最起码......我们都是机器人助手，不是吗？
在当今的 AI 开发中，我们被各种框架包裹（LangChain, AutoGen 等），导致很多开发者或感兴趣的朋友并不清楚 Agent 到底是如何工作的。
MiniBot 的目标是 "De-mystify Agents"（揭秘 Agent）。通过阅读本项目源码，你将理解：
- ReAct 循环的本质：如何用原生 Python
while循环和 OpenAI API 构建思考-行动链。 - 工具调用的底层逻辑：如何通过 Python
inspect模块将函数自动转换为 JSON Schema。 - MCP (Model Context Protocol)：如何在不依赖官方 SDK 的情况下实现 Client 端协议握手。
- Skills 上下文管理：如何动态地从文件系统加载 Prompts 和知识库。
MiniBot 采用极其精简的模块化设计，没有任何复杂的类继承链。
摒弃复杂的 Chain/Graph 抽象，回归本质。
- 实现：
src/minibot/agent.py - 逻辑：维护一个纯粹的
List[Message]消息队列，通过递归或循环处理 LLM 的tool_calls响应。
不使用 Pydantic 生成 Schema，而是直接解析 Python 函数签名。
- 实现：
src/minibot/tools/ - 特性：支持
Bash执行、文件 IO，以及动态注册机制。支持 元工具 (Meta-Tools)，即“创造工具的工具”。
完全兼容 Claude 的 MCP 协议，连接万物。
- 实现：
src/minibot/mcp/ - 亮点：实现了基于
stdio和sse的传输层，自动将 MCP 资源适配为 Agent 可调用的 Tools。
基于简单的观察者模式实现的安全与监控层。
- 实现：
src/minibot/hooks/ - 用途：在
pre_tool_call拦截高危命令，在post_agent_loop记录审计日志。
- 实现：
src/minibot/skills/ - 逻辑：类似于 Claude 的 Project，自动读取 Markdown 文件并注入 System Prompt。
我们使用 uv 进行现代化的 Python 包管理（当然也支持 pip）。
git clone https://github.com/zyren123/minibot.git
cd minibot
# 极速安装依赖
uv sync复制 .env.example 到 .env：
OPENAI_BASE_URL=https://api.openai.com/v1
OPENAI_API_KEY=sk-xxxx
MODEL_ID=gpt-4o-mini
# 可选：开启 Rich 终端美化，体验类似 Claude Code
MINIBOT_RICH=1uv run minibot常用命令：
/help/info/stream [on|off|status]
这是一份学习指南，告诉你代码的每一部分展示了什么概念：
src/minibot/
├── agent.py # [核心] 看这里理解 LLM 的“思考-执行”循环是如何手写的
├── core/
│ └── client.py # 封装 OpenAI SDK，处理流式输出和多模态
├── tools/
│ ├── base.py # [重点] 如何用 inspect 库将 Python 函数转为 JSON Schema
│ └── registry.py # 简单的字典查找表，实现工具分发
├── mcp/
│ ├── client.py # [进阶] 手写 MCP 协议客户端，理解 JSON-RPC 2.0
│ └── transport.py # 进程间通信 (Stdio/SSE) 的实现
├── skills/
│ └── loader.py # 如何解析文件系统并动态构建 Prompt 上下文
└── hooks/
└── executor.py # 中间件模式的实现，用于安全拦截
MiniBot 提供了一个基于 prompt_toolkit 和 Rich 的现代化终端界面。 没错，readme就是用minibot写的
不需要继承复杂的类，只需定义函数和类型注解：
from minibot.tools.base import BaseTool
class WeatherTool(BaseTool):
name = "get_weather"
description = "获取城市天气"
# 类型注解会自动转换为 Tool Schema
async def execute(self, city: str, unit: str = "celsius") -> str:
# 这里写原生 Python 逻辑
return f"{city} 的天气是 25度 ({unit})"在 config/mcp_servers.yaml 中配置，无需改代码即可扩展能力（例如连接 GitHub, Postgres 等）：
servers:
- name: github-mcp
command: npx
args: ["-y", "@modelcontextprotocol/server-github"]
env:
GITHUB_TOKEN: "your-token"MiniBot 现已支持 in-process Agent Teams（会话内团队编排）：
- Lead 可通过工具自主决定是否创建团队、创建多少成员（默认 3，最大 6）
- Teammate 拥有完整工作能力（读写文件、bash、MCP、memory 等），但不能再创建成员（禁用
Task/TeamCreate/TeamShutdown） - 任意成员可点对点通信（
TeamMessage）或全队广播（TeamBroadcast） - 提供轻量共享任务板（
TeamTask：create/list/assign/claim/complete） - 提供
TeamWait用于 Lead 等待并汇总队友事件
TeamCreateTeamMembersTeamTaskTeamMessageTeamBroadcastTeamWait(lead only)TeamShutdown(lead only)
- 仅支持 单会话内 团队，不支持跨重启恢复
- 不支持 tmux/iTerm2 分屏模式（MVP 仅 in-process）
- 不支持嵌套团队（teammate 不可再派生代理）
config/default.yaml:
llm:
stream_enabled: true
teams:
quiet_teammates: true
debug_teammate_output: false开启后 teammate 不会向终端输出 Thinking/Running 状态行与常规内容，避免并发输出污染主终端。 主 Agent（solo/lead）默认开启流式正文输出；若网关不支持流式，会自动回退为非流式输出。
- 长期记忆支持: 基于本地文件系统的持久化上下文记忆
- Agent Teams (MVP): 会话内并发团队、消息总线、任务板、锁冲突保护
- Vision: 原生支持多模态图像理解
- Sandboxing: 基于 Docker 的工具执行沙箱
- Web Interface: 基于 FastAPI 的轻量级 API
本项目采用 MIT License。
欢迎提交 PR！如果你想学习 Agent 原理，最好的方式就是尝试修改 src/minibot/agent.py 中的主循环逻辑。