个人生产力代理人
概述
Personal Productivity Agent是一个基于Python的工具，旨在协助Windows系统上的各种任务，并利用大型语言模型（LLM）的强大功能进行智能分析。它可以作为交互式命令行助手或作为后端服务器组件与编排器集成。
特性
该代理目前提供以下功能：
- 交互式文件系统操作：
- 查找文件 - 移动文件（确认后） - 重命名文件（确认后） - 创建目录（确认后）
- 系统信息和实用程序：
- 获取磁盘使用情况、内存信息、CPU信息、网络信息 - 启动应用程序 - 查找重复文件
- 生产力工具：
- 摘要文档（目前此CLI功能使用模拟LLM） - 从获取即将到来的日历事件 .ics 文件 - 设置桌面提醒/通知
- Windows事件日志分析（带LLM集成）：
- 根据指定的条件（日志名称、级别、时间范围）获取Windows事件日志。 - 利用谷歌的Gemini LLM分析事件日志条目，提供解释，建议潜在原因，故障排除步骤和安全的命令行修复。
操作模式
代理可以在两种不同的模式下运行：
1.交互式CLI模式
- 如何跑步：
python main_agent.py - 说明： 在此模式下，代理直接在PowerShell或命令提示符中显示菜单驱动的界面。您可以选择各种操作，代理将提示您进行必要的输入并直接显示结果。此模式用于直接用户交互。
2.MCP（多功能协议）服务器模式
- 如何跑步：
python main_agent.py --mcp-mode - 说明： 在MCP模式下启动时，代理作为后台进程运行，在其标准输入（stdin）上监听JSON格式的请求，并将JSON格式的响应发送到其标准输出（stdout）。
- 目的： 此模式专为程序集成而设计。其他应用程序或编排器（如基于TypeScript的代理或中央自动化系统）可以通过向该Python代理发送标准化的JSON消息来调用其功能，从而与该代理进行通信。
- MCP工具示例： 这
analyze_windows_event_logs功能通过MCP公开。编排器可以发送一个指定事件日志参数的JSON请求，代理将返回一个JSON响应，其中包含LLM的分析、建议的命令以及该命令是否需要管理员权限。 - 优点：
- 自动化： 允许其他系统自动使用代理的功能。 - 模块化： 允许构建可由中央控制器协调的专用代理。 - 结构化数据交换： 使用JSON确保软件组件之间的可靠通信。
关键技术
- Python 3.x
- 谷歌双子座法学硕士： 用于事件日志的智能分析。
- 需要a GEMINI_API_KEY 要设置用于身份验证的环境变量。如果没有设置，代理将指示它正在为需要它的功能使用模拟LLM。
- MCP（多功能协议）： 一种基于JSON的简单协议，用于服务器模式下的进程间通信。
设置和要求
- python 确保已安装Python 3.x。
- 依赖关系： 安装必要的Python包。LLM互动的主要方式是
google-generativeaiA.requirements.txt文件通常会列出所有依赖项。
pip install google-generativeai
# Potentially other packages like 'plyer' for notifications- API密钥： 对于Gemini LLM功能，请从Google AI Studio获取API密钥，并将其设置为环境变量：
- 在PowerShell中： $env:GEMINI_API_KEY = "YOUR_API_KEY_HERE" - （记得更换 "YOUR_API_KEY_HERE" 用你真正的钥匙。不要将密钥提交到GitHub。)
如何跑步
- 交互模式：
cd path\to\PersonalProductivityAgent
# Set API Key if using LLM features
$env:GEMINI_API_KEY = "YOUR_API_KEY_HERE"
python main_agent.py- MCP服务器模式（用于集成）：
cd path\to\PersonalProductivityAgent
# Set API Key if using LLM features
$env:GEMINI_API_KEY = "YOUR_API_KEY_HERE"
python main_agent.py --mcp-mode然后，代理将在stdin上监听JSON请求。
未来的增强功能
- 与基于TypeScript的编排器集成(
agent.ts)管理和使用MCP工具。 - 通过MCP服务器模式扩展可用工具。
- 开发一个更用户友好的图形界面（Web UI或桌面应用程序），利用代理的功能。