alfredo (Biocypher)

阿尔弗雷多

   

一个用于构建具备全面工具执行和自主任务完成能力的AI代理的Python框架。

Alfredo 提供了一个基于 LangGraph 的智能体框架，该框架将规划、执行和验证集成为一个统一的智能体系统。其设计注重可扩展性，支持自定义工具、MCP 集成，并附带了专用的预构建智能体。

主要特点

• 🤖 机器人 自主代理 - 计划-验证-重新计划循环，带自动任务分解功能
• 🔧 修理工具或扳手的符号，常用于表示维修、修理或技术相关的工作。 11 个内置工具 - 文件操作、命令、发现、代码分析、可视化以及工作流控制
• 👁️ 视觉能力 - 使用多模态模型分析图像
• 🔗 MCP集成 - 连接到任何模型上下文协议服务器
• 🎯（目标、靶心） 模型无关的 - OpenAI、Anthropic 或任何支持 LangChain 的大型语言模型（LLM）
• 📊（图表/数据） 执行追踪 - 对代理行为的详细可见性
• 🛠️（工具/螺丝刀等工具的符号，可翻译为“工具”或根据具体语境翻译为相应的具体工具名称） 自定义系统提示 - 使用AlfredoTool微调节点行为
• 📦 翻译为中文是：“📦”（这个符号本身在中文中没有直接对应的翻译，通常保持原样使用，表示包裹或箱子）。如果需要描述其含义，可以翻译为“包裹”或“箱子”，但具体翻译需根据上下文确定。 预构建代理 - 探索代理（ExplorationAgent）和反思代理（ReflexionAgent）已准备好使用

安装

注： Alfredo 尚未在 PyPI 上发布。请直接从 GitHub 安装，使用 uv：

# Clone the repository
git clone https://github.com/biocypher/alfredo.git
cd alfredo

# Install dependencies
uv sync

# Or add as a dependency to your project
uv add git+https://github.com/biocypher/alfredo.git

快速入门

from alfredo import Agent

# Create an agent
agent = Agent(
    cwd=".",
    model_name="gpt-4.1-mini",  # or "anthropic/claude-3-5-sonnet-20241022"
    verbose=True
)

# Run a task - agent will plan, execute, and verify
agent.run("Create a Python script that computes an approximation of pi using the Monte Carlo method")

# View execution trace
agent.display_trace()

# Access results
print(agent.results["final_answer"])

视觉赋能的智能体

Alfredo智能体能够利用视觉模型分析图像，从而实现强大的工作流程，使智能体能够验证其自身的视觉输出：

from alfredo import Agent

# Create an agent with vision capabilities
agent = Agent(
    cwd=".",
    model_name="gpt-4.1-mini",       # Main model for planning and reasoning
    vision_model="gpt-4.1-mini",     # Vision model for image analysis
    parse_reasoning=True
)

# Agent creates visualization AND verifies it by looking at it
agent.run("""
Create a Python script that computes an approximation of pi using the Monte Carlo method.
Also create a visualization of the results and save it as a PNG file.
Make sure that the plot is correct by analyzing the image.
If you miss some package, use uv to initialize a venv and then add what is missing.
""")

# View execution trace to see vision tool in action
agent.display_trace()

发生的事情：

1. 代理编写蒙特卡洛模拟代码
2. 代理运行代码并生成图表
3. 代理使用 analyze_image 验证可视化是否正确
4. 如果发现问题，代理将继续迭代（或：代理会重复执行以解决问题）

视觉技术的应用场景：

• 📸 界面测试中的截图分析
• 📊 图表和图示验证
• 📝 OCR（光学字符识别）和文档处理
• 🎨 图像描述与配文创作
• ✅ 视觉质量保证

建筑学

阿尔弗雷多使用一个 LangGraph状态图 包含以下节点：

START → planner → agent ⇄ tools → verifier
                   ↑              ↓
                   └── replan ←───┘

• 规划者；日程安排者制定实施计划
• 代理执行ReAct风格的推理和工具调用
• 工具执行工具调用
• 验证者检查任务是否完成
• 重新计划如果验证失败，则生成改进后的计划

可以禁用规划功能，直接在代理节点上开始执行。

阅读更多：代理架构 →

可用工具

Alfredo 包含11个内置工具，按类别组织：

阅读更多：工具文档 →

MCP 集成

Alfredo支持两种MCP集成模式：

代码行动模式

从MCP服务器生成可导入的Python模块，使代理能够像使用常规函数一样使用工具，而无需通过ReAct循环：

from alfredo import Agent

# Configure remote MCP server (supports both local and remote)
agent = Agent(
    cwd="./workspace",
    model_name="gpt-4.1-mini",
    codeact_mcp_functions={
        "biocontext": {
            "url": "https://mcp.biocontext.ai/mcp/",  # Remote or local server
        }
    },
    verbose=True
)

# Agent can now import and use MCP tools in scripts:
agent.run("Write a script that gets the interactors of gene ENSG00000141510 and save to interactors.txt")

# Agent generates code like:
# from biocontext_mcp import bc_get_protein_interactors
# result = bc_get_protein_interactors(gene_id="ENSG00000141510")

特点：

• ✅ 与……兼容/可与……一起使用 远程 服务器（例如。， https://mcp.biocontext.ai/mcp/）
• ✅ 与……兼容/协同工作 当地的 服务器（例如。， http://localhost:8000）
• ✅ 自动生成带类型的Python封装模块
• ✅ 支持SSE和JSON-RPC 2.0协议
• ✅ 会话管理，支持自动重试
• ✅ 基于脚本的工具链集成

ReAct 模式

通过LangChain的工具调用直接使用MCP工具：

from alfredo import Agent
from alfredo.integrations.mcp import load_combined_tools_sync

# Configure MCP servers
server_configs = {
    "biocontext": {
        "transport": "streamable_http",
        "url": "https://mcp.biocontext.ai/mcp/",
    }
}

# Load Alfredo + MCP tools
tools = load_combined_tools_sync(cwd=".", mcp_server_configs=server_configs)

# Create agent with combined toolset
agent = Agent(cwd=".", tools=tools)
agent.run("Get the interactors of TP53 in human and save the results to a file called tp53_interactors.txt")

阅读更多：MCP 集成 →

自定义系统提示

使用 AlfredoTool 为任何工具添加节点特定的指令：

from alfredo.tools.alfredo_tool import AlfredoTool

# Add instructions that only appear in specific nodes
tool = AlfredoTool.from_alfredo(
    tool_id="write_todo_list",
    cwd=".",
    system_instructions={
        "planner": "After making your plan, create an initial checklist to keep track of your progress",
    }
)

# Instructions are dynamically injected into node system prompts
agent = Agent(cwd=".", tools=[tool])

阅读更多：Alfredo工具与系统提示 →

预构建的代理（或预置代理）

探索代理

浏览目录，并通过智能文件读取和数据分析生成全面的Markdown报告：

from alfredo.prebuilt import ExplorationAgent

agent = ExplorationAgent(
    cwd="./my_project",
    context_prompt="Data belongs to a transcriptomic study on cancer cell lines"
)
report = agent.explore()

反思型智能体（或：反思性代理）

利用网络搜索进行迭代自我批评和修订的研究代理：

from alfredo.prebuilt import ReflexionAgent

agent = ReflexionAgent(model_name="gpt-4.1-mini", max_iterations=2)
answer = agent.research("Create a detailed report about the roles of TP53 in cancer cell lines and save the results to a file called tp53_roles.md")
agent.display_trace()

阅读更多：预构建代理 →

文档

• 代理架构 - 深入探讨LangGraph框架
• 工具 - 完整的工具参考手册及自定义工具的创建
• MCP集成 - 使用模型上下文协议服务器
• 阿尔弗雷多工具 - 为每个节点定制系统提示
• 预构建代理 - 探索代理（ExplorationAgent）和反思代理（ReflexionAgent）

发展

# Install dependencies
make install

# Run tests
uv run pytest

# Run tests with coverage
uv run pytest --cov=src

# Lint and type check
uv run ruff check src
uv run mypy src

许可证

在以下（许可/条款）下发布 麻省理工学院许可证（MIT License）。

功劳/学分/资历

受……启发的工具系统设计 克林（Cline，根据上下文，此为人名翻译，具体翻译可能因语境而异） - 一个适用于VSCode的AI编码助手。

______________________________________________________________________

仓库已初始化，使用 fpgmaas/cookiecutter-uv 可以翻译为：“FPGA（现场可编程门阵列）质量分析系统/基于Cookiecutter的UV（可能指紫外线或某种特定工具/模板的缩写，具体需根据上下文确定）项目模板”。不过，这里的“fpgmaas”可能是一个特定上下文或领域内的术语或项目名，如果它不是广为人知的术语，那么在翻译时可能需要保留原样或根据具体上下文进行解释。同时，“cookiecutter”在这里通常指的是一个用于生成项目模板的工具或框架，而“uv”则可能需要根据具体语境来确定其确切含义。