Skip to main content
Glama
MiaMia-Li

baby-gpt

by MiaMia-Li
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Local

baby-gpt — 通用 ReAct Agent

从零实现的通用 Agent，完整覆盖 ReAct 架构的每一个环节。 Hello Agents 课程毕业设计项目。

快速开始

方式一：本地运行（开发者）

前置条件：Python 3.10+，Node.js 18+（MCP 功能需要）

# 1. 克隆仓库
git clone <repo-url>
cd baby-gpt

# 2. 安装依赖
make install
# 或者手动：python3 -m venv venv && venv/bin/python3 -m pip install -r requirements.txt

# 3. 配置 API Key
cp .env.example .env
# 编辑 .env，填入你的 DEEPSEEK_API_KEY

# 4. 启动
make run

方式二：Docker 运行（推荐分发给他人）

前置条件：Docker

# 1. 构建镜像
make docker-build

# 2. 配置 Key（只需做一次）
cp .env.example .env
# 编辑 .env

# 3. 运行
make docker-run

Related MCP server: OpenClaw MCP Server

配置文件

复制 .env.example 为 .env，填入以下 Key：

变量名

必填

说明

LLM_PROVIDER

可选

LLM 提供方：anthropic（Claude 原生 tool_use）或 deepseek（默认，ReAct 文本）

DEEPSEEK_API_KEY

✅*

DeepSeek API Key（默认主 LLM；用 Claude 时非必填）

ANTHROPIC_API_KEY

✅*

Claude API Key（LLM_PROVIDER=anthropic 时必填）

ANTHROPIC_MODEL

可选

Claude 模型，默认 claude-opus-4-8

OPENAI_API_KEY

可选

图片生成功能需要

GITHUB_PERSONAL_ACCESS_TOKEN

可选

启用 GitHub MCP（26 个工具）

TAVILY_API_KEY

可选

更好的网络搜索，无则自动用 DuckDuckGo

功能

  • 双 LLM 后端 — DeepSeek（ReAct 文本，默认）/ Claude（Anthropic SDK 原生 tool_use 结构化调用），LLM_PROVIDER 一键切换

  • ReAct 核心循环 — Thought → Action → Observation 迭代

  • 工具注册系统 — @register_tool 装饰器，tools/ 目录自动扫描

  • 远程 Skill 加载 — find_skills + load_skill，运行时扩展能力

  • 能力自扩展 — 遇到未知任务自动搜索并安装工具

  • 多轮对话 — AgentSession 滑动窗口，保留最近 20 轮上下文

  • 网络搜索 — DuckDuckGo（免费）/ Tavily（可选）双后端

  • GitHub MCP — 连接 GitHub MCP Server，读写仓库、搜索代码、管理 Issue/PR

  • RAG 记忆 — Chroma 向量数据库，remember / recall 工具

  • MCP Server — 把自己的工具暴露给 Claude Desktop / Cursor

项目结构

baby-gpt/
├── core/
│   ├── agent.py       ← ReAct 主循环
│   ├── llm_client.py  ← LLM 调用（DeepSeek / OpenAI / Claude·Anthropic SDK）
│   ├── registry.py    ← 工具注册中心
│   ├── session.py     ← 多轮对话管理
│   └── tracer.py      ← 可观测性（Timeline + 日志）
├── tools/
│   ├── shell.py       ← Shell 执行（黑名单安全模型）
│   ├── filesystem.py  ← 文件读写
│   ├── search.py      ← 网络搜索
│   ├── memory.py      ← RAG 记忆
│   ├── utils.py       ← 计算器等工具
│   └── mcp_client.py  ← MCP Client（连接外部 MCP Server）
├── skills/
│   └── remote_loader.py  ← find_skills + load_skill
├── mcp_server/
│   └── server.py      ← MCP Server（暴露给 Claude Desktop）
├── main.py            ← 启动入口
├── Dockerfile
├── Makefile
└── .env.example

接入 Claude Desktop（MCP Server 模式）

在 ~/Library/Application Support/Claude/claude_desktop_config.json 添加：

{
  "mcpServers": {
    "baby-gpt": {
      "command": "/path/to/baby-gpt/venv/bin/python",
      "args": ["/path/to/baby-gpt/mcp_server/server.py"]
    }
  }
}

或者 Docker 方式：

{
  "mcpServers": {
    "baby-gpt": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "-v", "/path/to/.env:/app/.env", "baby-gpt", "python", "mcp_server/server.py"]
    }
  }
}

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivityInactive
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers