OpenManus项目中的模块缺失问题分析与解决
问题背景
OpenManus项目在近期更新后出现了一个严重的运行问题,当用户尝试执行python main.py启动程序时,系统会抛出ModuleNotFoundError: No module named 'app.prompt.mcp'错误。这个问题源于项目代码结构调整后,部分关键文件未被正确包含在提交中。
错误分析
根据错误堆栈跟踪,问题发生在以下调用链中:
main.py尝试导入app.agent.manus模块app.agent.__init__尝试导入app.agent.mcp模块app.agent.mcp尝试从app.prompt.mcp导入三个常量(MULTIMEDIA_RESPONSE_PROMPT,NEXT_STEP_PROMPT,SYSTEM_PROMPT)
核心问题在于app/prompt/mcp.py文件在提交14fa48e8d7eef2baca40984ef339204d5d792840后被意外遗漏,导致后续依赖该文件的模块无法正常工作。
临时解决方案
开发团队提供了几种临时解决方案:
-
回退到特定提交:执行
git checkout f25ed7d49ec1bd710d3ef71a7da2c74f2c3136b0可以回退到问题出现前的稳定版本 -
切换到mcp分支:使用
git checkout mcp命令切换到专门修复此问题的分支 -
等待官方修复:开发团队很快修复了这个问题,用户只需执行
git pull获取最新代码即可
后续依赖问题
在解决初始问题后,部分用户遇到了第二个问题:ModuleNotFoundError: No module named 'boto3'。这是因为项目依赖的AWS SDK Python包(boto3)未被正确安装。
解决方案是重新安装所有依赖:
pip install -r requirements.txt
项目结构分析
从这个问题可以看出OpenManus项目的模块化设计:
agent模块负责核心代理逻辑prompt模块存储各种提示模板llm和bedrock模块处理底层大语言模型交互
这种分层架构虽然清晰,但也增加了模块间的依赖关系,需要特别注意文件完整性和导入顺序。
最佳实践建议
- 版本控制:在更新项目前,先创建一个分支或备份当前工作版本
- 依赖管理:定期更新并重新安装项目依赖
- 错误处理:遇到类似问题时,先检查错误堆栈,理解模块依赖关系
- 测试验证:在提交重大更改前,确保所有导入路径和依赖关系测试通过
总结
OpenManus项目中的这个典型问题展示了Python项目中模块管理和依赖关系的重要性。通过分析问题原因和解决方案,开发者可以更好地理解项目架构,并在遇到类似问题时快速定位和解决。这也提醒我们在进行代码重构时,需要特别注意文件完整性和跨模块引用的一致性。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00