elkar 的安装和配置教程
2025-05-18 17:52:03作者:管翌锬
项目基础介绍
elkar 是一个开源的任务管理层,用于构建基于 Google 的 Agent2Agent 协议(A2A)的人工智能代理。它允许开发者轻松地发送、跟踪和协调跨 AI 代理的任务。elkar 提供了一个 Python SDK,以及其他语言的即将支持,以简化 A2A 协议的实现,并且还有一个应用和 API 来管理、监控和调试代理任务。
主要编程语言
elkar 项目主要使用 Python 编程语言。
项目使用的关键技术和框架
- A2A 协议:Google 开发的 Agent2Agent 协议,用于代理间的通信。
- 异步操作:使用 Python 的异步编程特性来处理任务。
- RESTful API:提供 API 以便其他应用或服务与之交互。
- Supabase 或其他后端存储:用于任务存储和管理。
准备工作
在开始安装 elkar 之前,请确保您的系统中已经安装了以下软件:
- Python 3.8 或更高版本
- pip(Python 包管理器)
- Node.js 和 npm(用于运行调试器)
安装步骤
步骤 1:安装 Python SDK
首先,确保您的 Python 环境已经准备好。然后,使用 pip 安装 elkar SDK:
pip install elkar
步骤 2:创建任务处理器
在您的 Python 文件中,定义一个异步函数来处理任务。下面是一个基本的任务处理器示例:
from elkar.a2a_types import *
from elkar.server.server import A2AServer
from elkar.task_manager.task_manager_base import RequestContext
from elkar.task_manager.task_manager_with_task_modifier import TaskManagerWithModifier
from elkar.task_modifier.base import TaskModifierBase
async def task_handler(task: TaskModifierBase, request_context: RequestContext):
await task.set_status(
TaskStatus(
state=TaskState.WORKING,
message=Message(
role="agent",
parts=[TextPart(text="我理解了任务,正在处理中...")]
)
)
)
await task.upsert_artifacts([
Artifact(
parts=[
TextPart(text="任务完成,这是结果...")
],
index=0
)
])
await task.set_status(
TaskStatus(
state=TaskState.COMPLETED,
message=Message(
role="agent",
parts=[TextPart(text="任务已完成!")]
),
is_final=True
)
)
步骤 3:创建代理卡片
代理卡片是根据 A2A 协议的要求定义的。在您的 Python 文件中创建一个代理卡片:
agent_card = AgentCard(
name="测试代理",
description="测试代理描述",
url="https://example.com",
provider=AgentProvider(
organization="Elkar",
url="https://www.elkar.co"
),
documentationUrl="https://example.com/documentation",
version="1.0.0",
skills=[
AgentSkill(
id="1",
name="生成图像",
description="根据提示描述生成图像",
inputModes=["text"],
outputModes=["image"]
),
],
capabilities=AgentCapabilities(
streaming=True,
pushNotifications=True,
stateTransitionHistory=True
)
)
步骤 4:创建 A2A 服务器
实例化您的 A2A 服务器,使用托管服务作为任务存储:
api_key = "YOUR_ELKAR_API_KEY" # 替换为您的实际 Elkar API 密钥
store = ElkarClientStore(
base_url="https://api.elkar.co/api",
api_key=api_key
)
task_manager = TaskManagerWithModifier(
agent_card,
send_task_handler=task_handler,
store=store
)
server = A2AServer(
task_manager,
host="0.0.0.0",
port=5001,
endpoint="/"
)
server.start() # 注意:这在生产环境中应使用 ASGI 服务器如 Uvicorn
步骤 5:运行和调试
如果想要仅用于调试 A2A 服务器,可以运行调试器:
cd a2a-client
npm run a2adebugger
然后,在浏览器中打开 http://localhost:5173 进行调试。
以上步骤就是 elkar 的安装和配置的基本教程。在实际应用中,您可能需要根据自己的需求进行更多的配置和定制。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
Ascend Extension for PyTorch
Python
647
795
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
434
395
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.01 K
1.01 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.18 K
152
deepin linux kernel
C
30
16
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
146
237
暂无简介
Dart
984
252
昇腾LLM分布式训练框架
Python
166
198
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.68 K
989