請考慮在 GitHub 上爲該專案點讚！這有助於他人發現該專案並激勵進一步開發。 + +[![GitHub Repo stars](https://img.shields.io/github/stars/themanojdesai/python-a2a?style=social)](https://github.com/themanojdesai/python-a2a/stargazers) + +### 點讚歷史 + +[![Star History Chart](https://api.star-history.com/svg?repos=themanojdesai/python-a2a&type=Date)](https://star-history.com/#themanojdesai/python-a2a&Date) + +## 🙏 致謝 + +- [Google A2A 團隊](https://github.com/google/A2A) 爲創建 A2A 協議 +- [Contextual AI 團隊](https://contextual.ai/) 爲 Model Context Protocol +- [LangChain 團隊](https://github.com/langchain-ai) 爲强大的 LLM 框架 +- 所有 [貢獻者](https://github.com/themanojdesai/python-a2a/graphs/contributors) 爲他們的寶貴努力 + +## 👨‍💻 作者 + +**Manoj Desai** + +- GitHub: [themanojdesai](https://github.com/themanojdesai) +- LinkedIn: [themanojdesai](https://www.linkedin.com/in/themanojdesai/) +- Medium: [@the_manoj_desai](https://medium.com/@the_manoj_desai) + +## 📄 認證 + +本專案採用 MIT 認證 - 詳見 [LICENSE](LICENSE) 文件。 + +--- + +由 [Manoj Desai](https://github.com/themanojdesai) 用心製作 diff --git a/README_zh.md b/README_zh.md index 89a91f2..5fa5cc7 100644 --- a/README_zh.md +++ b/README_zh.md @@ -13,7 +13,7 @@ [![GitHub stars](https://img.shields.io/github/stars/themanojdesai/python-a2a?style=social)](https://github.com/themanojdesai/python-a2a/stargazers)

- English | 简体中文 | 日本語 | Español | Deutsch | Français + English | 简体中文 | 繁體中文 | 日本語 | Español | Deutsch | Français