OpenManus：开源通用 Agent 实战

来源：github.com/mannaandpoem/OpenManus | 整理时间：2026-04-04

什么是 OpenManus？

OpenManus 是一个开源通用 AI Agent，由 MetaGPT 团队成员开发，在 2025 年初迅速走红。它受 Manus（商业 AI Agent）启发，提供了一个可以自主完成各种任务的开源替代方案。

核心特点

• 通用 Agent：不限于特定领域，可处理多种任务
• 自主规划：自动分解任务、制定执行计划
• 工具使用：内置浏览器、代码执行、文件操作等工具
• 开源免费：可自由修改和部署

安装与配置

环境要求

• Python 3.10+
• API Key（OpenAI 或 Anthropic）

安装

# 克隆仓库
git clone https://github.com/mannaandpoem/OpenManus.git
cd OpenManus

# 安装依赖
pip install -r requirements.txt

# 配置 API Key
cp config.example.yaml config.yaml
# 编辑 config.yaml，填入你的 API Key

配置文件

# config.yaml
llm:
  model: "claude-sonnet-4-6"
  api_key: "your-api-key"
  # 或使用 OpenAI
  # model: "gpt-4o"
  # api_key: "your-openai-key"

tools:
  browser:
    enabled: true
    headless: true
  code_executor:
    enabled: true
    sandbox: true
  file_ops:
    enabled: true
    base_dir: "./workspace"

架构概述

执行循环

OpenManus 遵循经典的 Agent 执行循环：

[用户输入]
    ↓
[任务分析] → 分解为子任务
    ↓
[规划] → 制定执行计划
    ↓
[执行循环]
    ├── 选择工具
    ├── 执行操作
    ├── 观察结果
    └── 调整计划
    ↓
[汇总结果] → 返回给用户

工具系统

使用示例

示例 1：信息研究

研究 2026 年最流行的 5 个 AI Agent 框架，
对比它们的特点和适用场景，生成一份报告。

OpenManus 会：

1. 搜索相关信息
2. 整理和对比
3. 生成 Markdown 报告
4. 保存到文件

示例 2：数据分析

读取 sales.csv 文件，
分析 2025 年 Q4 的销售趋势，
生成可视化图表和分析报告。

OpenManus 会：

1. 读取 CSV 文件
2. 用 Python 分析数据
3. 生成 matplotlib 图表
4. 输出分析报告

示例 3：代码生成

创建一个 FastAPI 项目，
包含用户 CRUD 接口，
使用 SQLite 数据库，
写好单元测试。

OpenManus 会：

1. 设计项目结构
2. 生成代码文件
3. 编写测试
4. 运行测试验证

自定义扩展

添加自定义工具

from openmanus.tools import BaseTool

class DatabaseQueryTool(BaseTool):
    name = "database_query"
    description = "查询 PostgreSQL 数据库"

    def run(self, sql: str) -> str:
        import psycopg2
        conn = psycopg2.connect(self.config["db_url"])
        cursor = cursor.execute(sql)
        result = cursor.fetchall()
        conn.close()
        return str(result)

修改规划提示

在 config.yaml 中自定义 Agent 的行为：

agent:
  system_prompt: |
    你是一个专业的数据分析 Agent。
    在执行任何操作前，先用 Plan 模式制定计划。
    数据操作要保守，优先读取而非修改。

与其他框架对比

注意事项

1. API 成本：复杂任务可能消耗大量 Token，注意成本控制
2. 安全性：代码执行在沙盒中运行，但仍需注意
3. 稳定性：作为新兴项目，可能存在边界情况
4. 模型依赖：效果取决于底层 LLM 的能力

相关链接

• Agent 框架全景
• 核心模式详解
• LangGraph 实战
• OpenManus GitHub：https://github.com/mannaandpoem/OpenManus
• MetaGPT：https://github.com/geekan/MetaGPT