快速掌握OpenManus框架的核心要点，其实并没有想象中那么复杂。这个轻量级Agent框架，在短短几个小时内就被复刻出来，实在让人惊叹。与其在众多概念里绕来绕去，不如直接动手撸一遍源码的调试流程，看看Memory、Tool Agent这些组件到底是如何协同工作的。下面就从环境搭建开始，一步步拆解。
背景
OpenManus是一个迷你的Agent框架，由几位优秀开发者据说在三小时内复刻Manus而成。项目地址：https://github.com/mannaandpoem/OpenManus。在Agent概念炒得热火朝天的时候，读完smloagents那套之后，再看OpenManus这种小巧的实现，格外清爽。这里只啃主线代码的调试过程，支线部分先放一边（每个人都有自己的关注点，不必纠结所有细节）。刚好在B站上也刷到一位东北up主详细讲解了大约一小时，发现逻辑并不复杂，于是尝试自己走一遍这个Agent框架，作为工作之余的调剂。费曼学习法，干中学。
安装环境
- 按照README里的步骤操作就行，在VSCode或PyCharm里都能配，建议新建一个venv虚拟环境。
- 给DeepSeek充了10块钱的会员，拿到API key填进去就完了。
调试
提问时尽量让大模型调用一个Python Tool Agent，靠本地代码执行就能完成的任务（也试过Web Search相关的prompt，但浏览器打开时总报些乱七八糟的错误，懒得折腾了，反正不影响主线流程）。
断点
问一个问题：斐波那契数列的第5位是多少
Memory是什么
Memory这个组件在其他框架里也有，有些实现得非常复杂。这里只看OpenManus的实现，直观感受一下Memory到底是什么东西。
其实就是一个类似工厂方法的封装。里面Tool和其他的user、system、assistant角色不太一样——Tool有不定长度的入参，而其他角色的入参只有一个字符串。Memory层定义了一个结构，后面用来保存多步执行的结果，本质上就是一个list，没什么特别的。
循环执行
每一步到底执行了什么
这里抽象出了一些概念：先思考，再行动。那么思考了什么？返回值又意味着什么？
Think是什么
Think这一步其实就是把输入全都怼进Memory里，然后调用LLM。提示词里给了几个可用的工具，比较特殊的是Terminate——它告诉LLM，在认为可以结束的时候，可以调用这个Tool。
接着进入关键一步：调用LLM的返回。这里把assistant_msg也写入了message上下文。
Act是什么
这一步是根据之前LLM的提示调用具体的Tool。以PythonExecute为例，会开一个线程，在线程里执行LLM提示的code。这里有些巧思，比如安全性——执行环境只包含了builtins这些函数。执行结果会被塞回到result中。
这时候再回头看Memory和results到底是什么，会发现还有一点小心思：当Agent卡住时怎么办？
如何停止
结果出来后，流程怎么停下来？OpenManus依然依赖大模型来判断。这一次，LLM给出的prompt结果如果是terminate，就会跳转到Terminate这个Tool的执行。当工具是Terminate时，state的状态变为FINISHED，整个循环也就跳出来了。
到这里，整个简单流程就看完了。不过Agent是个挺深的学问：退出时居然没打印结果，懒得修了。
这次调试中用到的类，UML图大致如下（图略）。
结尾
这小巧框架的核心流程大概就这些。实际花费时间不到两小时，包括折腾环境。真正复杂的Agent框架需要面对很多实际问题：
- Memory太长怎么办？是不是要放到其他存储里？如何与LLM交流？如何找出最重要的上下文？用向量数据库还是RAG？
- Prompt的实现同样麻烦，现在只有五六个Tool，可以塞在提示词里，但Tool一多该怎么办？要不要先分类，再让LLM帮助查找细类下的Tool？
- 安全性如何保障？
- MCP这种刚冒出来的概念是做什么用的？