Data

Tools

Indexes

Applications

Experiments

Awesome

An open API service indexing awesome lists of open source software.

https://github.com/wsshow/feikong-teams

一个基于多智能体协作的 AI 助手，支持命令行和Web界面，提供团队模式、自定义会议模式和多智能体讨论模式（圆桌会议模式）三种工作方式，通过多个专业智能体协同工作来完成复杂的编程和系统任务。
https://github.com/wsshow/feikong-teams

agents ai auto chatbot chatgpt cli cowork eino fkteams mcp multiagent

Last synced: 2 days ago
JSON representation

一个基于多智能体协作的 AI 助手，支持命令行和Web界面，提供团队模式、自定义会议模式和多智能体讨论模式（圆桌会议模式）三种工作方式，通过多个专业智能体协同工作来完成复杂的编程和系统任务。

Awesome Lists containing this project

README 

          
# fkteams 非空团队



fkteams（FeiKong Teams，非空团队）是一个开源的多智能体协作 AI 助手，旨在通过多个专业智能体的协同工作来完成复杂的任务。它支持两种交互界面：现代化的 Web 界面和传统的命令行界面，满足不同用户的使用习惯和场景需求。



![非空团队架构简介](./docs/images/fkteams.png)



## 演示图



### Web 界面模式



![Web界面模式](./docs/images/fkteams_web.png)



### 命令行模式



![命令行模式](./docs/images/fkteams_cli.png)



## 快速开始



> **💡 快速体验**：如果你已经有预编译的可执行文件，只需要配置环境变量并运行 `./fkteams --web` 即可立即体验 Web 界面！



### 1. 克隆项目



```bash

git clone https://github.com/wsshow/feikong-teams.git

cd feikong-teams

```



### 2. 配置环境变量



复制 `.env.example` 为 `.env` 并配置：



```bash

cp .env.example .env

```



编辑 `.env` 文件，填写必要的配置：



```env

# 模型配置

FEIKONG_OPENAI_API_KEY=your_api_key_here

FEIKONG_OPENAI_BASE_URL=https://api.openai.com/v1

FEIKONG_OPENAI_MODEL=gpt-5



# 网络搜索工具配置（可选）

FEIKONG_PROXY_URL=http://127.0.0.1:7890



# 工作目录配置, 默认为: ./workspace

FEIKONG_WORKSPACE_DIR = ./workspace



# 代码助手

FEIKONG_CODER_ENABLED = true



# 本地命令行助手

FEIKONG_CMDER_ENABLED = true



# 数据分析师

FEIKONG_ANALYST_ENABLED = false



# SSH 访问者智能体配置（可选）

FEIKONG_SSH_VISITOR_ENABLED=true # 设置为 true 启用小访智能体

FEIKONG_SSH_HOST=ip:port

FEIKONG_SSH_USERNAME=your_ssh_user

FEIKONG_SSH_PASSWORD=your_ssh_password

```



### 3. 配置圆桌会议成员（可选）



生成示例配置文件：



```bash

./fkteams -c

# 或

./fkteams --generate-config

```



编辑 `config/config.toml` 配置圆桌会议成员、MCP 服务和自定义智能体：



```toml

[server]

port = 23456        # Web服务器端口

log_level = "info"  # 日志级别



# 圆桌会议配置

[roundtable]

max_iterations = 2  # 讨论轮数



[[roundtable.members]]

index = 0

name = '深度求索'

desc = '深度求索聊天模型，擅长逻辑分析'

base_url = 'https://api.deepseek.com/v1'

api_key = 'your_deepseek_api_key'

model_name = 'deepseek-chat'



[[roundtable.members]]

index = 1

name = '克劳德'

desc = '克劳德聊天模型，擅长创意思维'

base_url = 'https://api.anthropic.com/v1'

api_key = 'your_claude_api_key'

model_name = 'claude-3-sonnet'



# 自定义智能体配置

[custom]



# 配置自定义智能体

[[custom.agents]]

name = "数据分析师"

desc = "专业的数据分析智能体"

system_prompt = """你是一个专业的数据分析师，擅长数据处理和可视化。

你需要：

1. 分析用户提供的数据

2. 使用合适的工具进行数据处理

3. 生成可视化图表

4. 给出专业的分析建议

"""

base_url = "https://api.openai.com/v1"

api_key = "your_api_key"

model_name = "gpt-4"

tools = ["file", "command", "mcp-filesystem"]  # 可使用内置工具和MCP工具



# 配置 MCP 服务

[[custom.mcp_servers]]

name = "filesystem"  # MCP服务名称，使用时需加前缀：mcp-filesystem

desc = "文件系统操作工具"

enabled = true

timeout = 30

url = "http://127.0.0.1:3000/mcp"

transport_type = "http"  # 支持 http, sse, stdio



[[custom.mcp_servers]]

name = "database"

desc = "数据库操作工具"

enabled = true

timeout = 30

command = "npx"  # 或 "uvx" for Python

env_vars = ["DATABASE_URL=postgresql://localhost/mydb"]

args = ["-y", "@modelcontextprotocol/server-postgres"]

transport_type = "stdio"  # stdio 方式启动本地 MCP 服务

```



**配置说明**：



#### 内置工具列表



- `file` - 文件读写操作（限制在 code 目录）

- `command` - 命令行执行

- `ssh` - SSH 远程连接

- `search` - 网络搜索（DuckDuckGo）

- `todo` - 待办事项管理



#### MCP 工具使用



- MCP 工具在配置时需要添加 `mcp-` 前缀

- 例如：名为 `filesystem` 的 MCP 服务，在工具列表中写作 `mcp-filesystem`

- 支持三种连接方式：

  - **HTTP**：连接远程 HTTP MCP 服务

  - **SSE**：通过 Server-Sent Events 连接

  - **Stdio**：启动本地 MCP 进程并通过标准输入输出通信



#### 自定义智能体配置要点



- `name`：智能体名称，用于标识

- `desc`：智能体描述，帮助用户了解其能力

- `system_prompt`：系统提示词，定义智能体的行为和能力

- `tools`：工具列表，可包含内置工具和 MCP 工具

- `base_url`、`api_key`、`model_name`：AI 模型配置



### 4. 运行



#### Web 界面模式（推荐）



启动 Web 服务器，通过浏览器访问：



```bash

# 使用预编译版本

./release/fkteams_darwin_arm64 --web



# 或直接编译运行

go run main.go --web

```



启动后访问 `http://localhost:23456` 即可使用 Web 界面。



Web 界面特性：



- 实时聊天界面，支持流式输出显示

- 智能滚动控制和历史消息浏览

- 完整的 Markdown 渲染支持

- 一键导出对话历史为 HTML 文件

- 响应式设计，支持移动端访问

- 可折叠侧边栏和模式切换



#### 命令行模式



适合开发者和高级用户：



```bash

# 默认启动团队模式

go run main.go



# 启动自定义会议模式

go run main.go -m custom



# 启动多智能体讨论模式

go run main.go -m group

```



#### 编译后运行



```bash

make build



# Web界面模式

./release/fkteams_darwin_arm64 --web



# 默认启动团队模式

./release/fkteams_darwin_arm64



# 启动自定义会议模式

./release/fkteams_darwin_arm64 -m custom



# 启动多智能体讨论模式

./release/fkteams_darwin_arm64 -m group

```



### 5. 使用



#### Web 界面使用



1. 启动 Web 服务：`./fkteams --web`

2. 打开浏览器访问：`http://localhost:23456`

3. 在聊天界面输入你的问题或任务

4. 实时查看 AI 助手的回复和工具调用过程

5. 使用侧边栏切换工作模式（团队/自定义/讨论）

6. 点击"导出 HTML"按钮保存对话历史



#### 命令行使用



启动后，在命令行输入你的问题或任务：



```

请输入您的问题: 帮我写几篇相互关联的小小说，然后创建一个网站来展示这些小说。

```



#### 常用命令（命令行模式）



| 命令                            | 说明                                         |

| ------------------------------- | -------------------------------------------- |

| `quit` / `q`                    | 退出程序                                     |

| `list_agents`                   | 列出所有可用的智能体                         |

| `@智能体名 [查询内容]`          | 切换到指定智能体并可选执行查询               |

| `switch_work_mode`              | 切换工作模式（团队模式/自定义模式/讨论模式） |

| `save_chat_history`             | 保存聊天历史                                 |

| `load_chat_history`             | 加载聊天历史                                 |

| `clear_chat_history`            | 清空聊天历史                                 |

| `save_chat_history_to_markdown` | 导出聊天历史为 Markdown 文件                 |

| `clear_todo`                    | 清空待办事项                                 |

| `help`                          | 显示帮助信息                                 |



#### 智能体切换功能



从交互模式下，你可以直接与单个智能体对话，无需启动整个团队：



```

# 列出所有可用的智能体

list_agents



# 切换到小析（数据分析专家）

@小析



# 切换并直接提问

@小码 帮我创建一个 Python 脚本



# 切换到小搜并搜索信息

@小搜 查找最新的 Go 语言教程

```



**可用智能体列表**：

- `@小析` - 数据分析专家，擅长使用 Excel 和 Python 脚本从复杂数据中提取有价值的信息

- `@小码` - 代码专家，擅长读写和处理代码文件，能够帮助用户完成各种编程任务

- `@小令` - 命令行专家，擅长通过命令行操作完成任务，能够根据操作系统环境执行合适的命令

- `@小搜` - 搜索专家，擅长通过DuckDuckGo提供准确的信息搜索服务

- `@小访` - 远程访问专家，擅长通过 SSH 连接远程服务器，执行命令、传输文件和管理远程系统

- `@小天` - 讲故事专家，擅长编写引人入胜的故事

- `@小简` - 总结专家，擅长将冗长的信息提炼为简洁的摘要



**提示**：输入 `@` 符号后会自动显示可用的智能体列表供选择。



#### 命令行参数



| 参数                | 简写 | 说明                                                           |

| ------------------- | ---- | -------------------------------------------------------------- |

| `--web`             | `-w` | 启动 Web 服务器模式（推荐）                                    |

| `--work-mode`       | `-m` | 工作模式: `team`（团队）、`group`（讨论）或 `custom`（自定义） |

| `--query`           | `-q` | 直接查询模式，执行完查询后退出                                 |

| `--version`         | `-v` | 显示版本信息                                                   |

| `--update`          | `-u` | 检查并更新到最新版本                                           |

| `--generate-env`    | `-g` | 生成示例 .env 文件                                             |

| `--generate-config` | `-c` | 生成示例配置文件                                               |



## 使用场景示例



### Web 界面模式 - 推荐用法



**适合场景**：



- 日常对话和任务处理

- 需要查看历史消息的场景

- 展示给他人或协作使用

- 移动设备访问



**使用流程**：



1. 启动 Web 服务：`./fkteams --web`

2. 浏览器访问：`http://localhost:23456`

3. 在界面中选择工作模式（团队模式/自定义模式/讨论模式）

4. 开始对话，实时查看 AI 回复和工具执行过程

5. 使用"导出 HTML"功能保存重要对话



### 命令行模式



**适合场景**：



- 服务器环境下使用

- 自动化脚本集成

- 开发和调试

- 终端重度用户



**使用流程**：



1. 启动：`./fkteams -m team`

2. 输入任务描述

3. 查看实时输出和工具调用

4. 使用内置命令管理历史和模式切换



## 圆桌会议模式详解



### 工作原理



圆桌会议模式模拟了一场专家研讨会：



1. **问题提出**：用户提出问题或任务

2. **轮流发言**：每个配置的模型依次针对问题发表观点

3. **观点参考**：后发言的模型可以看到前面模型的观点，并在此基础上补充或提出不同见解

4. **多轮迭代**：根据 `max_iterations` 配置进行多轮讨论，逐步深化分析

5. **形成共识**：最终综合各方观点，给出更全面准确的答案



### 适用场景



- **复杂决策**：需要从多角度分析的重要决策

- **创意头脑风暴**：激发不同模型的创意火花

- **观点验证**：让多个模型相互验证，减少单一模型的偏见

- **深度分析**：需要多轮思考才能得出结论的复杂问题



### 配置建议



- 选择不同特点的模型作为讨论成员，以获得更多元的观点

- `max_iterations` 建议设置为 1-3，过多轮次可能导致观点趋同

- 可以给每个成员设置描述性的 `desc`，帮助理解其专长



## MCP 工具集成指南



### 什么是 MCP？



Model Context Protocol (MCP) 是一个开放的协议标准，用于 AI 应用与外部工具和数据源的集成。fkteams 完整支持 MCP 协议，可以轻松接入丰富的 MCP 工具生态。



### MCP 服务配置



在 `config/config.toml` 中配置 MCP 服务：



```toml

[[custom.mcp_servers]]

name = "filesystem"

desc = "文件系统操作工具"

enabled = true          # 是否启用

timeout = 30           # 超时时间（秒）

url = "http://127.0.0.1:3000/mcp"

transport_type = "http"



[[custom.mcp_servers]]

name = "postgres"

desc = "PostgreSQL 数据库工具"

enabled = true

timeout = 30

command = "npx"        # 启动命令

env_vars = ["DATABASE_URL=postgresql://localhost/mydb"]  # 环境变量

args = ["-y", "@modelcontextprotocol/server-postgres"]   # 命令参数

transport_type = "stdio"

```



### 支持的连接方式



1. **HTTP 方式**



   - 适合：远程 MCP 服务

   - 配置：设置 `url` 和 `transport_type = "http"`



2. **SSE 方式**



   - 适合：需要服务器推送的场景

   - 配置：设置 `url` 和 `transport_type = "sse"`



3. **Stdio 方式**

   - 适合：本地 MCP 工具

   - 配置：设置 `command`、`args` 和 `transport_type = "stdio"`

   - 支持通过 `env_vars` 配置环境变量



### 在自定义智能体中使用 MCP 工具



```toml

[[custom.agents]]

name = "数据处理专家"

desc = "专门处理数据相关任务"

system_prompt = "你是一个数据处理专家..."

tools = [

  "file",              # 内置文件工具

  "mcp-filesystem",    # MCP 文件系统工具（需加 mcp- 前缀）

  "mcp-postgres"       # MCP 数据库工具

]

base_url = "https://api.openai.com/v1"

api_key = "your_api_key"

model_name = "gpt-4"

```



### MCP 工具命名规则



- MCP 服务在配置文件中使用 `name` 字段定义

- 在智能体的 `tools` 列表中引用时，需要添加 `mcp-` 前缀

- 例如：`name = "filesystem"` → 使用时写作 `mcp-filesystem`



### 常用 MCP 服务示例



```toml

# 文件系统操作

[[custom.mcp_servers]]

name = "filesystem"

desc = "文件系统读写工具"

enabled = true

command = "npx"

args = ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/allowed/directory"]

transport_type = "stdio"



# GitHub 集成

[[custom.mcp_servers]]

name = "github"

desc = "GitHub API 工具"

enabled = true

command = "npx"

env_vars = ["GITHUB_TOKEN=your_github_token"]

args = ["-y", "@modelcontextprotocol/server-github"]

transport_type = "stdio"



# Google Drive

[[custom.mcp_servers]]

name = "gdrive"

desc = "Google Drive 工具"

enabled = true

command = "npx"

args = ["-y", "@modelcontextprotocol/server-gdrive"]

transport_type = "stdio"



# Brave Search

[[custom.mcp_servers]]

name = "brave-search"

desc = "Brave 搜索引擎"

enabled = true

command = "npx"

env_vars = ["BRAVE_API_KEY=your_api_key"]

args = ["-y", "@modelcontextprotocol/server-brave-search"]

transport_type = "stdio"

```



更多 MCP 服务请访问：https://github.com/modelcontextprotocol/servers



## 自定义智能体使用指南



> **⚠️ 重要提示**：自定义智能体只在**自定义会议模式** (`custom`) 下启用。需要使用 `-m custom` 参数启动或在 Web 界面中选择自定义模式。



### 工作模式说明



自定义智能体与其他工作模式的关系：



- **团队模式** (`team`)：使用内置的五个专业智能体（小搜、小码、小令、小访、小天）

- **讨论模式** (`group`)：使用 `[roundtable.members]` 配置的圆桌会议成员

- **自定义模式** (`custom`)：使用 `[[custom.agents]]` 配置的自定义智能体



### 启动自定义模式



```bash

# 命令行模式

./fkteams -m custom



# Web 模式（在侧边栏选择自定义模式）

./fkteams --web



# 直接查询模式

./fkteams -m custom -q "你的问题"

```



### 创建自定义智能体



1. **编辑配置文件** `config/config.toml`：



```toml

[[custom.agents]]

name = "前端开发专家"

desc = "专注于前端开发的智能体"

system_prompt = """你是一个专业的前端开发工程师。

你擅长：

- React、Vue、Angular 等现代前端框架

- HTML、CSS、JavaScript/TypeScript

- 响应式设计和移动端适配

- 性能优化和最佳实践



你需要：

1. 理解用户的前端开发需求

2. 使用合适的工具创建和修改代码

3. 确保代码质量和最佳实践

4. 提供清晰的技术建议

"""

base_url = "https://api.openai.com/v1"

api_key = "your_api_key"

model_name = "gpt-4"

tools = ["command", "search"]

```



2. **启动自定义模式**：



   ```bash

   # 命令行启动

   ./fkteams -m custom



   # 或 Web 模式中选择自定义模式

   ./fkteams --web

   ```



3. **使用说明**：

   - 自定义模式下会自动加载配置文件中的所有自定义智能体

   - 主持人智能体会根据任务需求调度合适的自定义智能体

   - 可以与内置智能体（如小搜、小天）混合使用



### 配置参数说明



| 参数            | 说明                            | 必填 |

| --------------- | ------------------------------- | ---- |

| `name`          | 智能体名称                      | ✓    |

| `desc`          | 智能体描述                      | ✓    |

| `system_prompt` | 系统提示词，定义智能体的行为    | ✓    |

| `base_url`      | AI 模型 API 地址                | ✓    |

| `api_key`       | API 密钥                        | ✓    |

| `model_name`    | 使用的模型名称                  | ✓    |

| `tools`         | 工具列表（内置工具和 MCP 工具） | ✗    |



### 系统提示词编写技巧



1. **明确角色定位**：清楚说明智能体的专业领域

2. **定义能力范围**：列出智能体擅长的具体技能

3. **设定工作流程**：指导智能体如何处理任务

4. **强调约束条件**：说明需要遵守的规则和限制



### 工具配置最佳实践



1. **按需选择**：只配置智能体真正需要的工具

2. **组合使用**：合理搭配内置工具和 MCP 工具

3. **权限控制**：注意工具的安全性和访问权限



### 使用场景示例



**场景 1：代码审查助手**



```toml

[[custom.agents]]

name = "代码审查专家"

desc = "专业的代码审查和质量分析"

system_prompt = """你是一个严格的代码审查专家...

重点关注：代码质量、安全漏洞、性能问题、最佳实践"""

tools = ["command", "mcp-github"]

```



**场景 2：DevOps 助手**



```toml

[[custom.agents]]

name = "DevOps 工程师"

desc = "自动化运维和部署专家"

system_prompt = """你是一个经验丰富的 DevOps 工程师...

擅长：CI/CD、容器化、监控告警、自动化脚本"""

tools = ["command", "mcp-github"]

```



**场景 3：数据分析师**



```toml

[[custom.agents]]

name = "数据分析师"

desc = "数据处理和可视化专家"

system_prompt = """你是一个数据分析专家...

能力：数据清洗、统计分析、数据可视化、报告生成"""

tools = ["command", "mcp-postgres", "mcp-filesystem"]

```



## 安全说明



- **文件操作限制**：小码智能体的文件操作被限制在可执行文件同级的 `code/` 目录下，防止误操作系统文件

- **命令执行权限**：小令智能体会根据当前操作系统类型（Windows/Linux/macOS）执行相应的命令

- **SSH 连接管理**：小访智能体通过 SSH 连接远程服务器，确保连接信息安全存储和使用

- **MCP 工具隔离**：每个 MCP 服务运行在独立的进程中，可以单独控制启用/禁用

- **工具权限管理**：自定义智能体只能使用配置中明确指定的工具，避免权限滥用

- **日志记录**：所有智能体的操作和输出都会被记录，可以主动输出成 markdown 文件，便于审计和调试

- **工具调用可视化**：所有工具调用都会在终端显示，提供透明度

- **环境变量保护**：请确保 `.env` 文件和 `config.toml` 不被泄露，避免敏感信息外泄



## 构建



```bash

# 清理构建产物

make clean



# 构建当前平台

make build



# 修改 Makefile 中的 os-archs 变量以支持其他平台

# 例如：os-archs=darwin:arm64 linux:amd64 windows:amd64

```



## 许可证



本项目采用 MIT 许可证。详见 [LICENSE](LICENSE) 文件。



## 致谢



- [go-prompt](https://github.com/c-bata/go-prompt) - 交互式命令行提示库

- [Pterm](https://github.com/pterm/pterm) - 美观的终端 UI 库

- [Cloudwego Eino](https://github.com/cloudwego/eino) - 强大的 AI 编程框架

- [MCP Go](https://github.com/mark3labs/mcp-go) - Go 语言的 MCP 协议实现

- [Model Context Protocol](https://modelcontextprotocol.io/) - AI 工具集成标准协议



## 相关链接



- [MCP 官方文档](https://modelcontextprotocol.io/)

- [MCP 服务器列表](https://github.com/modelcontextprotocol/servers)

- [Cloudwego Eino 文档](https://github.com/cloudwego/eino)

- [项目 GitHub](https://github.com/wsshow/feikong-teams)