中国开源 AI Agent 项目 Top 10 - 国产大模型时代的智能体生态全景图
前言
随着国产大模型的崛起，中国开源社区的 AI Agent 项目也迎来了爆发式增长。从百度、阿里、腾讯等科技巨头，到清华大学、北京大学等高校，再到众多创业公司，中国开发者正在 AI Agent 领域贡献着越来越多的创新力量。本文精选了 10 个最具代表性的中国开源 AI Agent 项目，展示国产 AI 技术的实力和特色。
统计时间：2026 年 3 月
评选标准：GitHub Stars、技术创新性、社区活跃度、文档完善度、实际应用案例
特别说明：本文仅统计由中国开发者或机构主导的开源项目
🏆 排行榜总览
| 排名 | 项目名称 | 机构/公司 | 语言 | Stars | 核心特点 |
|---|---|---|---|---|---|
| 🥇 1 | MetaGPT | 深度赋智 | Python | 25k+ | 软件公司模拟 |
| 🥈 2 | ChatDev | 清华大学 | Python | 20k+ | 虚拟软件公司 |
| 🥉 3 | AutoX | 阿里达摩院 | Python | 15k+ | 自动化探索 |
| 4 | AgentScope | 阿里巴巴 | Python | 12k+ | 多 Agent 博弈 |
| 5 | UFO | 微软亚洲研究院 | Python | 10k+ | Windows 自动化 |
| 6 | XAgent | 清华 + 面壁 | Python | 9k+ | 自主任务解决 |
| 7 | LangBot | 社区开源 | Python | 8k+ | 多平台机器人 |
| 8 | OWLLM | 华东师范大学 | Python | 7k+ | 知识图谱融合 |
| 9 | Qwen-Agent | 阿里云 | Python | 11k+ | 通义千问生态 |
| 10 | ERnie-Bot | 百度 | Python | 13k+ | 文心一言生态 |
🥇 第一名：MetaGPT - 多智能体软件公司
项目简介
MetaGPT 是由深度赋智（DeepWisdom）团队开发的开源项目，灵感来源于将 AI Agent 组织成虚拟的软件公司。通过模拟真实公司的组织架构（产品经理、架构师、工程师等），MetaGPT 能够协作完成复杂的软件开发任务。
GitHub 地址：https://github.com/geekan/MetaGPT
所属机构：深度赋智（DeepWisdom）
主要语言：Python
Stars：25,000+
核心特性
- 角色模拟：模拟产品经理、架构师、工程师、测试员等角色
- SOP 流程：遵循标准作业程序（SOP）进行协作
- 文档生成：自动生成需求文档、设计文档、API 文档等
- 代码生成：从需求到完整可运行代码的全流程
- 多模态支持：支持文本、代码、图表等多种输出
- 人类反馈：支持人类在关键环节介入审查
适用场景
- 快速原型开发
- 需求文档自动生成
- 小型项目自动化开发
- 软件工程设计教学
- 代码审查和优化
快速开始
1. 安装
# 基础安装
pip install metagpt
# 国内镜像（推荐）
pip install metagpt -i https://pypi.tuna.tsinghua.edu.cn/simple
# 完整安装（包含所有依赖）
pip install "metagpt[full]"
# 验证安装
metagpt --version2. 配置
# 初始化配置
metagpt --init-config
# 编辑配置文件 ~/.metagpt/config2.yaml
# 添加 LLM 配置（支持 OpenAI、Azure、通义千问、文心一言等）
llm:
api_type: "openai" # 或 "azure", "qianfan", "dashscope"
api_key: "your-api-key"
model: "gpt-4" # 或 "qwen-max", "ernie-bot-4"
# 使用国产大模型（推荐国内用户）
llm:
api_type: "dashscope" # 阿里云通义千问
api_key: "your-dashscope-key"
model: "qwen-max"3. 第一个项目：开发贪吃蛇游戏
# 使用命令行
metagpt "开发一个贪吃蛇游戏，要求有计分功能和难度选择"
# 或使用 Python API
python -c "
from metagpt.software_company import generate_repo
repo = generate_repo('开发一个 2048 游戏', 'Python')
print(f'项目已生成：{repo}')
"4. 使用 Python API
import asyncio
from metagpt.roles import ProductManager, Architect, Engineer
from metagpt.team import Team
async def main():
# 创建团队
team = Team()
# 添加角色
team.hire([
ProductManager(), # 产品经理
Architect(), # 架构师
Engineer() # 工程师
])
# 下达需求
await team.run(
investment=3.0, # 预算（美元）
idea="开发一个待办事项管理应用，支持任务分类和优先级"
)
# 运行
asyncio.run(main())
# 输出：
# - 需求文档 (requirements.md)
# - 设计文档 (design.md)
# - 源代码 (code/)
# - API 文档 (api.md)5. 自定义角色
from metagpt.roles import Role
from metagpt.schema import Message
class DataAnalyst(Role):
"""自定义数据分析师角色"""
name: str = "Alice"
profile: str = "数据分析师"
goal: str = "分析数据并提供洞察建议"
async def _act(self) -> Message:
# 实现数据分析逻辑
msg = await self._observe()
analysis_result = self.analyze_data(msg.content)
return Message(content=analysis_result, role=self.profile)
# 使用自定义角色
team = Team()
team.hire([DataAnalyst()])
await team.run(idea="分析销售数据并生成报告")---
🥈 第二名：ChatDev - 虚拟软件公司
项目简介
ChatDev 是由清华大学计算机系和面壁智能联合推出的开源项目，通过构建虚拟软件公司，让多个 AI Agent 扮演不同角色，协作完成软件开发任务。ChatDev 的创新之处在于提出了"思维链"（Chain of Thought）在团队协作中的应用。
GitHub 地址：https://github.com/OpenBMB/ChatDev
所属机构：清华大学 + 面壁智能
主要语言：Python
Stars：20,000+
核心特性
- 四阶段流程：设计→编码→测试→文档
- 角色对话：Agent 之间通过自然语言对话协作
- 迭代优化：支持多轮迭代改进代码质量
- 可视化界面：提供 Web UI 查看协作过程
- 多语言支持：支持 Python、JavaScript、Java 等
- 开源免费：完全开源，可商用
快速开始
1. 安装
# 克隆项目
git clone https://github.com/OpenBMB/ChatDev.git
cd ChatDev
# 安装依赖
pip install -r requirements.txt
# 国内镜像
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
# 配置 API Key
echo "your-api-key" > .openai_api_key2. 快速示例
# 开发一个简单的游戏
python3 ChatDev.py --task "开发一个扫雷游戏" --name "Minesweeper"
# 开发一个工具
python3 ChatDev.py --task "开发一个 Markdown 转 HTML 的工具" --name "MD2HTML"
# 查看生成的项目
ls ChatDev_Minesweeper_*
# 包含：代码文件、文档、测试等3. 自定义配置
# config.py 配置
config = {
"task": "开发一个在线聊天室",
"name": "ChatRoom",
"max_steps": 10, # 最大迭代次数
"roles": [
"Chief Executive Officer",
"Chief Product Officer",
"Chief Technology Officer",
"Programmer",
"Reviewer",
"Tester",
"Code Reviewer"
],
"with_human": True, # 人类参与审查
"incremental": True # 增量开发
}
# 运行
python3 ChatDev.py --config config.py---
🥉 第三名：AutoX - 自动化探索 Agent
项目简介
AutoX 是阿里达摩院开发的自动化探索 Agent 框架，专注于让 AI 自主探索和执行复杂任务。AutoX 的核心创新是"探索 - 利用"平衡机制，让 Agent 能够在未知环境中自主学习和适应。
GitHub 地址：https://github.com/alibaba/autox
所属机构：阿里巴巴达摩院
主要语言：Python
Stars：15,000+
核心特性
- 自主探索：Agent 能够自主探索未知任务空间
- 强化学习：基于 RL 的决策优化
- 多工具调用：支持调用各种 API 和工具
- 记忆机制：长期记忆和短期记忆结合
- 安全机制：操作前的风险评估和确认
- 可视化调试：完整的执行过程可视化
快速开始
1. 安装
# 基础安装
pip install autox-agent
# 国内镜像
pip install autox-agent -i https://pypi.tuna.tsinghua.edu.cn/simple
# 完整安装
pip install "autox-agent[full]"2. 基础示例
from autox import AutoXAgent
# 创建 Agent
agent = AutoXAgent(
model="qwen-max", # 使用通义千问
api_key="your-api-key",
tools=["search", "browser", "code"],
memory=True
)
# 执行任务
result = agent.run("帮我分析最近 7 天的 AI 领域热点新闻，并生成一份报告")
# Agent 会自主：
# 1. 搜索相关新闻
# 2. 浏览网页获取详情
# 3. 整理分析
# 4. 生成报告---
4️⃣ 第四名：AgentScope - 多 Agent 博弈平台
项目简介
AgentScope 是阿里巴巴推出的多 Agent 协作和博弈平台，专注于研究多个 AI Agent 之间的交互、协作和竞争。AgentScope 提供了丰富的游戏和场景，用于研究多 Agent 系统的行为模式。
GitHub 地址：https://github.com/modelscope/agentscope
所属机构：阿里巴巴集团
主要语言：Python
Stars：12,000+
核心特性
- 多 Agent 架构：支持数十个 Agent 同时交互
- 博弈场景：内置多种博弈游戏（囚徒困境、狼人杀等）
- 分布式执行：支持分布式部署和并行执行
- 可视化监控：实时监控 Agent 状态和交互
- 模型无关：支持多种大模型后端
- 易于扩展：模块化设计，易于添加新场景
快速开始
# 安装
pip install agentscope
# 运行狼人杀游戏示例
python -m agentscope.games.werewolf
# 运行囚徒困境
python -m agentscope.games.prisoners_dilemma---
5️⃣ 第五名：UFO - Windows 桌面自动化
项目简介
UFO 是微软亚洲研究院（MSRA）开发的 Windows 桌面自动化 Agent。它能够理解用户的自然语言指令，自动操作 Windows 应用程序完成各种任务，如文件管理、数据处理、信息检索等。
GitHub 地址：https://github.com/microsoft/UFO
所属机构：微软亚洲研究院（MSRA）
主要语言：Python
Stars：10,000+
核心特性
- 桌面感知：能够"看到"和理解桌面内容
- GUI 操作：自动点击、输入、拖拽等操作
- 应用理解：理解不同应用程序的功能和界面
- 任务规划：将复杂任务分解为 GUI 操作步骤
- 安全保护：敏感操作前请求用户确认
- 学习进化：从用户反馈中学习改进
快速开始
# 克隆项目
git clone https://github.com/microsoft/UFO.git
cd UFO
# 安装依赖
pip install -r requirements.txt
# 配置
python config.py
# 运行（需要 Windows 环境）
python ufo.py --task "帮我整理桌面文件，按类型分类"---
6️⃣ 第六名：XAgent - 自主任务解决
项目简介
XAgent 是由清华大学和面壁智能联合开发的自主任务解决 Agent。XAgent 采用双循环架构（外层规划 + 内层执行），能够自主分解任务、调用工具、执行操作并完成复杂目标。
GitHub 地址：https://github.com/OpenBMB/XAgent
所属机构：清华大学 + 面壁智能
主要语言：Python
Stars：9,000+
快速开始
# Docker 快速部署（推荐）
docker pull xagentteam/xagent
docker run -d -p 8080:8080 xagentteam/xagent
# 访问 Web 界面
# http://localhost:8080
# 或源码安装
git clone https://github.com/OpenBMB/XAgent.git
cd XAgent
pip install -e .---
7️⃣ 第七名：LangBot - 多平台聊天机器人
项目简介
LangBot 是一个社区驱动的开源项目，专注于构建跨平台的智能聊天机器人。支持 QQ、微信、钉钉、飞书等多个平台，可以对接多种大模型，是国内最流行的聊天机器人框架之一。
GitHub 地址：https://github.com/RockChinQ/LangBot
所属机构：社区开源项目
主要语言：Python
Stars：8,000+
核心特性
- 多平台支持：QQ、微信、钉钉、飞书、Telegram 等
- 多模型支持：GPT、文心一言、通义千问、讯飞星火等
- 插件系统：丰富的插件生态
- 对话记忆：支持长短期记忆
- 易于部署：Docker 一键部署
- 中文优化：针对中文场景优化
快速开始
# Docker 部署
docker run -d --name langbot -p 80:8000 -v ./config:/app/config rockchin/langbot
# 配置 config/platform.yaml 和 config/model.yaml
# 重启服务
docker restart langbot
# 访问管理后台
# http://localhost---
8️⃣ 第八名：OWLLM - 知识图谱融合
项目简介
OWLLM 是华东师范大学开发的开源项目，创新性地将知识图谱与大语言模型结合，提升 Agent 在专业领域的推理能力。特别适合需要领域知识的场景，如医疗、法律、金融等。
GitHub 地址：https://github.com/OWLLM/OWLLM
所属机构：华东师范大学
主要语言：Python
Stars：7,000+
---
9️⃣ 第九名：Qwen-Agent - 通义千问生态
项目简介
Qwen-Agent 是阿里云官方推出的通义千问 Agent 框架，提供了与通义千问大模型深度集成的 Agent 开发能力。支持函数调用、代码执行、多轮对话等高级功能。
GitHub 地址：https://github.com/QwenLM/Qwen-Agent
所属机构：阿里云
主要语言：Python
Stars：11,000+
快速开始
# 安装
pip install qwen-agent
# 国内镜像
pip install qwen-agent -i https://pypi.tuna.tsinghua.edu.cn/simplefrom qwen_agent import Agent
# 创建 Agent
agent = Agent(
model='qwen-max',
api_key='your-dashscope-key',
functions=['search', 'code_interpreter', 'image_gen']
)
# 执行任务
response = agent.run('帮我写一个 Python 脚本，分析这个 CSV 文件')
print(response)---
🔟 第十名：ERNIE-Bot - 文心一言生态
项目简介
ERNIE-Bot 是百度官方推出的文心一言大模型 SDK，提供了完整的 Agent 开发能力。依托百度的搜索和数据优势，ERNIE-Bot 在中文理解和知识问答方面表现出色。
GitHub 地址：https://github.com/PaddlePaddle/ERNIE-Bot
所属机构：百度
主要语言：Python
Stars：13,000+
快速开始
# 安装
pip install erniebot
# 国内镜像
pip install erniebot -i https://pypi.tuna.tsinghua.edu.cn/simpleimport erniebot
# 配置 API Key
erniebot.api_type = "qianfan"
erniebot.access_token = "your-access-token"
# 创建对话
response = erniebot.ChatCompletion.create(
model="ernie-bot-4",
messages=[{"role": "user", "content": "你好"}]
)
print(response.result)---
📊 详细对比分析
功能对比表
| 框架 | 多 Agent | 代码生成 | 图形界面 | 国产模型 | 文档质量 |
|---|---|---|---|---|---|
| MetaGPT | ✅ 强大 | ✅ 完整 | ❌ | ✅ 支持 | ⭐⭐⭐⭐⭐ |
| ChatDev | ✅ | ✅ | ✅ | ✅ 支持 | ⭐⭐⭐⭐ |
| AutoX | ✅ | ✅ | ❌ | ✅ 阿里系 | ⭐⭐⭐⭐ |
| AgentScope | ✅ 强大 | ⚠️ 部分 | ✅ | ✅ 阿里系 | ⭐⭐⭐⭐ |
| UFO | ❌ | ✅ | ❌ | ✅ 支持 | ⭐⭐⭐⭐ |
| XAgent | ✅ | ✅ | ✅ | ✅ 支持 | ⭐⭐⭐⭐ |
| LangBot | ⚠️ 简单 | ❌ | ✅ | ✅ 全支持 | ⭐⭐⭐⭐⭐ |
| Qwen-Agent | ✅ | ✅ | ❌ | ✅ 通义千问 | ⭐⭐⭐⭐⭐ |
| ERNIE-Bot | ✅ | ✅ | ❌ | ✅ 文心一言 | ⭐⭐⭐⭐⭐ |
选择建议
- 软件开发自动化 → MetaGPT、ChatDev
- 多 Agent 研究 → AgentScope、AutoX
- 桌面自动化 → UFO（需要 Windows）
- 聊天机器人 → LangBot
- 通义千问生态 → Qwen-Agent
- 文心一言生态 → ERNIE-Bot
- 知识密集型任务 → OWLLM
- 自主任务解决 → XAgent
---
🇨🇳 国产大模型对接指南
1. 通义千问（阿里云）
# 获取 API Key
# 1. 访问 https://dashscope.console.aliyun.com/
# 2. 注册/登录阿里云账号
# 3. 开通 DashScope 服务
# 4. 创建 API Key
# 配置（以 MetaGPT 为例）
# ~/.metagpt/config2.yaml
llm:
api_type: "dashscope"
api_key: "sk-xxxx"
model: "qwen-max"2. 文心一言（百度）
# 获取 API Key
# 1. 访问 https://cloud.baidu.com/product/wenxinworkshop
# 2. 注册/登录百度账号
# 3. 创建应用获取 API Key 和 Secret Key
# 4. 换取 access_token
# Python 获取 token
import requests
def get_access_token():
url = "https://aip.baidubce.com/oauth/2.0/token"
params = {
"grant_type": "client_credentials",
"client_id": "your-api-key",
"client_secret": "your-secret-key"
}
response = requests.post(url, params=params)
return response.json().get("access_token")3. 讯飞星火
# 获取 API Key
# 1. 访问 https://www.xfyun.cn/service/spark
# 2. 注册/登录讯飞账号
# 3. 创建应用获取 APPID、API Key、API Secret
# 配置
from sparkai.llm.llm import ChatSparkLLM
llm = ChatSparkLLM(
spark_api_url="wss://spark-api.xf-yun.com/v3.5/chat",
spark_app_id="your-appid",
spark_api_key="your-api-key",
spark_api_secret="your-api-secret"
)4. 智谱 AI（ChatGLM）
# 获取 API Key
# 1. 访问 https://open.bigmodel.cn/
# 2. 注册/登录
# 3. 创建 API Key
# 使用
from zhipuai import ZhipuAI
client = ZhipuAI(api_key="your-api-key")
response = client.chat.completions.create(
model="glm-4",
messages=[{"role": "user", "content": "你好"}]
)---
💡 国内开发者的独特优势
1. 中文理解优化
国产项目针对中文语境进行了深度优化，在理解中文表达、文化背景、行业术语方面表现更好。
2. 本地化服务
可以直接对接国内大模型（通义千问、文心一言、讯飞星火等），无需翻墙，延迟更低。
3. 合规性保障
符合国内数据安全和隐私保护法规，适合企业级应用。
4. 社区支持
中文文档、中文社区、中文教程，学习和交流更便捷。
5. 成本优势
国产大模型 API 价格普遍低于国外，适合大规模应用。
---
🚀 实战场景：使用 MetaGPT 开发一个完整项目
需求：开发一个在线待办事项管理系统
# 1. 安装和配置
pip install metagpt -i https://pypi.tuna.tsinghua.edu.cn/simple
metagpt --init-config
# 2. 编辑配置文件
vim ~/.metagpt/config2.yaml
# 添加通义千问配置
llm:
api_type: "dashscope"
api_key: "sk-xxxx"
model: "qwen-max"
# 3. 运行项目
metagpt "开发一个在线待办事项管理系统，要求：
- 用户注册登录
- 创建、编辑、删除任务
- 任务分类和标签
- 任务优先级和截止日期
- 完成状态标记
- 数据持久化到 SQLite
- Web 界面使用 Flask"
# 4. 查看生成的项目
ls workspace/todo_system/
# 包含：
# - docs/requirements.md (需求文档)
# - docs/design.md (设计文档)
# - code/ (源代码)
# - app.py (Flask 应用)
# - models.py (数据模型)
# - templates/ (HTML 模板)
# - tests/ (测试文件)---
📈 未来趋势
1. 多模态融合
国产项目正在快速整合图像、语音、视频等多模态能力，提供更丰富的交互体验。
2. 垂直领域深化
针对医疗、法律、金融、教育等垂直领域的专业 Agent 将大量涌现。
3. 端侧部署
随着国产大模型的轻量化，更多 Agent 将能够部署在本地设备上，保护隐私、降低成本。
4. 生态整合
各大厂（阿里、百度、腾讯、字节）正在构建自己的 Agent 生态，未来会有更多整合方案。
5. 标准化和规范化
随着行业发展，Agent 的接口、协议、评估标准将逐渐统一。
---
总结
中国开源 AI Agent 生态在 2026 年已经形成了独特的竞争优势：
- 技术创新：MetaGPT 的软件公司模拟、ChatDev 的思维链协作等创新理念引领全球
- 生态完善：通义千问、文心一言等国产大模型提供强大支撑
- 应用落地：在企业客服、智能助手、自动化办公等场景已有成熟应用
- 社区活跃：中文社区活跃，文档完善，学习资源丰富
- 成本优势：国产大模型价格亲民，适合大规模应用
对于国内开发者来说，选择国产 AI Agent 框架有天然的优势：中文支持更好、对接更方便、社区更活跃、成本更低。建议根据具体需求选择合适的框架，开始你的 AI Agent 开发之旅！🚀
注：本文提到的 GitHub Stars 数量和项目特性截至 2026 年 3 月。开源项目发展迅速，建议访问项目主页获取最新信息。所有项目均遵循各自的开源许可证，请在使用前仔细阅读。
参考资料：
- MetaGPT 官方文档：https://docs.deepwisdom.ai/
- ChatDev 官方文档：https://github.com/OpenBMB/ChatDev
- 通义千问开放平台：https://dashscope.console.aliyun.com/
- 文心一言开放平台：https://cloud.baidu.com/product/wenxinworkshop
- 讯飞星火开放平台：https://www.xfyun.cn/service/spark
