elkar 的安装和配置教程
2025-05-18 23:53:51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
kernelopenEuler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。C046
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0123
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
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
435
3.31 K
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
暂无简介
Dart
699
162
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++
697
374
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
🎉 (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
1.23 K
675
Ascend Extension for PyTorch
Python
243
281
React Native鸿蒙化仓库
JavaScript
271
328