xpander.ai 的安装和配置教程

项目基础介绍

xpander.ai 是一个为自主智能体提供后端即服务（Backend-as-a-Service）的开源项目。该项目旨在为智能体提供内存、工具集成、多用户状态管理、多种触发选项、存储以及智能体之间的消息传递等功能，以支持任何智能体框架和SDK。

主要编程语言：Python

项目使用的关键技术和框架

• 框架灵活性：支持多种流行框架，如 OpenAI ADK、Agno、CrewAI、LangChain，或直接使用原生LLM API。
• 工具集成：提供了一个全面的MCP兼容工具库和预构建的集成。
• 可扩展托管：在托管基础设施上轻松部署和扩展智能体。
• 状态管理：支持框架特定的本地状态或使用分布式状态管理系统。
• 实时事件：利用事件流功能，实现Slackbots、ChatUIs、Agent2Agent通信和Webhook集成。
• API保护机制：使用Agent-Graph-System实施强大的保护机制，定义和管理API操作之间的依赖关系。

安装和配置准备工作

在开始安装前，请确保您的系统中已安装以下依赖项：

• Python
• Node.js
• Docker（推荐用于容器化部署）

安装步骤

步骤1：安装xpander SDK

根据您的编程语言环境，使用以下命令安装xpander SDK：

对于 Python 环境：

pip install xpander-sdk

对于 Node.js 环境：

npm install @xpander-ai/sdk

步骤2：安装CLI工具（可选）

如果您需要CLI工具来创建智能体模板，可以使用以下命令进行安装：

npm install -g xpander-cli

步骤3：初始化智能体

使用CLI工具创建一个新的智能体模板：

xpander login
xpander agent new

步骤4：配置智能体代码

在生成的智能体模板中，您需要配置 xpander_handler.py 文件，以便智能体能处理来自Agent2Agent、Slackbots、MCP服务器或WebUI的事件。

在 xpander_handler.py 中添加以下代码：

on_execution_request(
    execution_task: AgentExecution
) -> AgentExecutionResult:
    # 这里调用您的智能体代码
    result = your_agent.invoke(execution_task.input.text)
    return AgentExecutionResult(
        result=result,
        is_success=True,
    )

步骤5：集成AI工具和状态管理（推荐）

为了充分利用xpander.ai的功能，您可以在智能体代码中集成AI工具和状态管理：

from xpander_sdk import XpanderClient, Agent

# 初始化客户端
xpander_client = XpanderClient(api_key="YOUR_XPANDER_API_KEY")
agent_backend = xpander_client.agents.get(agent_id="YOUR_AGENT_ID")

# 使用示例
response = openai_client.chat.completions.create(
    model="gpt-4o",
    messages=agent_backend.messages,
    tools=agent_backend.get_tools(),
    tool_choice=agent_backend.tool_choice,
    temperature=0.0
)

# 保存LLM当前状态
agent.add_messages(response.model_dump())

# 提取AI模型请求的工具
tool_calls = XpanderClient.extract_tool_calls(llm_response=response.model_dump())

# 在云中自动且安全地执行工具
agent.run_tools(tool_calls=tool_calls)

步骤6：部署智能体到云端

使用以下命令将智能体容器部署到云端：

xpander deploy

步骤7：查看智能体日志

要查看智能体的本地日志，可以使用以下命令：

xpander logs

完成以上步骤后，您的xpander.ai智能体应该已经成功安装并配置完毕，可以开始使用了。