XAgent：采用双循环运转机制，自主解决复杂任务的通用智能体

XAgent简介

XAgent，一个开源的、基于大型语言模型的通用自主智能体，它的目标很明确——自动解决各种复杂任务，而且尽可能少让人操心。核心秘诀在于它的双环机制：

负责高层任务管理，说白了就是规划（Planning）；负责底层任务执行，也就是动手干（Action）。

具体来说，XAgent有这几个特点很抓人：

• 自主性
  ：没人盯着也能自己跑完任务，不用频繁干预。

• 安全性
  ：所有行为都锁在Docker容器里，主机环境不会被动着。

• 可扩展性
  ：想加新工具甚至新智能体？直接插上去就行，框架留了口子。

• GUI
  ：既可以用图形界面交互，也能走命令行，怎么方便怎么来。

• 与人类的合作
  ：它不只乖乖听指令，遇到搞不定的还会主动求助，像个靠谱的搭档。

图1 XAgent的工作流程图

XAgent实现原理

规划（外循环）和执行（内循环）

先提一嘴另一个方向：CAMEL。它主打任务导向的角色扮演，有个AI助理和一个AI用户。人类用户给出初步想法和角色分配后，任务指定智能体会把想法细化成具体描述，然后AI助理和AI用户通过多轮对话协作完成，直到AI用户点头确认。AI用户负责下指令、引导方向，AI助理则负责回应和出方案。完整的角色扮演框架如图2所示。

回到XAgent，它的规划和执行走的是双循环路线。外循环管高层任务管理，内循环管底层执行。具体分工如下。

外循环是高层规划器，也是整个问题解决序列的协调者。它要做三件事：

• 初始计划生成
  ：PlanAgent先生成一个初始计划，把大任务拆成一堆更小、更好管的子任务，排成一个任务队列，等着被执行。

• 迭代式计划优化
  ：计划定好后，PlanAgent从队列里弹出第一个子任务，丢给内循环。它会一直盯着任务进展，每个子任务完成后，内循环会返回反馈。PlanAgent根据反馈决定是优化计划还是继续往下走，直到队列清空。

内循环负责执行外循环分下来的每个子任务。它会根据子任务的特点，派一个合适的ToolAgent上阵，确保结果达标。关键点包括：

• 智能体调度和工具获取
  ：根据子任务的性质，调配合适的ToolAgent，它手上握有完成任务所需的能力。

• 工具执行
  ：ToolAgent先从外部系统拿来工具，然后利用ReACT方法——找最佳的动作序列（也就是工具调用）——来完成子任务。

• 反馈和反思
  ：动作跑完后，ToolAgent会发一个叫“subtask_submit”的特定动作，表示当前子任务搞定了，同时把反馈和反思传给PlanAgent。这个反馈能告诉PlanAgent子任务是否成功，或者哪块需要改进。

PlanAgent让智能体拥有不断制定和修订计划的能力，这样才能应对变化和突发需求。它专属于外循环，靠生成初始计划和持续修订来实现目标。核心是四个函数：

• 子任务拆分
  ：可以把一个子任务再拆成更细的单元，只有正在执行或还没开始的子任务才有资格被拆。

• 子任务删除
  ：删掉还没开始的子任务。已经在进行或完成的不能动，这样既灵活又不会乱。

• 子任务修改
  ：修改子任务的内容，同样只能改还没开始的。

• 子任务添加
  ：在某个子任务后面插入新任务，只能插在当前处理的或之后的位置，保证顺序不乱。

前面提到ToolAgent用ReACT找最佳动作序列。每一轮中，它根据之前的交互生成一个动作，每个动作都把推理和行动揉进同一个函数调用里——也就是“思考”和要执行的动作都作为特定函数的参数。每个函数调用包含：

• 思考
  ：对任务的总体洞察。

• 推理
  ：推导出思考的逻辑链条。

• 批评
  ：自我反思，相当于反馈回路，指出可能的疏漏或改进点。

• 指令
  ：基于推理决定下一步做什么。

• 参数
  ：动作的具体细节。

ToolServer由三个组件构成：

• ToolServerManager
  ：管理Docker容器的生命周期——创建、监控、关闭。新会话开始时能建新节点，定期检查节点是否健康。

• ToolServerMonitor
  ：检查节点状态，更新状态，确保它们高效运行。如果一个节点长时间空着，监控器会关掉它省资源。

• ToolServerNode
  ：执行单元，动作（API调用、文件上传、工具检索等）都在这里跑。

XAgent总结

从实现逻辑上看，XAgent其实跟BabyAGI挺像的——依赖大模型做任务分解，然后执行。这种路子有个绕不开的问题：任务分解的粒度很难把控。大模型往往过度分解，简单任务被无限复杂化，收不了尾。从XAgent给出的实例来看，这个毛病也没躲过去。

再一个，框架定义不够清晰。XAgent提供的不是SDK框架，而是一个Web服务，开发者想扩充修改并不方便。代码层面也乱，Agent没做抽象化，逻辑混在一起，Memory目前还没用上。

此外，XAgent缺乏多Agent的能力——比如多Agent怎么协作、怎么通信、怎么自定义。它内部虽然定了好几个Agent，但更像是函数的封装。

官方说XAgent是通用智能体，本质是想靠任务分解加上集成更多工具，把复杂任务拆碎执行。但从业界现状看，BabyAGI、AutoGen这堆方案都不算理想，只能在有限问题上跑出效果，而且不稳定，严重依赖GPT4。遇到专业性强的复杂问题，比如狼人杀，效果就不敢恭维了。