一个基于Rust语言的异步智能体框架，实现感知-决策-行动循环架构。
- ✅ 基于
tokio的异步运行时 - ✅ 模块化设计（感知、决策、行动分离）
- ✅ 灵活的工具注册系统
- ✅ 配置文件支持（TOML + 环境变量）
- ✅ 状态管理与记忆机制
- ✅ 结合ReAct规划模式进行推理与行动的智能决策
- ✅ 长期记忆存储与语义检索
- ✅ 工具链编排
- ✅ 动态发现与工具调用
- ✅ 完整的测试和文档支持
git clone https://github.com/yourname/rust-agent.git
cd rust-agent
cargo build --releaseuse rust_agent::{Agent, AgentConfig, ToolRegistry};
use rust_agent::tools::{TextTool, TimeTool};
// 创建工具注册表
let mut tools = ToolRegistry::new();
tools.register(TextTool);
tools.register(TimeTool);
// 创建智能体
let agent = Agent::new(AgentConfig::default(), Arc::new(tools), channels);
// 启动智能体
agent.run().await?;use rust_agent::{ReActPlanner, AgentState, ToolRegistry};
let tools = Arc::new(ToolRegistry::new());
let mut state = AgentState::default();
let planner = ReActPlanner::new(tools.clone());
let result = planner.plan(&mut state, "搜索Rust编程语言的最新版本并告诉我").await?;
println!("规划结果: {}", result);use rust_agent::{ChainFactory, ToolRegistry};
let tools = Arc::new(ToolRegistry::new());
let factory = ChainFactory::new(tools.clone());
let chain = factory.create_search_chain();
let mut state = AgentState::default();
let result = chain.execute(&mut state, "查找2025年Rust的最新特性").await?;
println!("链式执行结果: {:?}", result);use rust_agent::{MemoryManager, SimpleEmbedder, InMemoryVectorDB};
let embedder = Arc::new(SimpleEmbedder {});
let db = Arc::new(InMemoryVectorDB::new(embedder.clone()));
let memory_manager = MemoryManager::new(db, embedder);
// 存储记忆
memory_manager.store("Rust是一种系统编程语言", HashMap::new()).await?;
// 检索记忆
let results = memory_manager.retrieve("系统编程语言", 5).await?;
println!("检索到的记忆: {:?}", results);use rust_agent::{McpToolRegistrar, McpClient};
let registrar = McpToolRegistrar::new("http://localhost:8080".to_string());
let tools = registrar.register_all().await?;
// 工具会自动从MCP服务器发现并注册
let agent = Agent::new(AgentConfig::default(), tools, channels);创建config/agent.toml：
[agent]
name = "MyAgent"
version = "0.1.0"
log_level = "info"
[tools]
mcp_server_url = "http://localhost:8080"
enabled_tools = ["text_processor", "get_time"]
[environment]
cache_dir = "/tmp/agent-cache"
[planning]
max_steps = 5
react_enabled = true
[memory]
vector_db_type = "in_memory"
embedding_model = "simple"| 工具名称 | 功能 |
|---|---|
text_processor |
文本处理（大小写转换、去空格） |
get_time |
获取当前时间 |
search |
搜索工具（需自定义实现） |
calculator |
计算器工具（需自定义实现） |
web_search |
网络搜索工具（需自定义实现） |
实现Tool trait：
pub struct MyCustomTool;
impl Tool for MyCustomTool {
fn name(&self) -> &str { "my_tool" }
fn description(&self) -> &str { "自定义工具描述" }
async fn execute(&self, args: Value) -> Result<Value, String> {
// 实现工具逻辑
Ok(serde_json::Value::String("结果".to_string()))
}
}let mut chain = Chain::new(tools.clone());
chain.add_step(ChainStep {
name: "step1".to_string(),
tool_name: "tool1".to_string(),
input_mapping: HashMap::from([("input".to_string(), "input".to_string())]),
output_key: Some("result1".to_string()),
})
.add_step(ChainStep {
name: "step2".to_string(),
tool_name: "tool2".to_string(),
input_mapping: HashMap::from([("input".to_string(), "result1".to_string())]),
output_key: Some("final_result".to_string()),
});欢迎提交Issue和Pull Request！
MIT